A verdadeira Inteligência Artificial mudará tudo | Juergen Schmidhuber | TEDxLakeComo

Prof. Juergen Schmidhuber foi chamado de o pai da Inteligência Artificial moderna. Os métodos de aprendizado profundo de seu laboratório revolucionaram o aprendizado de máquina e agora estão disponíveis em 3 bilhões de smartphones, e são usados bilhões de vezes por dia, por exemplo, para tradução automática do Facebook, reconhecimento de fala do Google, Siri e QuickType da Apple, Alexa da Amazon etc. Em sua palestra, ele explica por que estamos testemunhando um momento na história cuja importância só pode ser comparada ao surgimento da vida como conhecemos no universo, há cerca de 3,5 bilhões de anos.

Esta palestra foi dada em um evento TEDx, que usa o formato de conferência TED, mas é organizado de forma independente por uma comunidade local. Para saber mais, visite http://ted.com/tedx

Quando eu era um garoto,

queria maximizar meu impacto no mundo,

e eu era esperto o suficiente
para entender que não sou muito esperto.

E que tenho que construir uma máquina

que aprenda a se tornar
muito mais esperta que eu,

que consiga resolver todos os problemas
que não consigo resolver sozinho,

e eu possa me aposentar.

Minha primeira publicação
sobre o assunto foi há 30 anos: 1987.

Minha tese de pós-graduação,

na qual eu já tentava resolver
o grande problema de IA:

não só construir uma máquina
que aprende um pouco aqui e ali,

mas que também aprende a melhorar
o próprio algoritmo de aprendizado.

E a forma de aprender,
a forma de aprender,

e assim por diante, sem limites

exceto os limites da lógica e da física.

Ainda estou trabalhando na mesma coisa,

e dizendo a mesma coisa,

exceto que agora há
mais pessoas escutando.

Porque os algoritmos de aprendizagem

que desenvolvemos
para alcançar esse objetivo,

estão agora em 3 bilhões de smartphones.

E todos vocês os têm em seus bolsos.

Vemos aqui as cinco empresas
mais valiosas do mundo ocidental:

Apple, Google, Facebook,
Microsoft e Amazon.

Todas elas enfatizam

que a IA, a Inteligência Artificial,

é fundamental para o que estão fazendo.

E todas elas usam intensamente
os métodos de aprendizagem profunda

que minha equipe vem desenvolvendo
desde o início dos anos 90,

em Munique e na Suíça.

Especialmente algo chamado
"long short-term memory".

Alguém nesta sala já ouviu falar
em "long short-term memory",

ou LSTM?

Levantem as mãos,
quem já ouviu falar disso?

Certo.

Alguém nunca ouviu falar de LSTM?

Certo.

Vejo que temos
um terceiro grupo nesta sala:

aqueles que não entenderam a pergunta.

(Risos)

LSTM é mais ou menos como nosso cérebro:

é uma rede neural artificial
que também tem neurônios,

No cérebro, temos
cerca de 100 bilhões de neurônios.

Cada um deles está conectado

a aproximadamente 10 mil
outros neurônios em média.

O que significa que temos
um milhão de bilhões de conexões.

Cada uma dessas conexões tem uma "força"

que diz o quanto esse neurônio aqui

influencia aquele neurônio lá
no próximo passo.

No começo,

todas essas conexões são aleatórias
e o sistema não sabe nada.

Depois, por meio de um algoritmo
de aprendizagem inteligente,

ele aprende através de vários exemplos
a traduzir os dados de entrada,

como vídeos pelas câmeras,
ou áudios pelos microfones,

ou sinais de dor por sensores de dor.

Ele aprende a traduzir isso
para ações de saída,

porque alguns desses neurônios
são neurônios de saída,

que controlam os músculos
da fala e dos dedos.

E somente pela experiência,

pode aprender a resolver
vários problemas interessantes,

como dirigir um carro

ou fazer o reconhecimento de fala
no seu smartphone.

Porque, sempre que você
pega um smartphone,

um Android, por exemplo,

e fala para ele, você diz:

"Google, mostre-me
a rota mais curta para Milão".

Ele entende sua fala.

Porque tem uma LSTM lá
que aprendeu a entender a fala.

A cada 10 milissegundos,
100 vezes por segundo,

novos dados entram pelo microfone,

e depois são traduzidos,
após o processamento,

em letras

que por sua vez são questionadas
no mecanismo de busca.

E ele aprendeu a fazer isso

ouvindo várias falas, de mulheres,
de homens, de todo tipo de pessoas.

E é assim que, desde 2015,

o reconhecimento de fala
do Google está muito melhor.

A célula básica de LSTM é assim.

Não tenho tempo para explicar isso,

mas pelo menos posso listar os nomes

dos estudantes do meu laboratório
que a tornaram possível.

E o que as grandes empresas
estão fazendo com isso?

Bem, o reconhecimento de fala
é apenas um dos exemplos;

se vocês estiverem no Facebook...
alguém está no Facebook?

Vocês clicam às vezes no botão de tradução

porque alguém lhes enviou
algo em outra língua

e então você pode traduzir.

Alguém faz isso?

Sempre que fazem isso,

vocês despertam, novamente, a LSTM,

que aprendeu a traduzir
textos de uma língua

para outra.

O Facebook faz isso
4 bilhões de vezes ao dia.

Então, a cada segundo,

50 mil frases são traduzidas

por uma LSTM trabalhando para o Facebook;

e outras 50 mil frases no próximo
segundo, e assim por diante.

E, para vermos como isso
viabiliza o mundo moderno,

notem que quase 30%

do incrível poder computacional de dedução

e todos esses centros de dados do Google,

em várias partes do mundo,

são usados por LSTMs.

Quase 30%.

Se você tem um Echo da Amazon,

pode fazer uma pergunta e ele te responde.

E a voz que você ouve não é uma gravação.

É uma rede neural LSTM

que aprendeu de exemplos de treinamento

a soar como uma voz feminina.

Se você tem um iPhone e usa quick type,

ele tenta prever
o que você quer fazer a seguir

dado todo o contexto anterior
do que você fez até agora.

Mais uma vez, é uma LSTM
que aprendeu a fazer isso,

então está em um bilhão de iPhones.

Vocês são um público grande,
pelos meus padrões:

mas, quando começamos esse trabalho,
décadas atrás, nos anos 90,

poucas pessoas se interessavam por isso,

porque os computadores eram lentos
e não dava para fazer muito com eles.

Lembro que dei uma palestra
em uma conferência,

e havia uma única pessoa na plateia,

uma mulher jovem.

Eu disse: "Moça, é muito embaraçoso,

mas aparentemente hoje
vou dar essa palestra só para você".

E ela disse:

"Certo, mas por favor se apresse,
eu sou a próxima palestrante!"

(Risos)

Desde então, temos nos beneficiado
do fato de que a cada cinco anos

os computadores ficam
dez vezes mais baratos,

o que é uma tendência antiga
que se mantém desde 1941, pelo menos.

Desde que este homem, Konrad Zuse,

construiu o primeiro computador funcional
controlado por programa em Berlim

e ele podia fazer, grosso modo,
uma operação por segundo.

Uma!

E então, dez anos depois,
pelo mesmo preço,

outro podia fazer 100 operações;

30 anos depois,

1 milhão de operações pelo mesmo preço;

e hoje, depois de 75 anos, podemos fazer

um milhão de bilhões de vezes
mais pelo mesmo preço.

E a tendência não está prestes a parar,

porque os limites físicos
estão muito mais distantes.

Muito em breve, e não em anos ou décadas,

teremos pela primeira vez
pequenos dispositivos computacionais

que conseguirão computar
tanto quanto um cérebro humano;

e essa é uma tendência que não termina aí.

Cinquenta anos depois, haverá
um pequeno dispositivo computacional,

pelo mesmo preço,

que poderá computar tanto quanto
10 bilhões de cérebros humanos juntos.

E não haverá apenas um desses
dispositivos, mas muitos.

Tudo irá mudar.

Já em 2011, computadores
eram rápidos o suficiente

de modo que métodos
de aprendizado profundo

pela primeira vez alcançaram resultados
sobre-humanos de reconhecimento de padrão.

Foi o primeiro resultado sobre-humano
na história da visão computacional.

E naquela época, os computadores eram
20 vezes mais caros do que hoje,

então hoje, pelo mesmo preço,
podemos fazer 20 vezes mais.

E apenas cinco anos atrás,

quando os computadores eram
dez vezes mais caros do que hoje,

já conseguíamos vencer, pela primeira vez,
competições de imagens médicas.

O que você vê atrás de mim
é um recorte do seio feminino

e o tecido que você vê lá
tem todos os tipos de células;

e normalmente você precisa
de um médico histologista treinado

que é capaz de detectar
as células cancerígenas perigosas,

ou células pré-câncer.

Agora, nossa rede estúpida

não sabe nada sobre câncer,
não sabe nada sobre visão.

Não sabe nada no começo:

mas podemos treiná-la para imitar
o professor humano, o médico.

E ficou tão boa, ou ainda melhor,
do que os melhores concorrentes.

E muito em breve,

todo o diagnóstico médico
será sobre-humano.

E isso será obrigatório,

porque vai ser muito
melhor que os médicos.

Depois disso, vários tipos de "startups"
de imagens médicas foram fundadas

focando apenas nisso,
porque é tão importante.

Também podemos usar
LSTM para treinar robôs.

Uma coisa importante que quero dizer

é que não temos apenas sistemas

que imitam servilmente
o que os humanos mostram;

não, também temos IAs
que estabelecem seus próprios objetivos.

E como bebês, inventam
seus próprios experimentos

para explorar o mundo

e descobrir o que se pode fazer no mundo.

Sem um professor.

Tornando-se cada vez mais solucionadores
de problemas gerais no processo,

aprendendo novas habilidades
a partir das antigas.

E isso vai aumentar em escala:
chamamos de "Curiosidade Artificial".

Ou um termo usado
recentemente é "power plane".

Aprendendo a se tornar cada vez mais
solucionadores de problemas gerais

aprendendo a inventar, como um cientista,
um objetivo interessante após o outro.

E isso vai escalar.

E penso que em alguns poucos anos,
pela primeira vez,

teremos uma IA semelhante a um animal;

ainda não temos isso.

No nível de um pequeno corvo,

que já pode aprender a usar
ferramentas, por exemplo,

ou um macaquinho.

E quando tivermos isso,

pode demorar apenas algumas décadas

para dar o passo final em direção
à inteligência no nível humano.

Porque a evolução tecnológica

é cerca de um milhão de vezes
mais rápida do que a evolução biológica,

e a evolução biológica precisou
de 3,5 bilhões de anos

para evoluir um macaco do zero.

Mas depois, levou apenas algumas
dezenas de milhões de anos

para evoluir inteligência ao nível humano.

Temos uma empresa chamada Nnaisense,

como nascimento em francês,
mas escrito de uma maneira diferente,

que está tentando tornar
isso uma realidade

e construir a primeira IA
verdadeiramente de uso geral.

No momento, quase todas as pesquisas em IA
são muito centradas no humano,

é sobre como fazer vidas humanas serem
mais longas, mais saudáveis e mais fáceis

e fazer humanos mais viciados
em seus smartphones.

Mas, a longo prazo, as IAs vão,
especialmente as espertas,

vão definir seus próprios objetivos.

E não tenho dúvidas, em minha mente,

que elas vão se tornar muito
mais espertas do que nós.

E o que elas vão fazer?

Claro que elas vão perceber
o que percebemos há muito tempo;

que a maioria dos recursos,
no sistema solar ou em geral,

não estão na nossa pequena biosfera.

Eles estão lá fora no espaço.

E então, é claro, elas vão emigrar.

E é claro que elas vão usar

trilhões de fábricas
de robôs autorreplicantes

para expandir na forma
de uma bolha de IA crescente

que dentro de algumas
centenas de milhares de anos

vai cobrir toda a galáxia

por remetentes e receptores

de modo que as IAs possam viajar

do jeito que já estão viajando
no meu laboratório:

por rádio, do remetente ao receptor.

Sem fio.

Então, o que estamos testemunhando agora

é muito mais do que apenas
uma outra revolução industrial.

Isto é algo que transcende a humanidade,

e até a própria vida.

A última vez que algo
tão importante aconteceu

foi talvez 3,5 bilhões de anos atrás,
quando a vida foi inventada.

Um novo tipo de vida vai surgir
do nosso pequeno planeta

e vai colonizar e transformar
todo o universo.

O universo ainda é jovem:
tem apenas 13,8 bilhões de anos,

vai ficar muito mais velho que isso,
muitas vezes mais velho que isso.

Então há muito tempo
para alcançar tudo isso,

ou todas as partes visíveis,

totalmente dentro dos limites
da velocidade da luz e da física.

Um novo tipo de vida vai
tornar o universo inteligente.

Agora, é claro, não vamos permanecer
a coroa da criação, claro que não.

Mas ainda há beleza

em ver a si mesmo
como parte de um processo maior

que leva o cosmos

da baixa complexidade
para maior complexidade.

É um privilégio viver em um tempo

onde podemos testemunhar o começo disso

e onde podemos contribuir
um pouco para isso.

Obrigado pela paciência.

(Aplausos)