Acesso rápido:
Ir diretamente ao contéudo (Alt 1)Ir diretamente à navegação secundária (Alt 3)Ir diretamente à navegação principal (Alt 2)

Inteligência artificial
Algoritmos são como receitas

Códigos de fonte funcionam praticamente como uma receita culinária: os algoritmos determinam nossa vida cotidiana.
Códigos de fonte funcionam praticamente como uma receita culinária: os algoritmos determinam nossa vida cotidiana. | Foto (detalhe): © Adobe

Para assegurar que o prato seja saboroso, os ingredientes têm que ser cuidadosamente selecionados: o especialista em algoritmos Sebastian Schelter fala sobre inteligência artificial, relata como ela tira decisões das nossas mãos e de que forma isso influencia nossas vidas.

Inteligência artificial (IA) e computadores que aprendem sozinhos: essas coisas, que ainda soam um pouco como ficção científica, já se tornaram há um bom tempo parte do nosso dia a dia. Os algoritmos não só determinam o que vemos e ouvimos em serviços de streaming, mas, em determinadas situações, decidem também quem é aprovado para um empréstimo ou preveem quão provável será a recidiva de um condenado. Mas o que é, de fato, um algoritmo? E como a inteligência artificial afeta nossa vida?  

A receita básica: o algoritmo

“Antes de qualquer coisa, um algoritmo é uma sequência de passos. É possível pensar nele como em uma receita culinária: você tem primeiro os ingredientes, ou seja, a inserção de dados no programa de computador. A receita então indica, passo a passo, o que fazer para preparar o prato corretamente”, explica o especialista em algoritmos Sebastian Schelter, que pesquisa sobre gerenciamento de dados e aprendizado da máquina na Universidade de Amsterdã.

Nesse sentido, os algoritmos não são nada de novo, pois todo programa de computador funciona a partir deste princípio. O que nos preocupa de fato, quando falamos hoje sobre a influência crescente dos algoritmos, é o aprendizado da máquina: “Em um programa convencional de computador, um ser humano determina todos os passos que devem ser seguidos para que um problema em particular seja resolvido. Há, contudo, problemas cuja resolução por parte do computador não pode ser facilmente indicada por nós”, diz o especialista. No caso do aprendizado da máquina, parte-se, portanto, de uma outra abordagem. 

Sebastian Schelter é doutor pela Universidade Técnica de Berlim. Atuou como pesquisador na New York University e na Amazon Research. Como professor júnior na Universidade de Amsterdã, trabalha em questões como a interface entre o gerenciamento dos dados e o aprendizado da máquina. Sebastian Schelter é doutor pela Universidade Técnica de Berlim. Atuou como pesquisador na New York University e na Amazon Research. Como professor júnior na Universidade de Amsterdã, trabalha em questões como a interface entre o gerenciamento dos dados e o aprendizado da máquina. | Foto: © Sebastian Schelter

Culinária para avançados: o algoritmo aprendiz

“Um exemplo simples é um filtro de spam destinado a distinguir e-mails publicitários de mensagens pessoais. Esse não é um problema simples para uma pessoa que escreve um programa de computador. É possível definir diversos critérios e regras, a partir dos quais poderia haver teoricamente o reconhecimento de um e-mail publicitário – seja em função do horário no qual a mensagem foi enviada ou de certas palavras que aparecem no texto. No entanto, em algum momento, você vai se deparar com os limites da capacidade humana”, explica Schelter.

No aprendizado da máquina, um computador não é, portanto, programado explicitamente, mas mostra-se a ele alguns exemplos. O melhor caminho para a solução é encontrado por ele próprio. Em vez de apresentar a receita completa, o programador apenas determina o resultado desejado que o programa deverá apresentar no fim. 

“Nesse caso, os dados em questão poderiam ser mil e-mails que se quer receber, ou uma série inteira de exemplos negativos de e-mails publicitários que deveriam ser filtrados”, explica Schelter. “O algoritmo estima então, a partir desses exemplos, a probabilidade de uma nova mensagem ser propaganda ou não. A grande diferença é que, na programação convencional, o ser humano define os passos exatos, enquanto algoritmos aprendizes criam seus próprios critérios de seleção baseados em exemplos e probabilidades estatísticas.”

Enganados pela inteligência artificial

Algoritmos aprendizes são capazes de resolver certos problemas não apenas mais rapidamente que os humanos, mas também melhor. Quando o programa Pluribus derrotou jogadores humanos de pôquer em 2019, a inteligência artificial demonstrou que pode aprender até mesmo a blefar melhor que um humano. Na medida em que suas habilidades crescem, também cresce sua influência em áreas como saúde, finanças e Justiça.   

Também na Alemanha as pessoas são confrontadas diariamente com decisões de algoritmos inteligentes. “Sob o ponto de vista científico, esses são procedimentos matemáticos abstratos que podem ser aplicados em muitas áreas, tais como determinar a probabilidade de que uma pessoa em particular possa pagar um empréstimo”, diz Schelter.

Em países como os Estados Unidos e a Austrália, por exemplo, os algoritmos têm sido acusados de discriminar grupos étnicos em suas decisões. Schelter elucida a raiz do problema: “Isso se deve parcialmente ao fato de que a discriminação se encontra na amostra de dados apresentada ao algoritmo. Se você simplesmente deixa que ele funcione às cegas, ele reproduz essa discriminação”.

Um algoritmo diplomático?

Estabelecer limites para os algoritmos e a inteligência artificial não é meramente um problema técnico, mas sobretudo ético. Ou seja: é possível ensinar “tato” a um algoritmo? 

“Essa questão está, a priori, em aberto. Minha opinião é de que há áreas nas quais uma decisão errada de um algoritmo não tem consequências sérias – como quando, por exemplo, um serviço de streaming toca para mim a música errada. Mas há outras áreas onde um algoritmo pode ser usado para fazer uma recomendação, mas um ser humano deve tomar a decisão final, assim como há áreas que deveriam simplesmente ser deixadas para o julgamento humano”, argumenta Schelter.

“Nos Estados Unidos, algoritmos são usados para estimar quão provável será a recidiva de um condenado preso após sua libertação. Os tribunais e as agências de imposição da lei têm acesso a esses dados quando consideram a liberdade condicional antecipada”, completa Schelter. Aí surge urgentemente a pergunta: isso é justo?

“A justiça é um tema difícil de ser encapsulado matematicamente, pois envolve acima de tudo questões filosóficas, políticas e legais. Cada pessoa tem uma ideia diferente do que é ou não é justo, não sendo matematicamente possível satisfazer todas as definições de justiça ao mesmo tempo.”

Estudos que exploram o quão justas são decisões tomadas por algoritmos também têm demonstrado a importância de injetar um pouco de tato no processo. Em muitas áreas, precisamos chegar a um acordo ético, político e legal sobre o que seria uma decisão “correta” antes de confiar a tarefa a um algoritmo. “E, mesmo que consigamos, ainda precisaremos nos perguntar filosófica e politicamente se queremos mesmo fazer isso”, conclui Schelter. 


 

Top