Você não deve antropomorfizar computadores: eles não gostam. Essa piada é tão antiga quanto a vitória do Deep Blue em 1997 sobre o então campeão mundial de xadrez Garry Kasparov, mas mesmo com os grandes avanços feitos no campo da inteligência artificial durante esse tempo, ainda não estamos muito mais próximos de ter que nos preocupar com os sentimentos dos computadores. Ainda bem, certo?

Os computadores podem analisar os sentimentos que expressamos nas mídias sociais e projetar expressões na face dos robôs para nos fazer acreditar que estão felizes ou zangados, mas ninguém acredita seriamente que eles "tenham" sentimentos ou que, de fato, possam vivenciá-los.

Por outro lado, outras áreas de IA viram avanços impressionantes em hardware e software nos últimos 12 meses.

O Deep Blue foi um adversário de xadrez de classe mundial e que também não lhe subiu a cabeça quando ganhou.

Até este ano, porém, os computadores não eram páreo para um ser humano em outro jogo de tabuleiro, o milenar Go. Isso mudou em março, quando o AlphaGo, desenvolvido pela subsidiária do Google, a DeepMind, superou Lee Sedol, o então melhor jogador do mundo em Go, com um placar de 4 a 1 em um torneio de cinco jogos.

A arma secreta do AlphaGo era uma técnica chamada aprendizado de reforço, em que um programa descobre por si mesmo quais ações aproximam de seu objetivo e reforça esses comportamentos, sem a necessidade de ser ensinado por uma pessoa sobre quais passos estão corretos. Isso significava que ele poderia jogar repetidamente contra si mesmo e gradualmente aprender quais estratégias sairiam melhor.

Técnicas de aprendizado de reforço estão em desenvolvimento há algumas décadas, mas só recentemente que computadores tiveram poder de processamento suficiente (para testar cada caminho possível por sua vez) e memória (para lembrar quais os passos levariam ao objetivo) para jogar um jogo de alto nível como o Go a uma velocidade competitiva.

Um hardware com melhor desempenho também moveu a inteligência artificial de outras maneiras.

Em maio, o Google revelou sua TPU (Tensor Processing Unit), um acelerador de hardware para o seu algoritmo de aprendizagem profunda TensorFlow. O ASICs (circuito integrado específico de aplicação) pode executar os tipos de cálculos usados ​​em aprendizado de máquina muito mais rápido e usando menos energia do que até mesmo GPUs, e o Google instalou milhares deles em seus servidores nos slots previamente reservados para discos rígidos.

Como resultado, o TPU é uma das coisas que tornaram o AlphaGo tão rápido, mas o Google também usou o chip para acelerar as funções de mapeamento e navegação no Street View e melhorar os resultados da pesquisa com uma nova ferramenta de AI chamada RankBrain.

O Google está mantendo seu TPU para si por enquanto, mas outros estão lançando hardware ajustado para aplicativos de IA. A Microsoft, por exemplo, equipou alguns de seus servidores Azure com FPGAs (matrizes programáveis ​​em campo) para acelerar certas funções de aprendizado de máquina, enquanto a IBM tem como alvo aplicativos semelhantes com uma gama de servidores que usam hardware personalizado para vincular suas CPUs de energia com Nvidia GPUs.

Para empresas que desejam implantar tecnologias de ponta de IA sem desenvolver tudo a partir do próprio zero, o acesso fácil ao hardware de alto desempenho é um começo, mas não o suficiente. As operadores de nuvem reconhecem isso e também estão oferecendo software de IA como um serviço. 

O Amazon Web Services e o Microsoft Azure adicionaram APIs de aprendizado de máquina, enquanto a IBM está construindo um negócio em torno do acesso em nuvem ao seu Watson.

O fato de que essas ferramentas de hardware e software são baseados em nuvem também ajudará sistemas de inteligência artificial em outras formas.

Ser capaz de armazenar e processar enormes volumes de dados só é útil se a inteligência artificial também tiver acesso a grandes quantidades de dados. É a partir deles que a tecnologia aprende - dados como os coletados e fornecidos pelos serviços em nuvem, como informações sobre o clima, entregas por correspondência, pedidos de passeios ou tweets de pessoas, como você.

O acesso a todos esses dados brutos, ao invés do subconjunto minucioso, processado e rotulado por treinadores humanos, que estava disponível para as gerações anteriores de inteligência artificial, é um dos maiores fatores que transformam a pesquisa em IA ​​hoje, de acordo com um estudo da Universidade de Stanford sobre os próximos 100 Anos em IA.

E enquanto computadores veem tudo o que fazemos, online e off, a fim de aprender a trabalhar conosco pode parecer assustador, é realmente só em nossas mentes. Os computadores não sentem nada. Ainda.

Fonte: Terra