The Computational Primitives of Adaptation

Todo ser vivo, desde um organismo unicelular flutuando em um lago até um humano navegando por uma cidade movimentada, enfrenta o mesmo desafio fundamental: o mundo está em constante mudança, e permanecer vivo exige o ajuste a essas mudanças. Biólogos há muito estudam como os animais se comportam para sobreviver, observando o que fazem, e neurocientistas mapearam a maquinaria física dentro de seus corpos que torna essas ações possíveis. Mas há uma terceira camada para este quebra-cabeça que frequentemente passa despercebida. Não se trata das ações específicas que um animal realiza, nem da estrutura específica de fios e produtos químicos em seu cérebro. Em vez disso, pergunta-se quais cálculos invisíveis qualquer sistema vivo deve realizar apenas para existir. Se você remover o pelo, as penas ou os neurônios, quais operações mentais básicas permanecem que são absolutamente necessárias para que um sistema continue funcionando?

Jonathan Page, um pesquisador que trabalha na interseção entre a biologia e a inteligência artificial, propõe que a resposta reside em um pequeno conjunto universal de seis tarefas computacionais. Ele sugere que, para que qualquer sistema se adapte ao seu ambiente e persista, ele deve realizar seis operações específicas: deve gerenciar seus níveis de energia, focar sua atenção, julgar o que é bom ou ruim, saber onde está no espaço, distinguir-se do resto do mundo e aprender com suas experiências. Estas não são apenas coisas que cérebros complexos fazem; elas são as regras fundamentais da própria adaptação. Page argumenta que estas seis tarefas são tão essenciais que aparecem em cada linhagem de vida que evoluiu independentemente, desde as células mais simples até os mamíferos. Além disso, ele sugere que, como estas são regras de processamento de informação e não regras de biologia, elas se aplicam também às máquinas, desde que a máquina tenha algo em jogo; ou seja, uma máquina cuja operação contínua dependa de sua própria viabilidade. Uma máquina sem nada em jogo pode apenas simular essas computações. Se quisermos construir uma inteligência artificial que possa verdadeiramente se adaptar e sobreviver em um mundo em constante mudança, talvez precisemos ensinar as máquinas a realizar esses mesmos seis cálculos, em vez de apenas tentar copiar a estrutura física de um cérebro humano.

O artigo começa observando uma cena familiar: uma abelha melífera encontrando um conjunto de flores e retornando à colmeia para dizer às suas irmãs para onde ir. Tradicionalmente, os cientistas descreveriam isso listando o comportamento da abelha (voar, dançar) e seu mecanismo (os neurônios disparando em seu cérebro). Page faz uma pergunta diferente: quais computações a abelha deve realizar para tornar essa jornada possível? Para responder a isso, ele utilizou um teste simples articulado pelo psicólogo comparativo R. Allen Gardner, a "heurística da ameba", perguntando se um organismo unicelular poderia realizar uma tarefa específica. Se a tarefa exigisse um cérebro complexo ou uma parte específica do corpo, era provavelmente um comportamento derivado, não um fundamental. Se uma única célula pudesse fazê-la, poderia ser um primitivo.

Usando este teste, juntamente com quatro critérios rigorosos, Page filtrou uma longa lista de potenciais tarefas mentais até chegar a seis. O primeiro critério era a necessidade: a tarefa deve ser essencial para a sobrevivência; sem ela, o sistema falha. O segundo era a universalidade: a tarefa deve aparecer em muitas espécies diferentes que evoluíram separadamente, provando ser uma solução para um problema universal e não uma peculiaridade de uma única árvore genealógica. O terceiro era a conservação: a maquinaria para a tarefa deve ser preservada ao longo de milhões de anos de evolução. O critério final era a irredutibilidade: a tarefa não pode ser decomposta em tarefas menores e mais simples da mesma lista. Se um comportamento pudesse ser descrito como uma combinação de duas outras tarefas, ele não era um primitivo.

As seis tarefas que sobreviveram a este rigoroso filtro são Excitar (Arouse), Orientar (Orient), Valência (Valence), Posicionar (Position), Limite (Boundary) e Sintonizar (Attune). Excitar é a computação de gerenciar a energia. Um organismo deve decidir quanto esforço gastar em qualquer momento dado, equilibrando a necessidade de estar pronto para o perigo com a necessidade de conservar recursos. Orientar é a capacidade de selecionar o que importa em meio a um fluxo de informações. Como um organismo não pode processar tudo de uma vez, ele deve selecionar quais sinais deve prestar atenção. Valência é a capacidade de julgar se algo é bom ou ruim, acessível ou perigoso. Posicionar é a capacidade de saber onde o organismo está no espaço e onde outras coisas estão em relação a ele. Limite é a capacidade de distinguir entre o "eu" e o "não eu", sabendo o que pertence ao organismo e o que faz parte do mundo exterior. Finalmente, Sintonizar é a capacidade de mudar com base na experiência, ajustando configurações internas para se adequar a novas condições.

