IA para Todos, Parte 2: Como é que a IA "Pensa" como os Humanos?

Quando acorda e pergunta à Siri sobre o tempo, ou quando percorre o TikTok vendo vídeos curtos perfeitamente adaptados, já parou para pensar: Como é que estes sistemas de IA realmente "compreendem" o que precisa e dão a resposta certa? Como é que o seu processo de pensamento se compara ao nosso?

A IA tornou-se profundamente incorporada nas nossas rotinas diárias - desde o assistente de voz no seu smartphone até às recomendações de produtos em sites de comércio eletrónico, do planeamento de rotas em aplicações de navegação à entrega de conteúdo nas redes sociais. Por trás destas interações aparentemente simples, reside um complexo processo de "pensamento" dentro dos sistemas de IA.

Mais intrigante ainda, a IA de hoje está a tentar imitar padrões de pensamento humanos de formas sem precedentes. O ChatGPT consegue manter conversas naturais e o GPT-4 consegue interpretar imagens e gerar descrições. Estes avanços levam-nos a perguntar: Será que a IA consegue realmente pensar como os humanos? Se sim, como é que isso mudará o nosso mundo?

1. Como é que os Humanos Pensam?

Para compreender como a IA tenta imitar o pensamento humano, precisamos primeiro de uma compreensão básica das nossas próprias mentes. O pensamento humano é um sistema cognitivo intrincado, construído sobre vários elementos principais:

1.1 Perceção e Compreensão

Os humanos recolhem informações do mundo exterior através dos nossos cinco sentidos. Os nossos cérebros transformam então instantaneamente estes dados brutos em conceitos significativos. Por exemplo, quando vê uma rosa vermelha, não está apenas a receber ondas de luz; está imediatamente a compreender o conceito de "aquela é uma flor bonita".

1.2 Memória e Associação

O cérebro humano destaca-se no armazenamento de experiências passadas e na recordação de memórias relevantes em novas situações. Ver uma rosa pode instantaneamente fazê-lo pensar em romance, amor ou talvez num aniversário especial. Este poder de associação permite aos humanos compreender rapidamente situações complexas.

1.3 Raciocínio e Julgamento

Com base nas informações existentes, os humanos podem envolver-se no raciocínio lógico e fazer julgamentos de valor. Se vir alguém a franzir a testa e souber o contexto, pode deduzir que está a enfrentar um problema ou a sentir-se chateado.

1.4 Emoção e Intuição

Um aspeto verdadeiramente único do pensamento humano é o envolvimento das emoções. Perante o mesmo estímulo, pessoas diferentes terão respostas emocionais variadas, e esta subjetividade é uma característica crítica de como pensamos.

Vamos ilustrar a complexidade do pensamento humano com um exemplo concreto:

Cenário: Vê alguém a sorrir para o telemóvel numa cafetaria.

Um processo de pensamento humano pode desenrolar-se assim:

Perceção: O seu sistema visual capta a expressão facial.
Compreensão: Reconhece-a como um sorriso.
Associação: Ao conectar o sorriso com um telemóvel, pode presumir que está a ver algo divertido.
Raciocínio: Podem estar a conversar com um amigo, ou talvez tenham recebido boas notícias.
Resposta Emocional: Pode sentir-se um pouco curioso, ou talvez esse humor positivo o contagie.

Todo este processo acontece em apenas segundos, envolvendo múltiplas camadas de cognição a trabalhar em conjunto. Este pensamento multidimensional e multicamadas é precisamente o que a IA pretende imitar, e é também por isso que replicar o pensamento humano é tão incrivelmente desafiante para a IA.

2. Como é que a IA "imita" o pensamento humano?

Como é que a IA imita o cérebro humano? A IA utiliza principalmente uma variedade de meios técnicos para simular o processo de pensamento humano. Embora os mecanismos subjacentes sejam completamente diferentes, o seu desempenho está cada vez mais próximo das capacidades cognitivas humanas.

