O difícil desafio de conceituar a inteligência artificial

Para a Comissão Europeia (CE) (Anexo I do AI Act ), um sistema de IA “significa um sistema baseado em máquinas que foi concebido para funcionar com diferentes níveis de autonomia e que pode apresentar capacidade de adaptação após a implementação, e que, para objetivos explícitos ou implícitos, infere, a partir dos dados que recebe, como gerar resultados, tais como previsões, conteúdos, recomendações ou decisões que podem influenciar ambientes físicos ou virtuais”. A Lei de IA europeia (AI Act) exige que a definição de IA seja baseada nas principais características distintivas dos sistemas de software tradicionais mais simples ou nas abordagens de programação, e não deve abranger sistemas que se baseiam “em regras definidas exclusivamente por pessoas para executar operações automaticamente” (ou seja, programação).

A U.S. Food & Drug Administration (FDA), agência federal do Departamento de Saúde e Serviços Humanos dos EUA, define a IA como um “sistema baseado em máquinas que pode, para um determinado conjunto de objetivos definidos por humanos, fazer previsões, recomendações ou tomar decisões que influenciam ambientes reais ou virtuais. Sistemas de inteligência artificial utilizam entradas de máquinas e humanas para perceber ambientes reais e virtuais; abstraem essas percepções em modelos por meio de análises automatizadas; e usam inferência de modelos para formular opções de informação ou ação”. A FDA igualmente reconhece a diversidade de técnicas envolvidas e fornece uma lista de potenciais aplicabilidades.

A House of Lords, o parlamento inglês, admite a inexistência de uma definição universalmente aceita, ponderando sobre a urgência de um estudo sobre o que é e o que não é IA. Para fins práticos, adotou a definição do governo inglês (Department for Business, Energy and Industrial Strategy, Industrial Strategy: Building a Britain Fit for the Future):“Tecnologias com a capacidade de executar tarefas que, de outra forma, exigiriam inteligência humana, como percepção visual, reconhecimento de fala e tradução de idiomas”, acrescentando à essa definição a capacidade dos sistemas atuais de IA de aprender ou se adaptar a novas experiências ou estímulos.

No âmbito dos institutos, isto é o que diz o International Institute of Electrical and Electronics Engineers (IEEE). “A Inteligência Artificial é um campo multidisciplinar cujo objetivo é automatizar atividades que atualmente exigem inteligência humana. Sucessos recentes em IA incluem diagnósticos médicos computadorizados e sistemas que personalizam automaticamente o hardware de acordo com os requisitos específicos do usuário. As principais áreas problemáticas abordadas em IA podem ser resumidas como Percepção, Manipulação, Raciocínio, Comunicação e Aprendizagem. A Percepção se preocupa com a construção de modelos do mundo físico a partir de informações sensoriais (visuais, auditivas etc.). A Manipulação se preocupa com a articulação de apêndices (por exemplo, braços mecânicos, dispositivos de locomoção) para efetuar um estado desejado no mundo físico. O Raciocínio se preocupa com funções cognitivas de nível superior, como planejamento, tirar conclusões inferenciais de um modelo de mundo, diagnosticar, projetar etc. A Comunicação trata do problema de compreender e transmitir informações por meio do uso da linguagem. Por fim, a Aprendizagem trata do problema de melhorar automaticamente o desempenho do sistema ao longo do tempo, com base na experiência do sistema. Muitos conceitos técnicos importantes que surgiram da IA unificam essas diversas áreas problemáticas e formam a base da disciplina científica. Geralmente, os sistemas de IA funcionam com a partir de uma Base de Conhecimento de fatos e regras que caracterizam o domínio de proficiência do sistema. Os elementos de uma Base de Conhecimento consistem em blocos de informação independentemente válidos (ou pelo menos plausíveis). O sistema deve organizar e utilizar automaticamente essas informações para resolver os problemas específicos que encontra.”

Por sua vez, para o HAI-Human-Centered Artificial Intelligence da Universidade de Stanford, a IA é a “capacidade de aprender e executar uma variedade de técnicas para resolver problemas e atingir objetivos – técnicas que são apropriadas ao contexto em um mundo incerto e em constante variação”. Já o Alan Turing Institute define a IA como “máquinas que agem de forma inteligente, normalmente fazendo previsões ou tomando decisões sobre vários aspectos do mundo em que vivemos. É usada geralmente em sistemas baseados em aprendizado de máquina (machine learning), técnica que exige grandes volumes de dados de ‘treinamento’ para ser eficaz, e apresenta resultados mais assertivos quando os dados são cuidadosamente rotulados (‘aprendizado supervisionado’)”.

