A Inteligência Artificial!

é conhecida por perturbar 
todos os tipos de indústrias.

Por exemplo, a dos gelados.

Que tipo de estonteantes sabores
podemos criar

com o poder
da inteligência artificial avançada?

Associei-me a um grupo de programadores

da escola secundária de Kealing,

para descobrir a resposta a esta pergunta.

Eles reuniram mais de 1600 sabores
de gelados já existentes,

e fornecemos-lhes um algoritmo
para verificar o que ele poderia gerar.

Estes são alguns dos sabores
que a IA criou

[Quebra de Lixo de Abóbora]

(Risos)

[Baba de Manteiga de Amendoim]

[Doença de Creme de Morango]

(Risos)

Estes sabores não são tão deliciosos 
quanto esperávamos

Logo, a pergunta é:
O que aconteceu?

O que correu mal?

A IA está a tentar matar-nos?

Ou está a tentar fazer o que pedimos
e ocorreu um problema?

Nos filmes, quando algo
corre mal com a IA,

é geralmente porque a IA decidiu

que não quer continuar
a obedecer aos seres humanos

e tem os seus próprios objetivos,
muito obrigado!

Porém, na vida real, a IA que temos

não tem inteligência suficiente para isso.

Tem uma capacidade de processamento

aproximada à de uma minhoca,

ou talvez no máximo, 
a de uma simples abelha

e de facto, talvez ainda menos.

Por exemplo, estamos sempre a aprender
coisas novas sobre o cérebro

o que deixa claro o quanto a nossa IA
não se compara com o nosso cérebro.

A IA de hoje consegue identificar
um peão numa imagem,

mas não tem o conceito
do que é um peão,

para além de um conjunto de linhas,
de texturas e de elementos.

Não sabe o que é um ser humano.

Então, a IA de hoje
irá fazer o que pedimos?

Sim, fará se puder,

mas pode não fazer o que desejamos.

Digamos que estamos a tentar

que a IA pegue neste conjunto
de partes de um robô

e as monte num tipo de robô
que vá do Ponto A ao Ponto B.

Se formos tentar resolver este problema

escrevendo um programa de computador
ao estilo tradicional,

daríamos ao programa
instruções passo a passo

de como agarrar nessas partes

e como as montar num robô com pernas,

e depois como usar essas pernas
para andar até ao Ponto B.

Mas quando usamos a IA
para resolver o problema,

as coisas funcionam de outro modo.

Não lhe dizemos como resolver o problema

apenas lhe damos o objetivo,

e ela terá de descobrir por si mesma,
através de tentativas e erros,

como alcançar esse objetivo.

Acontece que a IA tem tendência
a resolver este problema específico

fazendo o seguinte:

monta uma torre que depois cai,

aterrando no Ponto B.

Tecnicamente, isso resolve o problema.

Tecnicamente, ela chega ao Ponto B.

O perigo da IA não é que
se vá revoltar contra nós,

mas que vai fazer exatamente
o que lhe pedimos para fazer.

Logo, o segredo de trabalhar
com IA passa a ser:

Como configuramos o problema para
a IA fazer exatamente o que queremos?

Vejamos, este robô aqui,
está a ser controlado por uma IA.

A IA desenvolveu um modelo
paras as pernas do robô,

e depois descobriu como usá-las
para ultrapassar todos os obstáculos.

Mas quando o David Ha realizou
esta experiência,

teve de configurá-la
com limites muito estritos

em relação à dimensão que a IA
teria para fazer as pernas,

porque senão...

(Risos)

Tecnicamente, chegou ao fim
daquela corrida de obstáculos.

Vemos como é difícil conseguir que a IA
faça algo tão simples como andar.

Ao vermos a IA fazer isto, podemos dizer:

"Ok, não é justo, não podes ser
uma torre alta e cair,

"tens de usar as pernas para andar".

Acontece que isso também
nem sempre funciona.

A tarefa desta IA era avançar depressa.

Não lhe disseram que tinha de avançar

ou que não podia usar os braços.

Logo, isto é o que acontece
quando treinamos a IA para andar depressa,

obtemos movimentos como cambalhotas
e caminhadas ridículas.

É muito comum.

Tal como contorcer-se no chão.

(Risos)

Na minha opinião, sabem o que
seria ainda mais estranho?

É o robô "Exterminador".

Invadir o "Matrix" é outra coisa que a IA
fará, se lhe dermos essa oportunidade.

Se treinarmos a IA num simulador,

ela irá aprender a copiar
os erros matemáticos do simulador

e colhê-los para obter energia.

Ou irá descobrir como andar mais depressa,

falhando repetidamente
aquela anomalia no chão.

Quando se trabalha com a IA,

é menos como trabalhar
com outro ser humano

e mais como trabalhar
com uma estranha força da natureza.

É muito fácil dar, acidentalmente,
à IA o problema errado para resolver,

e, geralmente, não damos por isso
senão quando qualquer coisa corre mal.

Esta é uma experiência que fiz

em que eu queria que a IA copiasse
as cores das tintas,

para inventar novas cores de tintas,

de acordo com uma lista como
a que se encontra aqui à esquerda.

E aqui está o que a IA sugeriu.

[Cocó Sindis , Cocó,
Sofrimento, Púbico Cinza]

(Risos)

Tecnicamente,

fez o que eu pedi que fizesse.

Eu pensei que estava a pedir
nomes simpáticos para tintas,

mas o que tinha pedido

era apenas para imitar o tipo
de combinações de letras

que ela tinha visto no original.

E eu nada disse em relação
ao significado das palavras,

ou que talvez houvesse algumas palavras

que devia evitar usar
nessas cores de tintas.

Portanto, todo o mundo dela
eram os dados que lhe fornecera.

Tal como com os sabores dos gelados,
ela não sabe mais nada.

É geralmente através dos dados

que acidentalmente dizemos à IA
que faça as coisas erradas.

Este é um peixe chamado tenca.

Houve um grupo de investigadores

que treinaram uma IA para identificar
esta tenca em imagens.

Mas quando lhe perguntaram

que parte da imagem utilizava
para identificar o peixe,

eis o que ela salientou.

Sim, são dedos humanos.

Porque é que ela procurou dedos humanos

se estava a tentar identificar um peixe?

Bem, acontece que a tenca
é um peixe-troféu,

por isso, em muitas das imagens
que a IA viu deste peixe,

durante o treino,

o peixe aparecia assim.

(Risos)

A IA não sabia que os dedos
não faziam parte do peixe.

Assim, vemos porque é tão difícil
configurar uma IA

que consiga perceber o que procura.

Isto é o motivo por que criar 
o reconhecimento de imagem

num veículo autónomo é super difícil,

e o motivo do fracasso
de tantos veículos autónomos

foi porque a IA ficou confusa.

Vou falar sobre um exemplo
que aconteceu em 2016.

Houve um acidente fatal quando alguém 
usou o piloto automático da Tesla IA.

Em vez de usá-lo na autoestrada,
como tinha sido desenvolvido,

usaram-no nas ruas da cidade.

Aconteceu que um camião
atravessou-se em frente do carro

e o carro não travou.

A IA fora treinada para reconhecer
o camião nas imagens.

Mas o que parece ter acontecido

foi que a IA foi treinada para reconhecer
os camiões na autoestrada

onde esperamos ver os camiões por detrás.

Na autoestrada, os camiões
não aparecem pelos lados.

Portanto, quando a IA viu o camião

parece tê-lo reconhecido 
como um sinal de trânsito

e portanto, seria seguro
passar por baixo dele.

Aqui podem ver um erro da IA
num setor diferente.

A Amazon teve de desistir
de um algoritmo de seleção de currículos

em que estava a trabalhar,

quando descobriram que o algoritmo
aprendera a discriminar as mulheres.

Aconteceu que testaram a IA
com base em exemplos de currículos

de pessoas que tinham sido
contratadas no passado.

Com base nesses exemplos, a IA
aprendeu a evitar currículos de pessoas

que tinham frequentado colégios femininos

ou que tinham a palavra "feminina"
algures no currículo,

como "equipa de futebol feminina" 
ou "Sociedade Feminina de Engenheiras".

A IA não sabia que não devia copiar 
estes aspetos específicos

que via os seres humanos fazerem.

Tecnicamente, o programa fez
o que lhe pediram para fazer.

Só que eles pediram, sem querer,
para fazer a coisa errada.

Isto está sempre a acontecer com a IA.

A IA pode ser destrutiva sem saber.

Por isso, as IA que recomendam novos
conteúdos no Facebook e no YouTube,

estão otimizadas para aumentar
o número de cliques e visualizações.

Infelizmente, uma das formas
que encontraram para fazer isso

é recomendar os conteúdos
de teorias de conspiração ou o fanatismo.

A IA, por si só, não tem qualquer conceito
do que este conteúdo representa,

nem tem nenhum conceito
das possíveis consequências

de recomendar esses conteúdos.

Logo, quando trabalhamos com a IA,

cabe-nos a nós evitar os problemas.

Evitar que algo corra mal

pode resumir-se ao velho problema
da comunicação,

em que nós, enquanto humanos, temos
de aprender a comunicar com a IA.

Temos de aprender o que a IA
é capaz de fazer ou não

e perceber que, com o seu minúsculo
cérebro de minhoca,

a IA não percebe o que estamos
a tentar pedir-lhe para fazer.

Por outras palavras, temos de estar 
preparados para trabalhar com uma IA

que não seja a super competente
ou a omnisciente IA da ficção científica.

Temos de nos preparar
para trabalhar com uma IA

que seja a que atualmente temos.

E a IA atual é suficientemente estranha.

Obrigada.

(Aplausos)