Nos últimos dez anos, testemunhamos uma revolução no campo da Inteligência Artificial (IA), comparável ao surgimento de uma nova forma de inteligência em nosso planeta. Essa inteligência, porém, difere da nossa. Possui capacidades extraordinárias, mas também comete erros grosseiros que nós, humanos, não cometeríamos. Ainda não domina o raciocínio lógico profundo que nos caracteriza. Essa IA, ainda misteriosa, se apresenta poderosa e frágil ao mesmo tempo, e a nossa compreensão de seu funcionamento permanece superficial. Para desvendar os segredos da IA, é fundamental contextualizá-la dentro da história da inteligência biológica, uma jornada que remonta a 500 milhões de anos, ao ancestral comum de todos os vertebrados.
A evolução moldou o cérebro, e este, por sua vez, nos permitiu desenvolver a matemática e a física necessárias para compreender o universo, de quarks à cosmologia. Contudo, para entendermos as recentes conquistas da IA, precisamos ir além. É necessário integrar física, matemática, neurociência, psicologia e ciência da computação para criar uma nova ciência: a ciência da inteligência. Essa ciência tem o potencial de desvendar os mistérios da inteligência biológica e, simultaneamente, impulsionar a criação de IAs mais sofisticadas. A necessidade dessa nova ciência é premente, pois a criatividade da inteligência, seja ela biológica ou artificial, já ultrapassa nossa capacidade de compreendê-la.
Existem cinco áreas-chave onde a IA precisa de aprimoramento: eficiência de dados, eficiência energética, superação dos limites da evolução, explicabilidade e a fusão entre a mente humana e a máquina. A IA atual é insaciável por dados. Para treinar modelos de linguagem, utilizamos trilhões de palavras, enquanto um ser humano precisa de apenas 100 milhões. Essa discrepância é gritante, mesmo considerando os 500 milhões de anos de evolução do cérebro dos vertebrados. Nosso código genético, armazenado no DNA, contém apenas cerca de 700 megabytes de informação, equivalente a 600 milhões de palavras. Somos máquinas de aprendizado incrivelmente eficientes.
Para preencher essa lacuna, precisamos repensar os algoritmos de treinamento atuais, transformando o aprendizado de máquina em uma nova ciência: o ensino de máquina. A neurociência, a psicologia e a matemática serão cruciais nesse processo. Imagine se educássemos uma criança como treinamos um modelo de linguagem, simplesmente apresentando-lhe fragmentos aleatórios de texto e dizendo "esta é a próxima palavra". Seriam necessários milhares de anos para que ela aprendesse algo útil. Nós, humanos, ensinamos algoritmos, conceitos, e isso permite que as crianças generalizem e resolvam novos problemas com muito menos dados.
O cérebro humano consome apenas 20 watts de energia, enquanto o treinamento de um grande modelo de IA pode exigir até 10 milhões de watts. Essa diferença abismal se deve à natureza da computação digital, onde cada operação depende de rápidas e confiáveis mudanças de bits, que, pelas leis da termodinâmica, consomem muita energia. A biologia, por outro lado, opera de forma mais lenta e menos confiável em seus passos intermediários, mas alcança o resultado correto com notável eficiência energética.
Para construir IAs mais eficientes, precisamos repensar toda a estrutura tecnológica, desde os componentes eletrônicos até os algoritmos, buscando uma maior harmonia entre os padrões de computação e as leis da física. A biologia nos mostra o caminho, integrando seus cálculos com a física do universo. Por exemplo, a adição em um computador envolve circuitos complexos e dispendiosos, enquanto os neurônios simplesmente somam as tensões de entrada, aproveitando as leis do eletromagnetismo de Maxwell. A neurociência nos permite medir não apenas a atividade neural, mas também o consumo de energia do cérebro, revelando princípios de alocação preditiva de energia, onde o cérebro antecipa suas necessidades energéticas e as supre com precisão. Não precisamos nos limitar à evolução biológica. Podemos adotar seus algoritmos neurais e aplicá-los a hardwares quânticos, criando sistemas híbridos que transcendem as limitações da biologia. Imaginem átomos funcionando como neurônios e fótons como sinapses, formando memórias associativas quânticas e otimizadores com capacidades sem precedentes.
A IA nos permite construir modelos cerebrais complexos e precisos, mas precisamos ir além da mera reprodução. A explicabilidade é crucial para entendermos o funcionamento desses modelos e, consequentemente, o funcionamento do próprio cérebro. Utilizando técnicas de IA explicável, podemos analisar circuitos neurais e desvendar os princípios que regem seu comportamento. Com isso, podemos construir "gêmeos digitais" do cérebro e utilizá-los para acelerar descobertas neurocientíficas. A fusão entre mente e máquina, por meio da comunicação bidirecional, abre um leque de possibilidades: entender, curar e aprimorar o cérebro. Já conseguimos decodificar imagens da atividade cerebral de camundongos e até mesmo induzir alucinações controladas, demonstrando o potencial dessa abordagem. A busca por uma ciência da inteligência unificada, que abranja tanto o biológico quanto o artificial, é uma jornada crucial para o futuro da humanidade. Essa jornada deve ser conduzida de forma aberta e colaborativa, com a academia desempenhando um papel fundamental. Assim como no século passado nos voltamos para o cosmos, neste século devemos olhar para dentro, para nós mesmos e para as IAs que criamos, em busca de uma compreensão mais profunda da inteligência.
