Neste livro, nos concentramos nas porcas e parafusos das redes neurais: como elas funcionam e como podem ser usadas para resolver problemas de reconhecimento de padrões. Este é um material com muitas aplicações práticas imediatas. Mas, é claro, uma razão para o interesse em redes neurais é a esperança de que um dia elas irão muito além de tais problemas básicos de reconhecimento de padrões. Talvez eles, ou alguma outra abordagem baseada em computadores digitais, acabem sendo usados para construir máquinas pensantes, máquinas que combinem ou ultrapassem a inteligência humana? Essa noção excede em muito o material discutido no livro - ou o que qualquer pessoa no mundo sabe fazer. Mas é divertido especular.
Tem havido muito debate sobre se é possível que os computadores combinem com a inteligência humana. Eu não vou me envolver com essa questão. Apesar da disputa em andamento, acredito que não esteja em dúvida que um computador inteligente é possível - embora possa ser extremamente complicado e talvez muito além da tecnologia atual - e os pessimistas atuais um dia parecerão muito com os vitalistas .
Em vez disso, a questão que exploro aqui é se existe um conjunto simples de princípios que possa ser usado para explicar a inteligência. Em particular, e mais concretamente, existe umalgoritmo simples para inteligência ?
A ideia de que existe um algoritmo verdadeiramente simples para a inteligência é uma ideia ousada. Talvez pareça otimista demais para ser verdade. Muitas pessoas têm um forte senso intuitivo de que a inteligência tem considerável complexidade irredutível. Eles estão tão impressionados com a incrível variedade e flexibilidade do pensamento humano que concluem que um algoritmo simples para a inteligência deve ser impossível. Apesar dessa intuição, não acho prudente apressar o julgamento. A história da ciência está repleta de casos em que um fenômeno inicialmente pareceu extremamente complexo, mas foi posteriormente explicado por um conjunto simples mas poderoso de idéias.
Considere, por exemplo, os primeiros dias da astronomia. Os humanos sabem desde a antiguidade que há uma mistura de objetos no céu: o sol, a lua, os planetas, os cometas e as estrelas. Esses objetos se comportam de maneiras muito diferentes - as estrelas se movem de maneira majestosa e regular pelo céu, por exemplo, enquanto os cometas aparecem como se saíssem do nada, atravessassem o céu e depois desaparecessem. No século 16, apenas um otimista tolo poderia ter imaginado que todos os movimentos desses objetos poderiam ser explicados por um simples conjunto de princípios. Mas no século XVII, Newton formulou sua teoria da gravitação universal, que não apenas explicava todos esses movimentos, mas também explicava fenômenos terrestres como as marés e o comportamento de projeções ligadas à Terra. O otimista insensato do século 16 parece em retrospecto um pessimista
Naturalmente, a ciência contém muitos outros exemplos. Considere a miríade de substâncias químicas que compõem o nosso mundo, tão lindamente explicadas pela tabela periódica de Mendeleiev, que, por sua vez, é explicada por algumas regras simples que podem ser obtidas da mecânica quântica. Ou o enigma de como há tanta complexidade e diversidade no mundo biológico, cuja origem se encontra no princípio da evolução pela seleção natural. Estes e muitos outros exemplos sugerem que não seria sensato descartar uma explicação simples de inteligência meramente com base no fato de que o que nossos cérebros - atualmente os melhores exemplos de inteligência - estão fazendo parece ser muito complicado ** Através deste apêndice eu assumo que, para um computador ser considerado inteligente, suas capacidades devem corresponder ou exceder a capacidade de raciocínio humano. Então, considerarei a pergunta "Existe um algoritmo simples para inteligência?" como equivalente a "Existe um algoritmo simples que pode 'pensar' essencialmente na mesma linha que o cérebro humano?" Vale a pena notar, no entanto, que pode haver formas de inteligência que não incluam o pensamento humano, mas que, não obstante, o ultrapassem de maneiras interessantes..
Por outro lado, e apesar desses exemplos otimistas, também é logicamente possível que a inteligência só possa ser explicada por um grande número de mecanismos fundamentalmente distintos. No caso do nosso cérebro, esses muitos mecanismos talvez tenham evoluído em resposta a muitas pressões de seleção diferentes na história evolutiva de nossa espécie. Se este ponto de vista estiver correto, então a inteligência envolve considerável complexidade irredutível, e nenhum algoritmo simples para inteligência é possível.
