Embora o conceito só esteja sendo amplamente utilizado agora, a Inteligência Artificial é algo que vem sendo trabalhado pela literatura acadêmica e laboratórios de pesquisa há décadas. Nesta entrevista, o professor Fábio Cozman, titular do departamento de engenharia mecatrônica da Escola Politécnica da Universidade de São Paulo (USP), fala sobre a evolução dos estudos em IA e para onde eles devem nos levar nos próximos anos.

Cozman atualmente é coordenador da comissão de Inteligência Artificial da SBC (Sociedade Brasileira de Ciência) e suas pesquisas têm foco na automação de processos de decisão sob incerteza, incluindo representação de conhecimento e aprendizado, abrangendo tópicos como IA, redes bayesianas, conjuntos de probabilidade e modelos estatísticos gráficos.

Web.br – Qual o histórico dos estudos na área de Inteligência Artificial?
Fabio Cozman – Os estudos com IA começaram na década de 50. Naquele momento, o objetivo era resolver problemas de alto nível de raciocínio, como fazer um computador jogar xadrez. Por muitos anos, o que conhecíamos como Inteligência Artificial ficou centrado neste tipo de atividade. Hoje IA é uma é uma área bastante grande, que tem um objetivo maior e muito ambicioso. Sabemos que a literatura acadêmica e os laboratórios de pesquisa estão interessados em coisas bastante concretas.

WB – Então qual o cenário atual da IA no Brasil e no mundo?
FC – Nos últimos anos, o que tem causado mais impacto econômico são métodos que procuram aprender, a partir de experiências passadas, problemas que às vezes nem precisam de raciocínio lógico, como identificar uma face ou permitir que um chatbot interprete uma pergunta. São atividades que, a partir de muitos exemplos de como funcionam, possibilitam aos computadores aprender o que deve ser feito a partir de novas imagens e textos. São estes métodos, baseados em dados para solução de problemas, que estão em pauta hoje.

Estes métodos passaram a ser aplicados porque temos hoje muitos dados à disposição. A Web, e especialmente as redes sociais, ajudaram muito na construção desta base. Diante disso, a importância dos dados é imensa. Por isso faz sentido ir nessa direção.

WB – E como você avalia a confiabilidade dos dados circulantes na Web dentro deste contexto?
FC – A experiência obtida a partir deles nunca será 100% confiável porque estes dados podem ser manipulados. E não só isso. Dependendo de como eles são coletados, eles podem reproduzir atitudes discriminatórias, por exemplo. Se os dados vêm de um determinado universo de pessoas, logicamente o sistema de IA que os coleta tende a reproduzir as atitudes daquele grupo. É preciso ter cuidado com isso.

WB – Há outros riscos?
FC – Sim. Há outras questões que os dados não conseguem resolver. Por exemplo, eles não tomam decisões morais. O que pode acontecer se um carro autônomo tiver que decidir entre atropelar uma pessoa ou outra? Para tomar esta decisão, ele não vai depender apenas de dados, mas também de regras e conhecimento que os humanos têm. Esse balanceamento é bastante delicado.

WB – O que tem sido feito nesse sentido?
FC – Temos trabalhado na construção de modelos que usem não apenas dados, mas regras bem estabelecidas. Se você tem milhões de dados, é possível sempre analisá-los e copiar a decisão mais próxima, mas é preciso o conhecimento para explicar as razões que levaram àquela decisão, por exemplo. Usamos o conhecimento para ser transferido para o modelo, para explicar razões e também quando queremos começar a aprender sem a necessidade de tanto volume de dados. Temos trabalhado nesse sentido.

WB – E qual tem sido o resultado deste trabalho?
FC – Temos desenvolvido sistemas que respondem questões. Os melhores métodos em funcionamento atualmente transformam palavras em números e perdem o conteúdo da palavra, sem explicar o porquê das decisões. Estamos tentando analisar o mapeamento entre a palavra e o número, possibilitando explicar a resposta.

WB – Pode nos dar um exemplo?
FC – Sim. Se você perguntar a um chatbot se o Obama foi presidente dos Estados Unidos, ele vai responder que sim, porque é a informação que está na base de dados. Nosso objetivo final é permitir que o sistema argumente, caso você faça uma pergunta mais complexa. Por exemplo, se você perguntar se o Obama foi presidente do Brasil, em vez de dizer que não porque não está na base, ele vai lhe explicar que o Obama nasceu nos Estados Unidos e que a lei brasileira não permite a estrangeiros concorrer a cargos eletivos, ou seja, após a pergunta, o usuário terá acesso ao porquê da resposta.

Outro exemplo: se uma pessoa pede um empréstimo ao banco, via chatbot, e a resposta for negativa, ela quer saber a razão. Nossa proposta é que, no futuro, as decisões possam ser explicadas.

WB – Estamos muito longe desse futuro?
FC – Estamos trabalhando e deveremos ter nosso protótipo em um ou dois anos. Há outras pesquisas caminhando na mesma direção em nível global, por isso em dois anos acredito que já teremos sistemas que combinam dados e conhecimento em operação.