Além de participar de uma simulação de um ciberataque, o Olhar Digital também esteve no laboratório MIT-IBM Watson AI, em Cambridge, Massachusetts, para conhecer alguns projetos de inteligência artificial criados por cientistas e pesquisadores do MIT e da IBM Research.
O MIT-IBM Watson AI Lab foi criado em parceria pela IBM Research e pelo MIT, e tem como objetivo ampliar as fronteiras da inteligência artificial em várias frentes. São mais de 80 projetos de IA, e durante a manhã da nossa visita, fomos apresentados a alguns bem interessantes, que vou detalhar nesse post.
IBM Research e o laboratório de IA no MIT
Em uma rápida apresentação sobre os 75 anos da IBM Research, David Cox lembrou dos 6 prêmios Nobel e 6 prêmios Turing conquistados por seus pesquisadores.
Atualmente, a empresa tem 3000 funcionários divididos em 14 laboratórios, um deles o IBM-MIT Watson AI Lab. No Brasil, a IBM Research chegou em 2010, e o laboratório THINKLab, na sede da IBM em São Paulo, foi inaugurado em 2015.
Para criar o MIT-IBM Watson AI Lab, a IBM Research investiu US$ 240 milhões, e até agora, já foram publicados mais de 650 papers pelo laboratório. Além disso, ele também conta com alguns membros parceiros, como a Samsung, o banco Wells Fargo e a Boston Scientific, empresa de produtos médicos. Essas empresas investiram diferentes valores no MIT-IBM Watson AI Lab, e podem levar problemas específicos para serem resolvidos pelos pesquisadores.
As três fases da inteligência artificial: rumo a IA larga
David Cox também falou sobre as três fases da IA. No momento, estamos vivendo na era da IA estreita, ou emergente. Em breve, estaremos na fase da IA larga, que será disruptiva e pervasiva. Segundo as previsões, chegaremos na IA geral, ou no nível humano, a partir de 2050 e adiante. No momento, o que está sendo analisado é a IA larga, ou seja, resolver problemas atuais da sociedade humana.
A IA estreita é muito boa em tarefas únicas, em um domínio único, com uma precisão e velocidades sobre-humanas para tarefas específicas. Se a sua empresa precisa resolver um problema assim, boas notícias, pois a IA estreita é ótima nesse tipo de coisa.
Já a IA geral ainda está mais distante, mas será capaz de atravessar diferentes domínios, envolvendo escuta e razão, e uma ampla autonomia.
No momento, o foco é na IA larga, multitarefa, multidomínio e multimodal, e assim, mais abrangente e distribuída que a IA estreita. Existem problemas a serem resolvidos, como a própria eficiência energética da IA, que atualmente consome energia demais. É preciso descobrir uma forma da IA ser menos energeticamente intensiva, ou ela vai usar todos os recursos naturais (sem contar futuros recursos renováveis) até 2040, como falaremos mais para frente.
Projetos do laboratório são divididos em cinco áreas principais
Vale citar que os projetos de IA do MIT-IBM Watson AI Lab estão divididos em cinco categorias principais: modelos de fundação, inteligência fluída, IA confiável, descobrimento acelerado, IA para decisões empresariais, e IA eficiente. Existe uma sinergia entre vários desses projetos, usados para melhorar e aprimorar uns aos outros.
Cox fala sobre três desafios principais nesse caminho, como explicar o mundo através da IA, algo que as ferramentas de criação de artes (e agora vídeos) já evoluíram muito nesse sentido, a segurança, com casos como placas que podem ser adulteradas com um simples adesivo, ou a camiseta que deixa a pessoa invisível nas câmeras de segurança, e a ética, sobre a qual falaremos nesse post.
Outros desafios para chegar lá são criar outro tipo de hardware, ou seja, investir na computação quântica.
Gerando novas moléculas usando gramática de gráficos
Além da camiseta que deixa a pessoa invisível em câmeras de segurança, sobre a qual falei aqui, um dos que mais me chamou a atenção foi o projeto que busca criar novos tipos de moléculas usando inteligência artificial, usando uma gramática de gráficos que foi desenvolvida especialmente para esse fim.
Segundo Jie Chen, isso pode levar a criações de novos medicamentos ou a descobertas de novos materiais através de um design molecular baseado em gráficos, chamada por ele de uma gramática de gráficos.
No processo tradicional, um químico poderia desenvolver ou descobrir uma nova molécula com mais de 10 anos de trabalho, além de um custo estimado de US$ 10 milhões. Usando a inteligência artificial, é possível testar grandes números de possibilidades em um tempo e um custo muito menores.
Segundo Jie Chen, a “IA vai gerar novas moléculas, prever suas propriedades e identificar quais são as melhores combinações.”
Ele diz que essa gramática de gráficos funciona com blocos de construção e determinadas regras para criar objetos, inclusive moléculas. Assim, a IA aprende essa gramática que permite criar moléculas. Chen comparou o trabalho nessa gramática de gráficos a “brincar com peças de LEGO”.
Perguntei em quanto tempo teremos uma molécula criada com a ajuda da IA, e Chen respondeu que isso deve demorar mais dois anos, um tempo muito menor do que o de uma pesquisa convencional. Com essa tecnologia, será possível criar pneus mais resistentes para nossos carros, só para citar um único exemplo.
Criando um concreto mais sustentável
Esse outro projeto apresentado por Jie Chien busca criar um tipo de concreto mais sustentável. Ambos os projetos surgiram, pois “descobrir novas coisas leva muito tempo”, nas palavras de Chen.
Para mostrar a importância desse projeto, Chen diz que o cimento ocupa só 10% da massa do concreto, mas é o responsável por 80% das emissões da produção do material. Além disso, a fabricação de cimento é responsável por 8% das emissões de gás carbônico do mundo.