Qual destes dois pontos de vista está correto?
Para obter uma visão sobre essa questão, vamos fazer uma pergunta relacionada, que é se há uma explicação simples de como funciona o cérebro humano. Em particular, vamos examinar algumas maneiras de quantificar a complexidade do cérebro. Nossa primeira abordagem é a visão do cérebro da conectomia. Isso é tudo sobre a fiação bruta: quantos neurônios existem no cérebro, quantas células gliais e quantas conexões existem entre os neurônios. Você provavelmente já ouviu os números antes - o cérebro contém cerca de 100 bilhões de neurônios, 100 bilhões de células gliais e 100 trilhões de conexões entre os neurônios. Esses números são surpreendentes. Eles também são intimidantes. Se precisarmos entender os detalhes de todas essas conexões (para não mencionar os neurônios e células da glia) para entender como o cérebro funciona, certamente não teremos um algoritmo simples para inteligência.
Há um segundo ponto de vista mais otimista, a visão do cérebro da biologia molecular. A ideia é perguntar quanta informação genética é necessária para descrever a arquitetura do cérebro. Para lidar com essa questão, começaremos considerando as diferenças genéticas entre humanos e chimpanzés. Você provavelmente já ouviu o som morder que "os seres humanos são 98 por cento chimpanzés". Às vezes, esse ditado é variado - variações populares também indicam 95 ou 99%. As variações ocorrem porque os números foram originalmente estimados comparando amostras do genoma humano e do chimpanzé, não dos genomas inteiros. No entanto, em 2007, todo o genoma dos chimpanzés foi sequenciado (ver tambémaqui), e agora sabemos que o DNA humano e do chimpanzé diferem em aproximadamente 125 milhões de pares de bases de DNA. Isso é de um total de aproximadamente 3 bilhões de pares de bases de DNA em cada genoma. Então não é correto dizer que os seres humanos são 98% chimpanzés - somos mais de 96% de chimpanzés.
Quanta informação está nesses 125 milhões de pares de bases? Cada par de bases pode ser rotulado por uma de quatro possibilidades - as "letras" do código genético, as bases adenina, citosina, guanina e timina. Portanto, cada par de bases pode ser descrito usando dois bits de informação - apenas informações suficientes para especificar um dos quatro rótulos. Portanto, 125 milhões de pares de bases equivalem a 250 milhões de bits de informação. Essa é a diferença genética entre humanos e chimpanzés!
É claro que 250 milhões de bits são responsáveis por todas as diferenças genéticas entre humanos e chimpanzés. Estamos interessados apenas na diferença associada ao cérebro. Infelizmente, ninguém sabe que fração da diferença genética total é necessária para explicar a diferença entre os cérebros. Mas vamos supor, por uma questão de argumento, que cerca de metade desses 250 milhões de bits são responsáveis pelas diferenças cerebrais. Isso é um total de 125 milhões de bits.
125 milhões de bits é um número impressionante. Vamos ter uma ideia do quanto é grande traduzindo-o em termos mais humanos. Em particular, quanto seria uma quantidade equivalente de texto em inglês? Ele despejaque o conteúdo informativo do texto em inglês é de cerca de 1 bit por letra. Isso soa baixo - afinal, o alfabeto tem 26 letras - mas há uma enorme quantidade de redundância no texto em inglês. É claro, você pode argumentar que nossos genomas também são redundantes, então dois bits por par de bases são superestimados. Mas vamos ignorar isso, já que na pior das hipóteses significa que estamos superestimando a complexidade genética do nosso cérebro. Com essas suposições, vemos que a diferença genética entre nossos cérebros e cérebros de chimpanzés é equivalente a cerca de 125 milhões de letras, ou cerca de 25 milhões de palavras inglesas. Isso é cerca de 30 vezes mais do que a Bíblia King James.
Isso é muita informação. Mas não é incompreensivelmente grande. Está em escala humana. Talvez nenhum ser humano jamais pudesse entender tudo o que está escrito nesse código, mas um grupo de pessoas talvez pudesse entendê-lo coletivamente, por meio de uma especialização apropriada. E embora seja muita informação, ela é minúscula quando comparada com as informações necessárias para descrever os 100 bilhões de neurônios, 100 bilhões de células gliais e 100 trilhões de conexões em nossos cérebros. Mesmo se usarmos uma descrição simples e grosseira - por exemplo, 10 números de ponto flutuante para caracterizar cada conexão - isso exigiria cerca de 70 quadrilhões de bits. Isso significa que a descrição genética é um fator de cerca de meio bilhão menos complexo que o conectoma completo para o cérebro humano.