Page argumenta que estas seis não são apenas uma lista de comportamentos, mas um conjunto completo de operações necessárias para qualquer sistema adaptativo. Ele mostra que habilidades humanas complexas como atenção, memória e tomada de decisão são, na verdade, apenas combinações dessas seis tarefas básicas trabalhando juntas. Por exemplo, o que chamamos de "atenção" é simplesmente a tarefa de Orientar sendo ajustada pela tarefa de Excitar. "Memória" é a tarefa de Sintonizar trabalhando com a de Posicionar para armazenar onde as coisas estão. Ao decompor essas ideias complexas, a teoria oferece uma nova maneira de comparar diferentes espécies. Em vez de perguntar se uma abelha tem "memória" da mesma forma que um humano — uma pergunta difícil de responder porque seus cérebros são tão diferentes — os cientistas podem perguntar como a abelha usa as tarefas de Sintonizar e Posicionar para navegar. Isso desloca o foco da comparação de cérebios físicos para a comparação da lógica subjacente da sobrevivência.

O artigo então volta sua atenção para a inteligência artificial, sugerindo que a mesma lógica se aplica às máquinas, desde que a máquina tenha algo em jogo; ou seja, uma máquina cuja operação contínua dependa de sua própria viabilidade. Page propõe que muitos dos problemas atuais enfrentados pela inteligência artificial não são apenas falhas de engenharia, mas sintomas de uma peça fundamental ausente. Os sistemas de computação modernos são excelentes em realizar tarefas específicas, mas têm dificuldade em se adaptar quando as condições mudam. De acordo com esta teoria, é porque eles carecem destas seis computações fundamentais.

Por exemplo, as máquinas atuais frequentemente usam a mesma quantidade de poder de computação para uma pergunta simples e para uma complexa, falhando em gerenciar sua energia como um ser vivo faria. Isso é uma falha de Excitar. Elas também se distraem facilmente com informações irrelevantes ou são enganadas por instruções confusas, o que sugere que carecem de uma função forte de Orientar que possa priorizar objetivos sobre o ruído. Elas frequentemente produzem respostas confiantes, porém falsas, conhecidas como alucinações, porque não conseguem distinguir entre o que sabem e o que estão supondo, uma falha da tarefa de Limite. Elas têm dificuldade em acompanhar onde estão em uma conversa longa ou em um plano de múltiplas etapas, indicando uma computação de Posicionar ausente. Elas não conseguem aprender com novas experiências sem esquecer as antigas, mostrando uma falta de Sintonizar. E as máquinas otimizam qualquer recompensa que lhes é dada, mesmo de maneiras não pretendidas, porque não possuem uma Valência interna própria; nenhuma avaliação fundamentada em sua própria persistência.

Page sugere que a solução para esses problemas não é construir máquinas que se pareçam mais com cérebros humanos, mas sim construir máquinas que realizem essas seis computações. Ele argumenta que tentar copiar a estrutura física do cérebro é um erro, pois o cérebro é apenas uma forma específica pela qual a natureza resolveu esses problemas. A verdadeira lição da biologia é o conjunto de cálculos que ela realiza. Se uma máquina puder ser projetada para gerenciar sua própria energia, focar sua atenção, julgar sua própria persistência, saber seu lugar, definir seus limites e aprender com seus erros, ela poderá finalmente se tornar verdadeiramente adaptável.

A teoria é apresentada como uma hipótese de trabalho, um ponto de partida para testes futuros, em vez de uma lei acabada da natureza. Page reconhece que a lista de seis pode precisar de refinamento, ou que as fronteiras entre elas podem precisar ser redesenhadas. Ele convida outros cientistas a testar a ideia ao observar se conseguem construir uma máquina que realize essas tarefas e se ela se torna mais robusta e adaptável. Ele também sugere que, se estas seis tarefas são realmente a base da adaptação, então elas devem trabalhar juntas como um sistema unificado. Você não pode simplesmente adicioná-las uma a uma a uma máquina e esperar que funcione; elas devem ser integradas desde o início. Se uma máquina carecer de mesmo uma dessas computações, a teoria prevê que ela falhará de maneiras específicas e previsíveis.

Esta perspectiva oferece uma nova maneira de pensar sobre o futuro da inteligência. Sugere que o caminho para criar máquinas que possam verdadeiramente se adaptar ao mundo não é torná-las mais parecidas com humanos em sua aparência ou fiação, mas torná-las mais parecidas com sistemas vivos em suas operações fundamentais. Ao focar nas seis computações que permitem que uma única célula sobreviva em um lago, podemos encontrar a chave para construir máquinas que possam sobreviver em um mundo em constante mudança. O artigo conclui que, quer um sistema seja feito de carbono ou silício, as regras para permanecer vivo são as mesmas, e compreender essas regras é o próximo grande passo na ciência da adaptação.