A inteligência artificial acabará sendo realmente estúpida?

É difícil ir a qualquer lugar hoje em dia sem encontrar alguma menção à inteligência artificial (AI) Você ouve, lê e é difícil encontrar um deck de apresentação (sobre qualquer assunto) que não o mencione. Não há dúvida de que há muito hype em torno do assunto.

Embora o hype aumente a conscientização sobre a IA, ele também facilita algumas atividades bastante tolas e pode distrair as pessoas de grande parte do progresso real que está sendo feito. Desembaraçar a realidade das manchetes mais dramáticas promete proporcionar vantagens significativas para investidores, empresários e consumidores.

A inteligência artificial ganhou notoriedade recente em grande parte devido a sucessos de alto nível, como o Watson, da IBM, vencendo no Jeopardy e o AlphaGo, do Google, vencendo o campeão mundial no jogo "Go". Waymo, Tesla e outros também fizeram grandes progressos com veículos autônomos. A expansão dos aplicativos de IA foi capturada por Richard Waters no Financial Times [aqui}: “Se havia uma mensagem unificadora subjacente à tecnologia do consumidor em exibição [na Consumer Electronics Show]… era: 'AI em tudo'.”

Os sucessos de alto nível da IA ​​também capturaram a imaginação das pessoas a tal ponto que provocaram outros esforços de longo alcance. Um exemplo instrutivo foi documentado por Thomas H. Davenport e Rajeev Ronanki no Harvard Business Review [aqui] Eles descrevem: “No 2013, o MD Anderson Cancer Center lançou um projeto de 'tiro na lua': diagnosticar e recomendar planos de tratamento para certas formas de câncer usando o sistema cognitivo Watson da IBM.” Infelizmente, o sistema não funcionou e pelo 2017, “ o projeto foi suspenso após os custos ultrapassarem US $ 62 milhões - e o sistema ainda não havia sido usado em pacientes. ”

Águas também recebeu uma mensagem diferente - a das expectativas temperadas. Em relação aos “assistentes pessoais com voz”, ele observa, “não está claro que a tecnologia ainda seja capaz de se tornar realmente útil como um substituto para o smartphone na navegação no mundo digital”, além de “tocar música ou conferir as notícias e o clima ”.

Outros exemplos de expectativas temperadas são abundantes. Generva Allen, da Faculdade de Medicina Baylor e da Universidade Rice, advertiu [aqui], “Eu não confiaria em uma fração muito grande das descobertas que estão sendo feitas atualmente usando técnicas de aprendizado de máquina aplicadas a grandes conjuntos de dados.” O problema é que muitas das técnicas são projetadas para fornecer respostas específicas e a pesquisa envolve incerteza. Ela elaborou: "Às vezes seria muito mais útil se eles dissessem: 'Acho que alguns deles estão realmente agrupados, mas não tenho certeza sobre esses outros'".

Pior ainda, em casos extremos, a IA não apenas tem um baixo desempenho; ainda nem foi implementado. o FT relatórios [aqui], “Quatro das empresas iniciantes de 'inteligência artificial' da 10 da Europa não usam programas de inteligência artificial em seus produtos, de acordo com um relatório que destaca o hype em torno da tecnologia.”

Ciclos de expectativas infladas seguidas de ondas de decepção não surpreendem os que já estão há algum tempo na inteligência artificial: eles sabem muito bem que esse não é o primeiro rodeio da IA. De fato, grande parte do trabalho conceitual data dos 1950s. Ao revisar algumas de minhas anotações recentemente, deparei-me com uma peça representativa que explorava redes neurais para fins de seleção de estoque - datada de 1993 [aqui].

A melhor maneira de ter uma perspectiva da IA ​​é ir direto à fonte e Martin Ford nos dá essa oportunidade através de seu livro, Arquitetos de Inteligência. Organizado como uma sucessão de entrevistas com os principais pesquisadores, acadêmicos e empresários do setor, o livro fornece uma história útil da IA ​​e destaca as principais vertentes do pensamento.

Dois insights de alto nível emergem do livro. Uma é que, apesar dos antecedentes e personalidades díspares dos entrevistados, há muito consenso sobre assuntos importantes. A outra é que muitas das prioridades e preocupações das principais pesquisas sobre IA são bastante diferentes daquelas expressas na grande mídia.

Tomemos, por exemplo, o conceito de inteligência geral artificial (AGI) Isso está intimamente relacionado à noção de "Singularidade", que é o ponto no qual a inteligência artificial corresponde à dos seres humanos - em seu caminho para exceder em massa a inteligência humana. A idéia capturou as preocupações das pessoas sobre a IA, que incluem grandes perdas de empregos, drones assassinos e uma série de outras manifestações dramáticas.