O que aprendemos disso é que nosso genoma não pode conter uma descrição detalhada de todas as nossas conexões neurais. Em vez disso, deve especificar apenas a arquitetura ampla e os princípios básicos subjacentes ao cérebro. Mas essa arquitetura e esses princípios parecem ser suficientes para garantir que nós humanos cresceremos para sermos inteligentes. Naturalmente, há advertências - as crianças em crescimento precisam de um ambiente saudável e estimulante, além de uma boa nutrição para alcançar seu potencial intelectual. Mas, desde que cresçamos em um ambiente razoável, um ser humano saudável terá uma inteligência notável. Em certo sentido, a informação em nossos genes contém a essência de como pensamos. Além disso, os princípios contidos nessa informação genética parecem estar dentro da nossa capacidade de compreender coletivamente.
Todos os números acima são estimativas muito aproximadas. É possível que 125 milhões de bits sejam uma tremenda superestimativa, que haja um conjunto muito mais compacto de princípios básicos subjacentes ao pensamento humano. Talvez a maioria desses 125 milhões de bits seja apenas um ajuste fino de detalhes relativamente pequenos. Ou talvez fôssemos excessivamente conservadores em como computamos os números. Obviamente, isso seria ótimo se fosse verdade! Para nossos propósitos atuais, o ponto-chave é o seguinte: a arquitetura do cérebro é complicada, mas não é tão complicada quanto se pensa com base no número de conexões no cérebro. A visão do cérebro da biologia molecular sugere que nós, seres humanos, deveríamos um dia ser capazes de entender os princípios básicos por trás da arquitetura do cérebro.
Nos últimos parágrafos eu ignorei o fato de que 125 milhões de bits meramente quantificam a diferença genética entre cérebros humanos e de chimpanzés. Nem toda a nossa função cerebral é devida a esses 125 milhões de bits. Chimpanzés são pensadores notáveis por si mesmos. Talvez a chave da inteligência esteja principalmente nas habilidades mentais (e informações genéticas) que chimpanzés e humanos têm em comum. Se isso estiver correto, então o cérebro humano pode ser apenas uma pequena atualização para os cérebros dos chimpanzés, pelo menos em termos da complexidade dos princípios subjacentes. Apesar do chauvinismo humano convencional sobre nossas capacidades únicas, isso não é inconcebível: o chimpanzé e as linhas genéticas humanas divergiram há apenas 5 milhões de anos, um piscar de olhos em escalas evolutivas. No entanto, na ausência de um argumento mais convincente, sou simpático ao chauvinismo humano convencional: meu palpite é que os princípios mais interessantes subjacentes ao pensamento humano residem nesses 125 milhões de bits, não na parte do genoma que compartilhamos com os chimpanzés. .
Adotar a visão do cérebro da biologia molecular nos deu uma redução de aproximadamente nove ordens de grandeza na complexidade de nossa descrição. Apesar de encorajador, não nos diz se um algoritmo verdadeiramente simples de inteligência é possível ou não. Podemos obter mais reduções na complexidade? E, mais precisamente, podemos resolver a questão de saber se um algoritmo simples de inteligência é possível?
Infelizmente, ainda não há evidências suficientes para resolver essa questão decisivamente. Deixe-me descrever algumas das evidências disponíveis, com a ressalva de que esta é uma visão geral muito breve e incompleta, destinada a transmitir o sabor de alguns trabalhos recentes, não para pesquisar exaustivamente o que é conhecido.
Entre as evidências sugerindo que pode haver um algoritmo simples para a inteligência é uma experiência relatada em abril de 2000 na revista Nature . Uma equipe de cientistas liderada por Mriganka Sur "reconectou" os cérebros dos furões recém-nascidos. Normalmente, o sinal dos olhos de um furão é transmitido para uma parte do cérebro conhecida como córtex visual. Mas para esses furões os cientistas pegaram o sinal dos olhos e o redirecionaram para que fosse ao córtex auditivo, ou seja, a região do cérebro que é geralmente usada para audição.