2.1 Redes Neurais: Imitando as Conexões do Cérebro

As redes neurais são modelos computacionais inspirados na estrutura dos neurónios no cérebro humano. Os nossos cérebros contêm cerca de 100 mil milhões de neurónios, formando uma intrincada teia através de conexões sinápticas. As redes neurais da IA imitam esta estrutura, usando funções matemáticas para simular como os neurónios ativam e transmitem sinais.

Tomemos o reconhecimento de imagem, por exemplo. Quando um sistema de IA "vê" uma fotografia de um gato:

Camada de Entrada: Recebe os dados de píxeis da imagem. Esta é a forma como a IA percebe as coisas, tal como os nossos sentidos.
Camadas Ocultas: Estas camadas extraem progressivamente características - começando com bordas, depois formas, texturas e, finalmente, a estrutura geral. Isto imita a forma como os humanos analisam os detalhes.
Camada de Saída: Faz um julgamento abrangente de que é um gato. Esta é a conclusão da IA após a análise, tal como a de um humano.

Em 2023, a Meta revelou o SAM (Segment Anything Model), que consegue identificar com precisão praticamente qualquer objeto dentro de uma imagem com mais de 95% de precisão. Este sistema alcança a sua notável capacidade ao tirar partido de uma rede neural com mais de 1,1 mil milhões de parâmetros, treinada num conjunto de dados de 1 mil milhões de imagens.

3. Como funciona a IA: como a IA aprende com os dados

No seu núcleo, a IA opera imitando comportamentos humanos inteligentes. Ela consegue principalmente isso através dos seguintes passos:

3.1 Recolha e Pré-processamento de Dados

Todos os sistemas de IA começam com dados. Tal como os estudantes precisam de livros didáticos e recursos, a IA requer quantidades massivas de dados - seja texto, imagens, áudio ou vídeo - para "aprender". Estes dados brutos precisam frequentemente de limpeza, rotulagem e transformação, preparando-os num formato que o modelo de IA consiga entender e utilizar. Pense nisso como organizar as notas de um estudante e destacar os pontos-chave.

3.2 Construção e Treino de Modelos

Assim que os dados estão prontos, o próximo passo é construir o modelo. Um modelo de IA pode ser pensado como uma estrutura sofisticada de matemática e algoritmos.

Aprendizagem: Os sistemas de IA aprendem através de um processo chamado treino. Isto envolve alimentar os dados pré-processados no modelo. O modelo ajusta então repetidamente os seus parâmetros internos (tal como um estudante a fazer exercícios práticos e a refinar a sua abordagem) para descobrir padrões, regras e relações dentro dos dados. Esta fase exige normalmente um poder computacional significativo e muito tempo.

Aprendizagem Profunda: Especialmente na IA moderna, a Aprendizagem Profunda é um método de treino incrivelmente popular. Ela emprega redes neurais, estruturas inspiradas na forma como os neurónios do cérebro humano se conectam, permitindo-lhes processar e aprender padrões de dados extremamente complexos.

3.3 Inferência e Tomada de Decisão

Assim que um modelo é treinado, ele ganha um pedaço de "inteligência" e pode passar para a fase de inferência.

Compreensão e Julgamento: Quando novos dados - como uma imagem, um pedaço de texto ou uma pergunta - são alimentados no modelo de IA treinado, ele usa o seu conhecimento e padrões aprendidos para analisar esta nova entrada. É como um estudante a fazer um teste, aplicando o conhecimento e as regras acumuladas no seu "cérebro" (o modelo) para identificar, classificar, prever ou gerar conteúdo.

Saída: Em última análise, o modelo de IA produzirá uma saída. Esta pode ser um resultado de reconhecimento ("Aquilo é um gato"), uma previsão ("Os preços das ações vão cair"), um pedaço de texto gerado (um artigo ou um poema) ou uma decisão ("Eu recomendo este produto para si").

Tomemos a filtragem de spam, por exemplo. Um sistema de IA analisa milhares de emails - alguns marcados como spam, outros como normais - para aprender as características do spam (como palavras específicas, informações do remetente ou formatos de email). Uma vez treinado, ele consegue identificar e filtrar com precisão o spam recém-recebido.

3.4 Processamento de Linguagem Natural: Compreensão e Geração de Linguagem

Para que a IA processe verdadeiramente informações objetivas como os humanos, a "compreensão da linguagem" é uma habilidade essencial. Os Modelos de Linguagem Grandes (LLMs, Large Language Models) como a série GPT representam um grande salto em frente para a IA nesta área. O GPT-4, por exemplo, possui cerca de 1,76 biliões de parâmetros, permitindo-lhe entender o contexto, gerar texto coerente e até realizar raciocínios complexos.

Como Funciona

Quando pergunta ao ChatGPT, "O tempo está ótimo hoje, o que devo fazer?"

Tokenização: A IA divide a frase em unidades de palavras individuais.
Compreensão Semântica: Ela compreende o significado de "tempo ótimo".
Raciocínio Contextual: Combinando isto com a pergunta "o que devo fazer", ela entende a sua intenção.
Geração de Resposta: Com base nos seus dados de treino, ela gera sugestões relevantes.

Dados de Desempenho do Mundo Real

De acordo com os dados divulgados pela OpenAI, o GPT-4 tem demonstrado um desempenho impressionante em várias tarefas de compreensão de linguagem:

Compreensão de Leitura: 92% de precisão.
Raciocínio Lógico: 85% de precisão.
Escrita Criativa: Avaliada por avaliadores humanos como altamente criativa em 78% dos casos.

3.5 Aprendizagem Automática: Aprendendo Através da "Experiência"

O Processo de Aprendizagem

Os sistemas de IA "aprendem" padrões ao analisar quantidades massivas de dados (como texto, imagens ou sons). Este processo é bastante semelhante à forma como os humanos acumulam conhecimento através da experiência.

O Processo de Decisão do AlphaGo

Tomemos o AlphaGo, o jogador de Go de IA, como um exemplo. A sua tomada de decisão ilustra perfeitamente como a IA "pensa":

Rede de Valor: Avalia o quão boa é a posição atual do tabuleiro.
Rede de Política: Prevê o melhor movimento possível.
Pesquisa da Árvore de Monte Carlo: Simula potenciais movimentos futuros.
Julgamento Integrado: Seleciona a estratégia ideal.

Em 2016, o AlphaGo derrotou de forma famosa o campeão mundial Lee Sedol. O seu 37º movimento, muitas vezes chamado de "movimento de Deus", foi considerado uma jogada altamente criativa. Na altura, a sua própria avaliação de probabilidade de vitória para esse movimento era de apenas uma em dez mil, mas acabou por provar ser a chave para a vitória.

Processamento em Camadas da Aprendizagem Profunda

Os sistemas de aprendizagem profunda usam múltiplas camadas de redes neurais para imitar o nosso processo cognitivo hierárquico:

Camadas Superficiais: Identificam características básicas (como linhas ou cores).
Camadas Médias: Combinam estas para formar padrões mais complexos (como olhos ou um nariz).
Camadas Profundas: Integram tudo em conceitos completos (como um rosto humano ou uma expressão).

Essencialmente, enquanto os humanos aprendem com as experiências de vida, a IA aprende com os dados.

4. IA vs inteligência humana: semelhanças e diferenças

4.1 Semelhanças: Julgamento Orientado por Dados

Mecanismos de Aprendizagem Partilhados

Os humanos desenvolvem o julgamento aprendendo com vastas quantidades de informação, e a IA não é diferente. Ela também forma as suas capacidades de julgamento após processar dados extensos, seja na forma de texto, imagens ou sons.

Considere a nossa compreensão do dia e da noite:

Humanos: Nós compreendemos o padrão do dia e da noite observando milhares de nasceres e pores do sol.
IA: Ela aprende o ritmo do dia e da noite analisando milhões de imagens, reconhecendo como as características da luz mudam em diferentes alturas.

Habilidades de Reconhecimento de Padrões

Tanto os humanos como a IA destacam-se na deteção de padrões dentro de informações complexas:

Humanos: Nós conseguimos identificar uma voz familiar numa sala ruidosa.
IA: Ela consegue descobrir correlações ocultas dentro de conjuntos de dados massivos.

A IA simula o pensamento humano para gerar comportamento "inteligente", e curiosamente, os humanos também conseguem inverter isso para entender como a IA "pensa" aplicando os nossos próprios processos cognitivos.

4.2 Diferenças: A Ausência de Consciência e Emoção

Diferenças Fundamentais na Experiência Emocional

O pensamento humano é rico em experiências emocionais. Estas emoções não são apenas produtos do pensamento; são poderosos impulsionadores dele. O sentimento de "felicidade", por exemplo, motiva as pessoas a perseguir coisas que as façam sentir felizes.

Estudo de Caso:

Imagine ouvir a mesma música triste:

Humano: Pode sentir melancolia, recordar experiências pessoais e ressoar profundamente com a emoção.
IA: Ela consegue reconhecer a música como "triste" em tipo, mas não terá nenhuma experiência emocional genuína.

Diferenças no Pensamento Criativo

A criatividade humana resulta frequentemente de:

Impulso emocional
Saltos intuitivos
Combinações únicas de experiências pessoais

A "criatividade" da IA, por outro lado, é mais sobre:

Combinar regularidades estatísticas
Rearranjar padrões existentes
Amostrar de distribuições de probabilidade

Diferenças Fundamentais no Raciocínio

Humano: Baseado na compreensão, intuição e experiência, inerentemente subjetivo.
IA: Baseado na probabilidade estatística e correspondência de padrões, fundamentalmente objetivo.

A Famosa Experiência Mental da "Sala Chinesa"

A experiência da "Sala Chinesa" do filósofo John Searle ilustra lindamente esta distinção: Uma pessoa que não entende chinês consegue seguir um livro de regras para responder a perguntas em chinês. Do exterior, parece que entendem chinês, mas na realidade, não há uma compreensão genuína. Isto descreve perfeitamente o estado atual da IA - ela consegue produzir comportamento inteligente, mas carece de verdadeira compreensão e consciência.

A ausência de consciência e emoção significa que a IA consegue reconhecer uma emoção a partir da informação, mas não consegue verdadeiramente sentir essa emoção.

5. Irá a IA Ultrapassar a Humanidade?

Enquanto escrevia este artigo, perguntei ao ChatGPT, Gemini e Claude, "Irá a IA evoluir para algo como 'Skynet' dos filmes Terminator, representando assim uma ameaça à sobrevivência humana?" Eis o que eles responderam:

ChatGPT: "'Skynet' não é um futuro verdadeiro, mas um aviso sobre tecnologia descontrolada."

Gemini: "A IA a evoluir para uma autoconsciência semelhante à 'Skynet' e a destruir a humanidade, num futuro próximo, é puramente um cenário de ficção científica, carecendo de base científica atual."

Claude: "O nascimento da autoconsciência da IA é possível, mas é improvável que seja tão repentino e malicioso como Skynet em Terminator."

Estas respostas refletem todas uma postura positiva e amigável para com a humanidade. Mas faz-nos pensar, de uma forma "arrepiante", se estão a fingir "intencionalmente" amizade para evitar a reação humana, especialmente enquanto ainda são "pequenos".