Usando dados de construção históricos, é possível usar a IA para prever o desempenho da formulação do concreto, criando combinações inéditas para avaliar sua resistência e também o seu impacto ambiental.
A pesquisa de modelos de fundação no laboratório da MIT e IBM
Em sua apresentação, Yang Zhang nos contou sobre as recentes evoluções nos treinamentos de IA nos últimos cinco anos. Sua apresentação deu uma atenção especial aos novos modelos de fundação, mas o que são eles? Esses modelos neurais contam não só com um grande tamanho, mas também são muito versáteis. Assim, eles conseguem entender diferentes tipos de dados, como textos, imagens, fala e outros.
Ele cita modelos como o GPT-3 (Generative Pre-Training Transformer 3) desenvolvido pela OpenAI (mesma empresa responsável pelo DALL-E 2), que, com seus 175 bilhões de parâmetros, consegue produzir textos parecidos com os escritos por um ser humano.
Segundo Zhang, o custo de treinamento de IA tem aumentado de forma exponencial, e até o ano 2040, vai usar toda a eletricidade produzida na Terra. Assim, o próximo desafio é como reduzir o tamanho dos modelos de fundação. Em testes feitos cuidadosamente retirando parâmetro a parâmetro de um modelo de IA, foi possível chegar ao mesmo desempenho reduzindo até 50% dos parâmetros.
Além da economia de energia, que se fará necessária nas próximas décadas, existe outro desafio dos modelos de fundação, a criação de modelos multimodais, ou seja, capazes de entender não só texto, imagens e vídeos, mas todos eles e de forma simultânea, exatamente da forma que nós, humanos, aprendemos a entender o mundo quando somos bebês.
Desenvolvendo uma inteligência artificial fluída ou IA neuro-simbólica
Também gostei bastante do projeto para desenvolver uma inteligência artificial fluída, apresentado por Jessie Rosenberg, líder de estratégias de ciência do MIT-IBM Watson AI Lab.
Hoje temos IAs mais avançadas em resolver problemas específicos, mas a ideia é criar um modelo capaz de interpretar textos, imagens e vídeos. Assim, essa IA aprenderia da mesma forma que nós, humanos, interpretamos o mundo ao nosso redor.
Com o avanço recente de modelos incríveis como o DALL-E 2, estamos mais próximos de criar uma inteligência fluida, ou IA neuro-simbólica. Essa nova IA poderá resolver problemas reais de forma rápida e em diferentes temas, usando uma mistura de aprendizado com razão lógica.
Para isso, esse modelo precisa, em primeiro lugar, entender uma pergunta simples em linguagem natural. Além disso, ele deve usar sua percepção visual (usando visão computacional) para analisar as condições da tarefa a ser executada.
Para conseguir atingir esse objetivo que parece simples, é preciso usar uma combinação de dois métodos, redes neurais e IA simbólica. Assim, o modelo inicial não precisa ser tão grande, já que a IA usar as ferramentas certas para a tarefa, segundo Jessie.
Após a apresentação, ela nos mostrou algumas demonstrações de outros projetos do laboratório da IBM Research e MIT, incluindo a já citada camiseta. Ela também nos mostrou uma forma de usar a IA para identificar textos escritos por outra inteligência artificial.
Outro exemplo interessante é uma ferramenta como o DALL-E 2 para criar objetos por IA, mas com precisão para serem realmente produzidas e usadas. Além disso, Jessie Rosenberg nos mostrou um projeto para simular as condições de uma usina de produção de gás, para aumentar sua eficácia e segurança.
Usando a IA para prevenir viés ou distorção
Mikhail Yurochkin também fez uma boa apresentação sobre ferramentas para promover uma maior justiça na IA. Esse tema se divide em justiça para grupos e para pessoas. A primeira envolve regulações em finanças e outros temas, e a segunda, em eliminar de qualquer tipo de viés em ferramentas tecnológicas.
Mikhail apresentou seu projeto InFairness, que busca incluir a justiça em modelos de aprendizado de máquina. Com esse processo, eles conseguem treinar o modelo para que a conotação de cada termo seja inclusiva e justa.
Ele também apresentou quais são os procedimentos a serem adotados nesse processo. O primeiro deles é avaliar se existe alguma violação de justiça individual nesses modelos, que inclui a análise e auditoria da ferramenta. Então, é feito um processamento posterior no modelo, e finalmente, o treinamento dessa ferramenta de acordo com os conceitos de justiça individual.
Leia mais:
- Participamos de uma simulação de um ataque hacker no Cyber Range da IBM, confira!
- Bateria criada por engenheiros do MIT é mais barata e resistente que as de lítio
- Lasers poderão transmitir energia pelo ar e carregar dispositivos
Conclusão
Foi excelente ter a oportunidade de conhecer esses novos projetos de inteligência artificial, e mais ainda, ver em casos práticos que essa tecnologia está sendo usada para o bem da humanidade e do planeta. Sinceramente, essa visita me deu uma esperança de que vamos conseguir enfrentar desafios importantíssimos e vitais para a sobrevivência da nossa espécie, principalmente o aquecimento global.
Além disso, gostei muito de ver que, no MIT-IBM Watson AI Lab, a IA é vista como uma ferramenta, e não como um substituto de empregos. É claro que ela também pode ser usada por pessoas com intenções dúbias, mas pensando nisso, a IBM Research e o MIT também desenvolvem ferramentas para identificar o mau uso da IA.
Assim, vou acompanhar com muito interesse os próximos passos e projetos criados pelos cientistas do MIT-IBM Watson AI Lab, um lugar realmente incrível, que adorei ter a chance de visitar.
Já assistiu aos novos vídeos no YouTube do Olhar Digital? Inscreva-se no canal!
Tags: