O ex-campeão mundial de xadrez Garry Kasparov, na partida 6 de 1997 contra o programa Deep Blue, foi forçado a desistir e trouxe um marco na história: esta foi a primeira vez que um computador derrotava um campeão mundial em uma partida de xadrez. Considerado por muitos como um indício de inteligência, a habilidade enxadrística foi desde então superada por computadores, como é o caso da Alpha Zero, uma Inteligência Artificial desenvolvida pela Google capaz de fazer movimentos excepcionais e confusos até mesmo para grandes mestres e vencê-los sem qualquer dificuldade. Fica então a pergunta: seria um computador mais inteligente que um ser humano?
Com os avanços da computação em meados de 1940, Alan Turing traça a direção da computação moderna ao idealizar em sua mente uma máquina universal, capaz de resolver problemas e ser programada para tal; essa idealização mais tarde culminaria na construção do computador, das linguagens de programação e da era da tecnologia e da informação, transformando todos os paradigmas da nossa sociedade. O estudo da Inteligência Artificial rompe as barreiras entre os campos do conhecimento: a psicologia se integra à lógica e à filosofia, pois agora precisamos saber como a mente humana capta o conhecimento e responde aos estímulos, precisamos ainda reproduzir isso na máquina através da computação; precisamos também saber como os processos biológicos e químicos do cérebro influem nesse processo, e ainda como funcionam os processos de aprendizagem; pela lógica e matemática, precisamos representar esse conhecimento e traçar algoritmos que desempenhem tais funções. Este poderoso campo multidisciplinar rompe as barreiras até mesmo do que tange o homem e sua identidade: qual é a diferença entre a mente humana e de uma máquina perfeitamente inteligente?
Toda esta discussão filosófica rompe os paradigmas até então explorados. A evolução da tecnologia é exponencial, constante e transformadora, fato este que até mesmo assusta muitas pessoas. Em 1940 não tínhamos tecnologia suficiente para nos comunicarmos de maneira quase instantânea com uma pessoa da Austrália, por exemplo. Em 2020 temos carros autônomos controlados por IA, capazes de lidar com situações complexas e imprevisíveis, respondendo por vezes melhor que um ser humano. Atualmente, o mercado de ações e investimentos é controlado majoritariamente por robôs, capazes de tomar as decisões em campos extremamente complexos e com padrões muito imprevisíveis. É o caso das redes neurais, que lidam com tarefas complexas e “aprendem”, desempenhando melhor que pessoas em diversas modalidades, tais como: Investimento de ações, Xadrez, Go, Rubik Cube, Jogos Digitaise incrivelmente até tarefas artísticas, tais como compor música barroca ou escrever um artigo como este aqui. O desempenho é tão elevado ao ponto de uma pessoa não saber diferenciar qual foi criado por uma Inteligência Artificial e qual foi produzido por um ser humano. Avanços atuais no campo de reconhecimento facial e Inteligência Artificial nos levam aos Deep Fakes: algoritmos capazes de alterar o rosto de uma pessoa por vias tecnológicas ao ponto de uma pessoa não conseguir distinguir com facilidade, ou até mesmo não ser capaz de distinguir o que foi produzido por uma IA e o que é uma pessoa real. Estudos recentes preocupam as autoridades pelo potencial destrutivo desta tecnologia, devido a possíveis golpes, falsificação de identidade, entre outros. É importante ressaltar que os Deep Fakes não se restringem somente ao aspecto facial, existem algoritmos que reproduzem o tom de voz, a entonação e as particularidades da fala das pessoas.
É fato que tais tecnologias são incríveis e, por outro lado também assustam muitas pessoas e autoridades ao redor do mundo. Somos indagados a questionar como que esses algoritmos e mecanismos “aprendem” e chegam a resultados tão elevados. A resposta a esta pergunta está nos dados disponibilizados para o “treino” dessa IA. Funciona da seguinte maneira: existem duas formas de aprendizado quando se fala em Inteligência Artificial, o aprendizado supervisionado e o não supervisionado. O primeiro trata de todos os casos de fornecemos determinados dados ao algoritmo e sabemos a natureza do resultado, por exemplo prever um número, um dado ou então estabelecer conjuntos de funções que prevê tais valores. O segundo nos remete a uma aprendizagem geralmente mais aprofundada, o famoso “Deep Learning”, relacionado às redes neurais. Este é o aprendizado que o algoritmo treina por uma base de dados a fim de aperfeiçoar seu desempenho. É o caso de uma IA de Deep Fake que escuta horas e horas de um apresentador de televisão falando e extrai todos os padrões ocultos e particularidades daquele interlocutor e, a partir dos dados (nesse caso amostragens de áudios), treina por horas, dias e até mesmo semanas, para cada vez mais aperfeiçoar seu desempenho, ao ponto de se tornar praticamente indistinguível entre o real e o artificial.