A Enciclopédia Britânica define a IA como a “capacidade de um computador digital, ou robô controlado por computador, executar tarefas comumente associadas a seres inteligentes. O termo, pondera a enciclopédia, é frequentemente aplicado a projetos de desenvolvimento de sistemas dotados de processos intelectuais característicos dos humanos, como a capacidade de raciocinar, descobrir significados, generalizar ou aprender com a experiência passada”. A Britânica recorre ao recurso de ilustrar possibilidades de aplicação. Para a Enciclopédia de Filosofia da Universidade de Stanford, a IA é “um campo dedicado à construção de animais artificiais (ou pelo menos criaturas artificiais que – em contextos adequados – parecem ser animais) e, para muitos, pessoas artificiais (ou pelo menos criaturas artificiais que – em contextos adequados – parecem ser pessoas)”. Indagando o que seria exatamente a IA, pondera o quanto é desafiador definir com precisão uma disciplina específica para a satisfação de todas as partes relevantes.

Entre os especialistas, Ian Goodfellow, Yoshua Bengio e Aaron Courville, no livro seminal “Deep Learning” (2016), propõem pensar a IA como um campo próspero com muitas aplicações práticas e tópicos de pesquisa ativos, constituído de software inteligente para automatizar o trabalho de rotina, entender fala ou imagem, produzir diagnósticos médicos e apoiar pesquisas científicas básicas. Com o pressuposto de que o verdadeiro desafio da IA é resolver tarefas de fácil realização pelos humanos, mas difíceis de serem descritas formalmente – problemas intuitivos como reconhecer palavras faladas ou rostos em imagens -, o foco dos autores é a técnica de redes neurais profundas (deep learning), e os algoritmos de aprendizado de máquina como “regressão logística” e “Naive Bayes”. Ehtem Alpyaydin, no livro “Machine Learning” (2016), considera a IA como parte da ciência da computação em que, como em qualquer ramo da engenharia, o objetivo é construir sistemas úteis. A incapacidade do ser humano de explicar a si próprio inviabiliza a tarefa de escrever um programa de computador que reproduza o funcionamento dos seres humanos. Ele diferencia um programa de aprendizado de máquina de um programa de computador comum pelo fato de os parâmetros do primeiro serem modificáveis; ao atribuir valores diferentes a esses parâmetros, o programa pode fazer coisas diferentes, alterando os resultados.

Stuart Russell, coautor do livro adotado amplamente pelas universidades americanas – “Artificial Intelligence: A Modern Approach”, Peter Norvig e Stuart Russell -, considera que o objetivo da pesquisa de IA tem sido entender os princípios subjacentes ao comportamento inteligente e construir esses princípios em máquinas que possam exibir tal comportamento, contemplando planejamento lógico, robótica e compreensão de linguagem natural. Para o autor, a IA incorporou a teoria da probabilidade para lidar com a incerteza, a teoria da utilidade para definir objetivos, e o aprendizado estatístico para permitir que as máquinas se adaptem a novas circunstâncias. Esses desenvolvimentos criaram fortes conexões com outras disciplinas que se baseiam em conceitos semelhantes, incluindo teoria de controle, economia, pesquisa operacional e estatística (“Possible Minds: 25 Ways of Looking at AI Edited”, 2019).

Ainda no campo das ciências sociais, Melanie Mitchel, em “Artificial Intelligence: A Guide for Thinking Humans” (2019), cita inicialmente a definição de um comitê de pesquisadores proeminentes: “um ramo da ciência da computação que estuda as propriedades da inteligência sintetizando a inteligência”, ou seja, reproduzindo a inteligência humana. Esse mesmo comitê, segundo a autora, admite o desafio de definir a IA, mas considera essa limitação como positiva: “A falta de uma definição precisa e universalmente aceita de IA provavelmente ajudou o campo a crescer, florescer e avançar a um ritmo cada vez maior, um ritmo acelerado.” Empenhada em buscar uma melhor definição, a autora recorre à Nils J. Nilsson: “Inteligência artificial é aquela atividade dedicada a tornar as máquinas inteligentes, e inteligência é aquela qualidade que permite que uma entidade funcione apropriadamente e com previsão em seu ambiente”.

Nas definições de IA listadas, é possível identificar como elementos comuns: a) O caráter generalista; b) A tênue linha de diferenciação entre modelos estatísticos com ou sem o uso de técnicas de inteligência artificial, inclusive citando termos e técnicas estatísticas associadas igualmente a sistemas com ou sem IA; c) A prerrogativa de listar possibilidades de aplicação em diversos domínios e/ou categorias de risco; e d) A conceituação com base no termo “inteligência”, conceito não universal.

No cenário atual, parece ser mais apropriado definir a IA pela aplicação e não pela técnica utilizada. Simplificadamente, a inteligência artificial seria uma solução capaz de substituir ações que, quando executadas por humanos, requerem “inteligência biológica”, qualquer que seja a sua compreensão.