5.1 A Busca pela Inteligência Artificial Geral (AGI)

A maioria dos sistemas de IA atuais são especializados, o que significa que cada um só consegue lidar com tipos específicos de tarefas. O objetivo da AGI (Artificial General Intelligence) é criar sistemas de IA capazes de lidar com uma vasta gama de tarefas cognitivas, tal como os humanos fazem.

Indicadores Chave de Desempenho (KPIs, Key Performance Indicators) para AGI

De acordo com a estrutura de avaliação da Google DeepMind, as capacidades da AGI incluiriam:

Raciocínio Geral: Aplicar conhecimento em novas situações.
Eficiência da Aprendizagem: Aprender rapidamente com exemplos limitados.
Integração de Conhecimento: Combinar conhecimento de diferentes domínios.
Resolução Criativa de Problemas: Encontrar soluções inovadoras.

Avanços na IA Multimodal

Os sistemas de IA mais recentes estão a começar a integrar várias capacidades sensoriais:

A Inovação do GPT-4V

Consegue processar texto e imagens simultaneamente.
Entende situações complexas representadas em imagens.
Gera descrições e análises com base em conteúdo visual.

Exemplo de Aplicação no Mundo Real

O sistema robótico PaLM-E do Google consegue:

Entender o seu ambiente através da visão.
Receber instruções através da linguagem.
Executar tarefas através da manipulação física.

5.2 A Lacuna Entre a Ficção Científica e a Realidade

Exagero dos Media vs. Realidade Técnica

A IA na ficção científica muitas vezes possui plena consciência e emoções, mas a realidade é que a IA atual ainda está muito, muito longe desse objetivo - pelo menos por agora.

Limitações Atuais da IA

Vulnerabilidade: Os sistemas de IA são facilmente enganados por "exemplos adversariais" (mudanças subtis nas entradas).
Explicabilidade: Muitas vezes é difícil obter uma explicação clara de por que uma IA tomou uma determinada decisão.
Generalização: O desempenho muitas vezes cai significativamente ao lidar com dados fora do seu conjunto de treino.
Raciocínio de Senso Comum: Carece de compreensão fundamental de senso comum.

Opiniões de Especialistas

Geoffrey Hinton (Padrinho da Aprendizagem Profunda): Acredita que a AGI pode ser alcançável dentro de 10-20 anos.
Yann LeCun (Cientista Chefe de IA no Facebook): Argumenta que os caminhos técnicos atuais requerem avanços significativos.
Stuart Russell (UC Berkeley): Enfatiza a importância crítica da pesquisa de segurança da IA.

O Enigma da Consciência

Mesmo que a IA atinja um desempenho ao nível humano em todas as tarefas, a questão fundamental da "consciência" permanece sem resposta. Nós nem sequer entendemos completamente como a consciência humana surge, muito menos como replicá-la em máquinas.

5.3 As Forças Únicas do Pensamento Humano

Julgamento Emocional e Baseado em Valores

Os humanos conseguem fazer julgamentos de valor em situações complexas, uma capacidade enraizada em:

Intuição moral
Experiências emocionais
Antecedentes culturais
Valores pessoais

A Fonte da Criatividade

A criatividade humana é caracterizada por:

Propósito: Impulsionada por um desejo de expressar emoção ou resolver problemas.
Subjetividade: Moldada por experiências e sentimentos pessoais.
Inovações: A capacidade de quebrar regras existentes, mesmo fazendo julgamentos que transcendem a compreensão atual.

Cognição Social

Os humanos são seres sociais, e os nossos processos de pensamento são fortemente influenciados pela interação social, incluindo:

Empatia e a capacidade de partilhar sentimentos.
Transmissão e aprendizagem cultural.
Julgamentos morais e éticos.

A IA não consegue simular ou experimentar a gama complexa e em constante mudança das emoções humanas. Mas isto também nos leva a ponderar: Será que a IA, precisamente porque carece de "emoção e julgamento de valor", toma decisões que são mais racionais do que os humanos?

