.
O anúncio dos pesquisadores de inteligência artificial John Hopfield e Geoffrey Hinton como ganhadores do Nobel de Física deste ano estimulou celebração e consternação sobre o status da IA na ciência e na sociedade. No Japão, porém, outro sentimento domina: a frustração.
“Os investigadores japoneses também deveriam ter vencido”, proclamou um editorial do jornal Asahi Shimbun. Parabenizando Hopfield e Hinton, a Sociedade Japonesa de Redes Neurais acrescentou incisivamente: “Não devemos esquecer o papel desempenhado pelos pesquisadores japoneses pioneiros na construção dos alicerces da pesquisa em redes neurais.”
As redes neurais estão no centro da IA contemporânea. São modelos para que as máquinas aprendam de forma independente através de estruturas que, embora muitas vezes apenas vagamente, são inspiradas no cérebro humano.
Então, quem são esses pesquisadores japoneses pioneiros de IA?
Em 1967, Shun’ichi Amari propôs um método de classificação adaptativa de padrões, que permite às redes neurais auto-ajustarem a forma como categorizam os padrões, através da exposição a repetidos exemplos de treinamento. A pesquisa de Amari antecipou um método semelhante conhecido como “retropropagação”, uma das principais contribuições de Hinton para a área.
Em 1972, Amari delineou um algoritmo de aprendizagem (um conjunto de regras para a realização de uma tarefa específica) que era matematicamente equivalente ao artigo de Hopfield de 1982 citado pelo Nobel sobre memória associativa, que permitia às redes neurais reconhecer padrões apesar de entradas parciais ou corrompidas.
Os pesquisadores norte-americanos trabalharam separadamente para grupos no Japão, chegando às suas conclusões de forma independente.
Mais tarde, em 1979, Kunihiko Fukushima criou a primeira rede neural convolucional multicamadas do mundo. Esta tecnologia tem sido a espinha dorsal do recente boom da aprendizagem profunda, uma abordagem de IA que deu origem a redes neurais que aprendem sem supervisão, através de arquiteturas mais complexas. Se o Nobel deste ano foi para “descobertas e invenções fundamentais que permitem a aprendizagem automática com redes neurais artificiais”, porque não premiar Amari e Fukushima?
Perspectivas unilaterais
A própria comunidade de IA tem debatido esta questão. Existem argumentos convincentes sobre a razão pela qual Hopfield e Hinton se enquadram melhor na categoria de “física” do Nobel, e por que o equilíbrio nacional é importante, dado que o prémio da paz foi atribuído ao japonês Nihon Hidankyō.
Por que, então, ainda deveríamos estar preocupados?
A resposta reside nos riscos da unilateralidade histórica. Nosso relato padrão de redes neurais artificiais é uma história baseada no Atlântico Norte – e, esmagadoramente, na América do Norte. A IA passou por um período de rápido desenvolvimento nas décadas de 1950 e 1960.
Em 1970, entrou num “Inverno da IA”, durante o qual a investigação estagnou. O inverno finalmente mudou para primavera na década de 1980, através de nomes como Hopfield e Hinton. Diz-se que as ligações deste último pesquisador com o Google e a OpenAI alimentaram o atual boom da IA baseada em redes neurais.
E, no entanto, foi precisamente durante este alegado “inverno” que investigadores finlandeses, japoneses e ucranianos – entre outros – estabeleceram as bases da aprendizagem profunda. Integrar estes desenvolvimentos nas nossas histórias de IA é essencial à medida que a sociedade enfrenta esta tecnologia transformadora. Devemos expandir o que queremos dizer quando falamos sobre IA de uma forma diferente da visão atual oferecida pelo Vale do Silício.
No ano passado, Yasuhiro Okazawa, da Universidade de Kyoto, Masahiro Maejima, do Museu Nacional de Natureza e Ciência de Tóquio, e eu lideramos um projeto de história oral centrado em Kunihiko Fukushima e no laboratório da NHK onde ele desenvolveu o Neocognitron, um sistema de reconhecimento de padrões visuais que se tornou a base para redes neurais convolucionais.
