Siga o Olhar Digital no Google Discover
O site de tecnologia Wired publicou hoje uma reportagem sobre uma das pesquisas de inteligência artificial mais curiosas do Google. De acordo com o site, a gigante das buscas vem investindo em criar sistemas inteligentes capazes de idealizar e criar novos sistemas inteligentes. Em outras palavras, o Google quer automatizar o processo de automatizar processos.
Ofertas
Por: R$ 33,90
Por: R$ 274,09
![Anker 332 Hub USB-C [5 em 1, HDMI 4K, 2 Portas USB-A 5 Gbps], Compatível com MacBook Pro, MacBook Air, Dell XPS, Lenovo ThinkPad, HP e Mais](/wp-content/uploads/ofertas/produtos/2026/01/anker-332-hub-usb-c-5-em-1-hdmi-4k-2-portas-usb-a-5-gbps.jpg)
Por: R$ 169,00
Por: R$ 74,10
Por: R$ 74,10
Por: R$ 1.435,96
Por: R$ 764,99
Por: R$ 3.369,83
Por: R$ 2.998,99
Por: R$ 4.599,00
Por: R$ 521,00
Por: R$ 899,00
Por: R$ 4,66
Por: R$ 241,44
Por: R$ 241,44
Por: R$ 3.799,00
Por: R$ 2.083,16
Por: R$ 899,00
Por: R$ 889,00
Por: R$ 79,90
Por: R$ 59,90
Por: R$ 3.324,00
Por: R$ 241,44
Por: R$ 188,99
Por: R$ 469,00
Por: R$ 5.799,00
A empresa refere-se a essa área de pesquisa como “AutoML”, uma abreviação, em inglês, de “aprendizagem automática de máquinas”. O principal objetivo dela é permitir um uso mais amplo e eficiente de sistemas de inteligência artificial, que exigem muito trabalho de profissionais altamente qualificados – que são escassos até mesmo no Google.
Sistemas criados por sistemas
Pode parecer um problema extremamente complexo – afinal, se apenas poucos engenheiros no mundo têm capacidade para criar sistemas de inteligência artificial, como dar a máquinas essa mesma capacidade? Mas segundo o pesquisador Roberto Calandra, da Universidade de Berkeley, a questão é mais simples do que parece.
“Uma grande parte do trabalho de um engenheiro é essencialmente uma tarefa muito chata, testando múltiplas configurações para ver quais delas funcionam melhor”, disse Calandra ao site. E essa parte chata deve se tornar ainda mais chata no futuro, conforme os pesquisadores precisarem criar redes mais complexas para encarar problemas mais difíceis.
É justamente esse processo que os pesquisadores estão tentando ensinar as máquinas a fazer. O professor Mohryar Mohri da Universidade de Nova York, por exemplo, criou um sistema chamado AdaNet que é voltado para isso. Ele consegue pegar um conjunto de dados organizados e construir uma rede neural com eles, camada por camada, testando cada acréscimo que faz ao design para garantir que ele melhora a performance do sistema.
Com isso, a AdaNet consegue não só criar redes neurais automaticamente, mas cria-as com aproximadamente metade do tamanho das redes criadas por humanos. Isso é importante, segundo o professor, porque permite que as empresas coloquem mais recursos de inteligência artificial em dispositivos móveis com poder de processamento relativamente limitado.
Resultados preliminares
No próprio Google, as primeiras inteligências artificias criadas por outras inteligências artificiais já estão obtendo bons resultados. Um desses sistemas, voltados para categorizar imagens, conseguiu realizar sua tarefa de organizar imagens de acordo com seu conteúdo com 82% de eficiência. Outro deles, cujo trabalho era encontrar diversos objetos em uma imagem, teve uma pontuação de apenas 43% – mas o melhor sistema criado por humanos para essa mesma tarefa pontuou apenas 39%.
Há a preocupação de que esses sistemas acabem reproduzindo comportamentos negativos que muitas vezes acabam sendo incorporados a inteligências artificiais: por exemplo, de que elas venham a reproduzir racismo, discursos de ódio ou outros problemas da nossa sociedade. No entanto, o professor Mohri argumenta que a automação da criação de inteligências artificiais pode acabar dando aos pesquisadores mais tempo para perceber esse tipo de problema.
Tags: