O que é inteligência? Como ela é medida? O que significa dizer que você é mais esperto que um computador?
A inteligência é, na verdade, um conceito muito complicado. Os psicólogos e educadores têm debatido entre si por anos sobre como medir quão talentosa uma pessoa é. E ainda não há consenso. Podemos dizer, por exemplo, que uma pessoa é “talentosa com os livros” mas não tem “esperteza de rua” ou “bom senso”. Algumas pessoas conseguem realizar surpreendentes cálculos matemáticos de cabeça e, no entanto, não conseguem escrever um parágrafo coerente. Outras conseguem aprender várias línguas, mas têm pouca habilidade para conceitualizar ou seguir uma prova matemática. Em 1983, Gardner propôs uma teoria controversa de múltiplas inteligências. Ele argumentou que pelo menos oito diferentes medidas da inteligência são necessárias para descrever o quanto uma pessoa é inteligente.
Confira abaixo as 8 dimensões da inteligência conforme Gardner:
- Inteligência linguística – talentoso com palavras;
- Inteligência lógico-matemática – talentoso com números/racionalização;
- Inteligência espacial – talentoso com imagens;
- Inteligência corpóreo-cinestética – talentoso com o corpo;
- Inteligência musical – talentoso com a música;
- Inteligência interpessoal – talentoso com pessoas;
- Inteligência intrapessoal – talentoso com suas próprias emoções;
- Inteligência naturalista – talentoso com a natureza;
Se a teoria de Gardner é verdadeira, então uma pessoa pode ser mais inteligente que outra em um aspecto e, no entanto, não ser tão inteligente em outro. Todavia, você provavelmente pode concordar que a maioria das pessoas é mais inteligente que cães e que cães são mais inteligentes que computadores na maioria das medidas de inteligência.
Os cientistas de computadores têm tentado há anos, sem sucesso, fazer os computadores inteligentes. As tecnologias chave no campo de inteligência artificial têm sido os sistemas de regras, redes neurais e algoritmos evolutivos. Em um sistema de regras o computador toma decisões baseado em regras lógicas. Os sistemas de regras demonstram algum sucesso em algumas esferas, como jogar xadrez e efetuar diagnósticos médicos, onde as decisões a serem tomadas são limitadas em extensão, o conhecimento necessário para tomar aquelas decisões é bem definido e os dados originados das decisões estão prontamente disponíveis.
Os cientistas computacionais aprenderam a aplicar a lógica fuzzy, ou difusa, lógica baseada em probabilidades, quando as regras são menos claras. Os computadores usam a lógica difusa para que a linguagem faça sentido. Por exemplo, quando um computador ouve a palavra “contabilidade”, pode estar razoavelmente certo de que o orador não quis dizer “contábil idade”, pois é improvável que estas palavras apareçam uma depois da outra. Examinando probabilidades desta maneira, um computador pode deduzir probabilidade de sentido para frases, sentenças e então parágrafos.
Outros avanços nos sistemas de regras dependem de aumentar a quantidade de conhecimento que o computador tem disponível para a aplicação das regras. Para tornar-se inteligente, o computador precisa receber conhecimento que as pessoas admitam como verdadeiro, como “Deve-se sempre carregar uma caixa de biscoitos com a parte aberta para cima”.
O enfoque da rede neural para a inteligência artificial opera por imitação do cérebro humano. Em vez de usar regras embutidas ou programadas e um mecanismo de inferência, a rede neural identifica e reconhece padrões. Uma rede neural simula conexões entre os nervos no cérebro. chamados neurônios, os quais são considerados responsáveis pelas sensações e o raciocínio. Como no cérebro, cada neurônio simulado conecta-se com muitos outros neurônios e pode receber sinais deles simultaneamente. As redes “aprendem” reforçando ou enfraquecendo estas interconexões.
A despeito dos avanços nas técnicas de Inteligência Artificial, o consenso entre cientistas e a população em geral é de que os computadores não são muito inteligentes. Mesmo assim, há pouca dúvida de que eles têm ganho inteligência. Até hoje estes ganhos têm sido quase imperceptíveis. Mas, argumenta Ray Kurzweil, um dos primeiros líderes na pesquisa de IA, normalmente é difícil ver progresso nos estágio iniciais do crescimento exponencial. Quando o progresso passa de um determinado limiar, entretanto, o impacto do crescimento exponencial pode ser surpreendente.
Quando os computadores serão mais inteligentes que você? Pode ser mais cedo do que você pensa.