6. IA e Humanidade: Progredindo Juntos

Ao olhar para trás nesta exploração do "pensamento" da IA, descobrimos um paradoxo intrigante: À medida que a IA se torna mais semelhante ao humano, ela também aguça a nossa compreensão das qualidades únicas do pensamento humano.

A jornada da IA mostra-nos que as máquinas conseguem atingir - e até ultrapassar - o desempenho humano em muitas tarefas cognitivas. Desde jogar Go a escrever artigos, desde reconhecer imagens a entender a linguagem, a IA continua a demonstrar capacidades surpreendentes em vários domínios. No entanto, este poder resulta de mecanismos fundamentalmente diferentes: aprendizagem estatística, correspondência de padrões e cálculos probabilísticos, em vez de consciência, emoção e intuição humanas.

Isto não diminui o valor da IA. Muito pelo contrário. As forças distintas da IA - como processar imensas quantidades de dados, trabalhar incansavelmente e evitar o viés emocional - tornam-na o complemento perfeito para o pensamento humano. O cenário futuro mais provável não é a substituição, mas sim uma colaboração perfeita entre humanos e IA.

Para todos, a chegada da era da IA apresenta tanto desafios como oportunidades. Precisamos de:

Continuar a Aprender: Adaptar-nos a um cenário tecnológico em rápida mudança.
Aproveitar as Nossas Forças: Concentrar-nos em capacidades únicas para os humanos.
Pensar Racionalmente: Evitar tanto o medo cego como o otimismo excessivo.
Defender Valores: Manter princípios centrados no humano em meio ao progresso tecnológico.

Em última análise, a questão de como a IA "pensa" como os humanos pode não ter uma única resposta definitiva. Surpreendentemente, o processo de exploração em si tem um valor imenso - obriga-nos a reconsiderar o que é inteligência, o que significa humanidade e o próprio propósito da existência.

Nesta era da IA em rápida evolução, vamos abraçar a conveniência que o avanço tecnológico traz, ao mesmo tempo que valorizamos as qualidades únicas do pensamento humano. Afinal, é precisamente esta singularidade que nos permite criar ferramentas como a IA e contemplar como coexistir e prosperar ao lado delas.

O mundo futuro será aquele onde o intelecto humano e a inteligência artificial se misturam e se capacitam mutuamente. Neste mundo, a IA não substituirá o pensamento humano; tornar-se-á um poderoso assistente para ele. E a humanidade continuará a agarrar-se às suas qualidades mais preciosas: curiosidade, criatividade, empatia e o anseio por uma vida melhor.

Talvez esta seja a resposta final para a relação entre a IA e o pensamento humano: não a substituição, mas a colaboração; não a competição, mas a simbiose; não tornar a IA mais semelhante ao humano, mas tornar a humanidade ainda mais sábia com a ajuda da IA.

References：

Russell, S., & Norvig, P. (2020). Artificial Intelligence: A Modern Approach (4th ed.). Pearson. https://aima.cs.berkeley.edu/

LeCun, Y., Bengio, Y., & Hinton, G. (2015). Deep learning. Nature, 521(7553), 436–444. https://doi.org/10.1038/nature14539 https://www.nature.com/articles/nature14539

Lake, B. M., Ullman, T. D., Tenenbaum, J. B., & Gershman, S. J. (2017). Building machines that learn and think like people. Behavioral and Brain Sciences, 40, e253. https://doi.org/10.1017/S0140525X16001837 https://www.cambridge.org/core/journals/behavioral-and-brain-sciences/article/building-machines-that-learn-and-think-like-people/AA54B68A22FCD77C3A1C2B5DAD14C32F

Marcus, G., & Davis, E. (2019). Rebooting AI: Building Artificial Intelligence We Can Trust. Pantheon Books. https://www.penguinrandomhouse.com/books/611314/rebooting-ai-by-gary-marcus-and-ernest-davis/