Para entender o que aconteceu quando eles fizeram isso, precisamos saber um pouco sobre o córtex visual. O córtex visual contém muitas colunas de orientação . Estas são pequenas placas de neurônios, cada uma das quais responde a estímulos visuais de uma determinada direção. Você pode pensar nas colunas de orientação como minúsculos sensores direcionais: quando alguém ilumina uma luz brilhante de uma determinada direção, uma coluna de orientação correspondente é ativada. Se a luz for movida, uma coluna de orientação diferente é ativada. Uma das estruturas de alto nível mais importantes no córtex visual é o mapa de orientação , que mostra como as colunas de orientação são dispostas.
O que os cientistas descobriram é que, quando o sinal visual dos olhos dos furões era desviado para o córtex auditivo, o córtex auditivo se modificava. Colunas de orientação e um mapa de orientação começaram a emergir no córtex auditivo. Era mais desordenado do que o mapa de orientação normalmente encontrado no córtex visual, mas inconfundivelmente semelhante. Além disso, os cientistas fizeram alguns testes simples de como os furões responderam aos estímulos visuais, treinando-os para responder de forma diferente quando as luzes piscavam de diferentes direções. Esses testes sugeriram que os furões ainda poderiam aprender a "ver", pelo menos de maneira rudimentar, usando o córtex auditivo.
Este é um resultado surpreendente. Isso sugere que há princípios comuns subjacentes a como diferentes partes do cérebro aprendem a responder a dados sensoriais. Essa semelhança fornece pelo menos algum suporte para a ideia de que há um conjunto de princípios simples subjacentes à inteligência. No entanto, não devemos nos enganar sobre como foi boa a visão dos furões nesses experimentos. Os testes comportamentais testaram apenas aspectos muito grosseiros da visão. E, claro, não podemos perguntar aos furões se eles "aprenderam a ver". Portanto, os experimentos não provam que o córtex auditivo reconectado estava dando aos furões uma experiência visual de alta fidelidade. E, assim, fornecem apenas evidências limitadas em favor da ideia de que princípios comuns fundamentam o modo como diferentes partes do cérebro aprendem.
Que evidência existe contra a ideia de um algoritmo simples para inteligência? Algumas evidências vêm dos campos da psicologia evolutiva e da neuroanatomia. Desde os anos 1960, os psicólogos evolucionistas descobriram uma ampla gama de universais humanos, comportamentos complexos comuns a todos os seres humanos, entre culturas e criação. Esses universais humanos incluem o tabu do incesto entre mãe e filho, o uso da música e da dança, bem como uma estrutura lingüística muito complexa, como o uso de palavrões (palavrões), pronomes e até mesmo estruturas tão básicas quanto verbo. Complementando esses resultados, uma grande quantidade de evidências da neuroanatomia mostra que muitos comportamentos humanos são controlados por áreas localizadas específicas do cérebro, e essas áreas parecem ser semelhantes em todas as pessoas. Em conjunto, essas descobertas sugerem que muitos comportamentos muito especializados estão gravados em partes específicas de nossos cérebros.
Algumas pessoas concluem, a partir desses resultados, que explicações separadas devem ser necessárias para essas muitas funções cerebrais e que, como conseqüência, há uma complexidade irredutível para a função do cérebro, uma complexidade que explica de maneira simples o funcionamento do cérebro (e talvez algoritmo simples para inteligência) impossível. Por exemplo, um conhecido pesquisador de inteligência artificial com esse ponto de vista é Marvin Minsky. Nos anos 1970 e 1980, Minsky desenvolveu sua teoria da "Sociedade da Mente", baseada na idéia de que a inteligência humana é o resultado de uma grande sociedade de processos computacionais individualmente simples (mas muito diferentes) que Minsky chama de agentes. Em seu livro descrevendo a teoria , Minsky resume o que ele vê como o poder desse ponto de vista:
Que truque mágico nos faz inteligentes? O truque é que não há truque. O poder da inteligência provém de nossa vasta diversidade, não de qualquer princípio único e perfeito.Em uma resposta * * em "Contemplando Mentes: Um Fórum para Inteligência Artificial", editado por William J. Clancey, Stephen W. Smoliar e Mark Stefik (MIT Press, 1994).Para resenhas de seu livro, Minsky elaborou sobre a motivação para a Society of Mind, dando um argumento semelhante ao afirmado acima, baseado em neuroanatomia e psicologia evolutiva:
Sabemos agora que o próprio cérebro é composto de centenas de diferentes regiões e núcleos, cada um com elementos e arranjos arquitetônicos significativamente diferentes, e que muitos deles estão envolvidos com aspectos demonstravelmente diferentes de nossas atividades mentais. Essa massa moderna de conhecimento mostra que muitos fenômenos tradicionalmente descritos por termos do senso comum, como "inteligência" ou "compreensão", na verdade envolvem conjuntos complexos de máquinas.Minsky não é, evidentemente, a única pessoa a ter um ponto de vista nesse sentido; Eu estou meramente dando a ele como um exemplo de um defensor dessa linha de argumentação. Acho o argumento interessante, mas não acredito que a evidência seja convincente. Embora seja verdade que o cérebro é composto de um grande número de regiões diferentes, com funções diferentes, não se segue, portanto, que uma explicação simples para a função do cérebro seja impossível. Talvez essas diferenças arquitetônicas surjam de princípios subjacentes comuns, assim como o movimento dos cometas, dos planetas, do sol e das estrelas, todos surgem de uma única força gravitacional. Nem Minsky nem ninguém argumentou convincentemente contra esses princípios subjacentes.
Meu próprio preconceito é a favor de haver um algoritmo simples para inteligência. E a principal razão pela qual eu gosto da ideia, acima e além dos argumentos (inconclusivos) acima, é que é uma idéia otimista. Quando se trata de pesquisa, um otimismo injustificado é muitas vezes mais produtivo do que um pessimismo aparentemente melhor justificado, pois um otimista tem a coragem de estabelecer e experimentar coisas novas. Esse é o caminho para a descoberta, mesmo que o que é descoberto talvez não seja o que se esperava originalmente. Um pessimista pode ser mais "correto" em algum sentido restrito, mas descobrirá menos que o otimista.
Esse ponto de vista está em forte contraste com o modo como costumamos julgar as ideias: tentando descobrir se estão certas ou erradas. Essa é uma estratégia sensata para lidar com as minúcias rotineiras da pesquisa do dia-a-dia. Mas pode ser a maneira errada de julgar uma ideia grande e ousada, o tipo de ideia que define um programa de pesquisa inteiro. Às vezes, temos apenas evidências fracas sobre se tal ideia é correta ou não. Nós podemos nos recusar a seguir a idéia, em vez de gastar todo o nosso tempo olhando para as evidências disponíveis, tentando discernir o que é verdade. Ou podemos aceitar que ninguém ainda sabe e, em vez disso, trabalhar arduamente para desenvolver a grande e ousada ideia, no entendimento de que, embora não tenhamos garantia de sucesso, é apenas assim que nossa compreensão avança.
Com tudo isso dito, em sua forma mais otimista, não acredito que algum dia encontraremos um algoritmo simples para inteligência. Para ser mais concreto, não acredito que algum dia encontraremos um programa realmente curto em Python (ou C ou Lisp, ou qualquer outra coisa) - digamos, em qualquer lugar de até mil linhas de código - que implemente inteligência artificial. Nem acho que alguma vez encontraremos uma rede neural realmente fácil de descrever que possa implementar inteligência artificial. Mas acredito que vale a pena agir como se pudéssemos encontrar um programa ou uma rede desse tipo. Esse é o caminho para o insight e, seguindo esse caminho, podemos um dia entender o suficiente para escrever um programa mais longo ou construir uma rede mais sofisticada que exiba inteligência. E assim é
Nos anos 80, o eminente matemático e cientista da computaçãoJack Schwartz foi convidado para um debate entre os proponentes da inteligência artificial e os céticos da inteligência artificial. O debate tornou-se indisciplinado, com os proponentes fazendo afirmações exageradas sobre as coisas surpreendentes ao virar da esquina, e os céticos dobraram seu pessimismo, alegando que a inteligência artificial era totalmente impossível. Schwartz era um estranho para o debate e permaneceu em silêncio enquanto a discussão esquentava. Durante uma calmaria, ele foi solicitado a falar e declarar seus pensamentos sobre as questões em discussão. Ele disse: "Bem, alguns desses desenvolvimentos podem estar a cem prêmios Nobel" ( ref, página 22). Parece-me uma resposta perfeita. A chave para a inteligência artificial são ideias simples e poderosas, e podemos e devemos procurar de maneira otimista por essas ideias. Mas vamos precisar de muitas dessas ideias, e ainda temos um longo caminho a percorrer!