Kunihiko Fukushima, Autor fornecido (sem reutilização)
NHK é a emissora pública do Japão, equivalente à BBC. Para nossa surpresa, descobrimos que o contexto do qual emergiu a investigação de Fukushima tinha raízes em estudos psicológicos e fisiológicos das audiências televisivas. Isto levou a NHK a criar, em 1965, um laboratório para a “biónica da visão”. Aqui, os engenheiros de televisão poderiam contribuir para o avanço do conhecimento da psicologia e fisiologia humanas (como funcionam os organismos vivos).
Na verdade, Fukushima considerava o seu próprio trabalho dedicado à compreensão dos organismos biológicos e não da IA em sentido estrito. As redes neurais foram concebidas como “simulações” de como o processamento de informações visuais poderia funcionar no cérebro e pensadas para ajudar no avanço da pesquisa fisiológica. O Neocognitron teve como objetivo específico ajudar a resolver debates sobre se estímulos sensoriais complexos correspondiam à ativação de um neurônio específico (célula nervosa) no cérebro ou a um padrão de ativação distribuído por uma população de neurônios.
Abordagens humanas
O engenheiro Takayuki Itō, que trabalhou sob Fukushima, caracterizou a abordagem do seu mentor como uma “ciência humana”. Mas durante a década de 1960, os pesquisadores americanos abandonaram as redes neurais artificiais baseadas em modelos humanos. Eles se preocupavam mais em aplicar métodos estatísticos a grandes conjuntos de dados, em vez de estudar pacientemente as complexidades do cérebro. Desta forma, emular a cognição humana tornou-se apenas uma metáfora casual.
Quando Fukushima visitou os EUA em 1968, encontrou poucos investigadores que simpatizavam com a sua abordagem à IA centrada no cérebro humano, e muitos confundiram o seu trabalho com “engenharia médica”. Sua falta de interesse em aprimorar o Neocognitron com conjuntos de dados maiores eventualmente o colocou em desacordo com a crescente demanda da NHK por tecnologias aplicadas baseadas em IA, levando à sua demissão em 1988.
Autor fornecido, sem reutilização
Para Fukushima, o desenvolvimento de redes neurais nunca se tratou da sua utilização prática na sociedade, por exemplo, na substituição do trabalho humano e na tomada de decisões. Em vez disso, representaram uma tentativa de compreender o que tornava os vertebrados avançados como os humanos únicos e, desta forma, tornar a engenharia mais humana.
Na verdade, como Takayuki Itō observou numa das nossas entrevistas, esta abordagem de “ciência humana” pode prestar-se a uma aceitação mais próxima da diversidade. Embora o próprio Fukushima não tenha seguido este caminho, o trabalho de Itō desde o final da década de 1990 tem-se centrado na “acessibilidade” em relação às características cognitivas dos idosos e deficientes. Este trabalho também reconhece tipos de inteligência diferentes das principais pesquisas em IA.
Fukushima hoje mantém uma distância moderada do aprendizado de máquina. “Minha posição”, diz ele, “sempre foi aprender com o cérebro”. Em comparação com Fukushima, os investigadores de IA fora do Japão tomaram atalhos. Quanto mais a investigação convencional sobre IA deixa o cérebro humano para trás, mais produz tecnologias que são difíceis de compreender e controlar. Despojadas das suas raízes nos processos biológicos, já não conseguimos explicar porque é que a IA funciona e como toma decisões. Isso é conhecido como problema da “caixa preta”.
Será que um regresso a uma abordagem de “ciência humana” resolveria alguns destes problemas? Provavelmente não por si só, porque o gênio saiu da garrafa. Mas no meio das preocupações globais sobre a IA superinteligente que resultaria no fim da humanidade, deveríamos considerar uma história global repleta de entendimentos alternativos da IA. Esta última é uma história que infelizmente não foi celebrada pelo Prémio Nobel da Física deste ano.
.
