Dwight Ellefsen/FPG/Arquivo
Leis do Pensamento
Tom Griffiths, William Collins (Reino Unido) Macmillan (EUA)
DURANTE quase 70 anos, os investigadores cognitivos têm travado uma guerra civil. De um lado está o computacionalismo, que afirma que a inteligência é melhor explicada através de regras, símbolos e lógica que podem ser expressas em equações. Por outro lado, está o conexionismo, onde a inteligência emerge de vastas redes conectadas modeladas em neurônios cerebrais, e nenhum componente isolado é inteligente, mas o sistema como um todo é inteligente.
A batalha moldou tudo, desde a ciência cognitiva até à inteligência artificial que está agora a transformar a economia global. Este mês, dois novos livros vêm de lados opostos. Para mim, o que se destaca é Leis do Pensamento: A busca por uma teoria matemática da mente. Nele, o professor de Princeton, Tom Griffiths, traça o longo esforço para formalizar o pensamento em leis matemáticas, explicando por que a IA moderna é como é – e o que o futuro pode reservar.
Griffiths enquadra a história em torno de três formas matemáticas concorrentes e cada vez mais emaranhadas de formalizar o pensamento: regras e símbolos, redes neurais e probabilidade. A primeira trata o pensamento como a resolução de problemas – dividindo a tarefa em objetivos e subobjetivos e, em seguida, direcionando-a com etapas formais. Isto apoia a IA nos seus primórdios, mas também mostra porque é que o bom senso humano é tão difícil de imitar, uma vez que o número de regras que uma IA deve obedecer ascende agora a dezenas de milhões de requisitos.
As redes neurais comercializam regras explícitas para aprender a partir de exemplos, construindo inteligência a partir de muitas unidades simples cujas interações produzem comportamentos complexos. É (mais ou menos) assim que os humanos funcionam, mas a probabilidade e as estatísticas acrescentam um terceiro elemento: a incerteza. A mente não tem acesso a informações perfeitas, e o que nos torna humanos é a forma como consideramos as evidências e atualizamos nossas crenças.
Para Griffiths, estes três enquadramentos não são suficientes. Uma explicação realista da inteligência, seja ela humana ou máquina, combinaria as três. Ele expressou sua opinião historicamente, observando como os humanos tentaram mapear processos de pensamento usando a matemática, usando arquivos e entrevistas com pesquisadores. Como resultado, o livro é detalhado e interessante, embora um pouco chato.
Uma abordagem diferente foi adotada pelos neurologistas Gaurav Suri e Jay McClelland em Mentes Emergentes: Como a inteligência emerge em humanos e máquinasonde argumentam que a mente é uma propriedade emergente da interação de redes de neurônios, biológicos ou artificiais, que podem produzir pensamentos, emoções e decisões. Isto baseia-se na história de McClelland como pioneiro do conexionismo.
Esses dois livros oferecem visões interessantes e contraditórias sobre a revolução generativa da IA. Para Griffiths, os grandes modelos de linguagem (LLMs) confirmaram sua visão híbrida: eram impressionantes, mas alucinatórios e tropeços, e era necessária uma camada simbólica para corrigi-los. Para Suri e McClelland, o mesmo LLM é uma justificativa: é incrível como o pensamento vem apenas do networking.
Problema com Pensamentos emergentes não é a tese, mas a entrega, já que seu tom alterna entre frases simples e frases desajeitadas. Explicar matemática e ciências é sempre complicado e nenhum livro consegue explicá-las completamente Leis do Pensamento se aproxima porque descrever a história da IA significa focar no que cada estrutura pode ou não explicar.
Pensamentos emergentes tem um manifesto mais provocativo, no qual os autores não vêem obstáculos fundamentais para uma IA mais autônoma e orientada para objetivos emergir da arquitetura neural pura. Como resultado, parece menos enraizado na realidade.
No entanto, o livro de Griffiths oferece uma compreensão sólida da “linguagem” que temos para descrever o pensamento e por que o futuro pode estar repleto de sobreposições confusas.
Esse futuro poderia sinalizar a paz entre os dois campos?
Dois outros ótimos livros sobre inteligência de máquina
Algoritmo a seguir
por Brian Christian e Tom Griffiths
Este é um tour animado e não técnico sobre como as ideias da computação podem iluminar as decisões cotidianas, incluindo como as abordagens algorítmicas podem melhorar a tomada de decisões humanas. Isto foi co-escrito por Griffiths há uma década, antes da revolução ChatGPT, mas continua relevante.
Reiniciando a IA
Construindo inteligência artificial em que podemos confiar por Gary Marcus e Ernest Davis
As redes neurais de hoje podem ser impressionantes, mas frágeis, segundo o livro. Isto apoia um sistema híbrido que recupera o poder da abordagem de regras e símbolos – uma das três estruturas matemáticas do novo livro de Griffiths.
Chris Stokel-Walker é um escritor de tecnologia que mora em Newcastle upon Tyne, Inglaterra