Os principais pesquisadores da AI têm visões muito diferentes; como um grupo, eles são completamente imperturbáveis ​​pela AGI. Geoffrey Hinton, professor de ciência da computação na Universidade de Toronto e vice-presidente e pesquisador de engenharia do Google, disse: "Se sua pergunta é: 'Quando vamos obter um Commander Data [da série de TV Star Trek]', então eu não pense que é assim que as coisas vão se desenvolver. Eu não acho que vamos conseguir coisas únicas e de propósito geral assim. ”

Yoshua Bengio, professor de ciência da computação e pesquisa operacional da Universidade de Montreal, nos diz que "existem alguns problemas realmente difíceis à nossa frente e que estamos longe da IA ​​em nível humano". Ele acrescenta: "somos todos empolgado porque fizemos muito progresso ao subir a colina, mas ao nos aproximarmos do topo da colina, podemos começar a ver uma série de outras colinas subindo à nossa frente. ”

Barbara Grosz, professora de ciências naturais da Universidade de Harvard, expressou sua opinião: "Não acho que a AGI seja a direção certa a seguir". Ela argumenta que, porque a busca pela AGI (e lidando com suas conseqüências) está tão distante no futuro que serve como "uma distração".

Outro fio comum entre as pesquisas de IA é a crença de que a IA deve ser usada para aumentar trabalho humano em vez de substituir isto. Cynthia Breazeal, diretora do grupo de robôs pessoais do laboratório de mídia do MIT, enquadra a questão: “A questão é qual é a sinergia, qual é a complementaridade, qual é o aumento que nos permite ampliar nossas capacidades humanas em termos daquilo que fazemos que nos permite realmente ter maior impacto no mundo. ”Fei-Fei Li, professor de ciência da computação em Stanford e cientista-chefe do Google Cloud, descreveu:“ A IA como tecnologia tem muito potencial para aprimorar e aumentar o trabalho, além de apenas substituir isto."

James Manyika, presidente e diretor do McKinsey Global Institute observou que a 60% das ocupações tem cerca de um terço de suas atividades constituintes automatizáveis ​​e apenas cerca de 10% das ocupações têm mais de 90% automatizável, “muitas outras ocupações serão complementadas ou aumentadas por tecnologias do que será substituído. "

Além disso, a IA pode apenas aumentar trabalho humano, na medida em que possa efetivamente funcionar comtrabalho humano. Barbara Grosz apontou: “Eu disse a certa altura que 'os sistemas de IA são melhores se forem projetados com as pessoas em mente'.” Ela continuou: “Recomendo que procuremos construir um sistema que seja um bom parceiro de equipe e funcione tão bem conosco que não reconhecemos que não é humano”.

David Ferrucci, fundador da Elemental Cognition e diretor de IA aplicada da Bridgewater Associates, disse: “O futuro que vislumbramos na Elemental Cognition tem inteligência humana e de máquinas colaborando forte e fluentemente.” Ele elaborou: “Nós pensamos nisso como parceria de pensamento. ”Yoshua Bengio nos lembra, no entanto, dos desafios na formação de uma parceria:“ Não se trata apenas de precisão [com IA], é de entender o contexto humano, e os computadores têm pistas absolutamente nulas sobre isso ”.

É interessante que exista uma quantidade razoável de consenso sobre idéias-chave, como a AGI não seja uma meta especialmente útil no momento, a IA deve ser aplicada para aumentar o trabalho e não substituí-la, e a AI deve trabalhar em parceria com as pessoas. Também é interessante que essas mesmas lições sejam confirmadas por experiências corporativas.

Richard Waters descreve como as implementações de IA ainda estão em um estágio bastante rudimentar no FT [aqui]: “Afaste a pesquisa que domina muitas das manchetes (um computador que pode derrotar os humanos no Go!) E a tecnologia está em um estágio rudimentar.” Ele também observa: “Mas além dessa 'consumização' de TI , que colocou ferramentas fáceis de usar em mais mãos, revisar os sistemas e processos internos da empresa exige muito trabalho pesado. ”

Esse trabalho pesado leva tempo e, excepcionalmente, poucas empresas estão lá. Ginni Rometty, chefe da IBM, caracteriza os aplicativos de seus clientes como “atos aleatórios de digital” e descreve muitos dos projetos como “imprevisíveis”. Andrew Moore, o chefe de IA para os negócios em nuvem do Google, o descreve como “IA artesanal”. Rometty explica: “Eles tendem a começar com um conjunto de dados ou caso de uso isolado - como otimizar as interações com um determinado grupo de clientes. Eles não estão vinculados aos sistemas, dados ou fluxo de trabalho mais profundos da empresa, limitando seu impacto. ”

Enquanto o HBR O caso do MD Anderson Cancer Center fornece um bom exemplo de um projeto de IA que provavelmente ultrapassou, além de fornecer uma excelente indicação dos tipos de trabalho que a IA pode melhorar materialmente. Ao mesmo tempo em que o centro tentava aplicar a IA ao tratamento do câncer, seu “grupo de TI estava experimentando o uso de tecnologias cognitivas para realizar trabalhos muito menos ambiciosos, como recomendações de hotéis e restaurantes para as famílias dos pacientes, determinando quais pacientes precisavam de ajuda para pagar. faturamento e resolução de problemas de TI da equipe. ”

Leia a história completa aqui…