From Computation to Cognition Assessing the Integration Gap Between Artificial Intelligence and Human Cognition
Esta revisão argumenta que, embora os sistemas de IA atuais demonstrem um forte desempenho funcional e comportamental em tarefas, eles carecem da integração mecanística de memória, aprendizado, sensibilidade ao contexto, tomada de decisão e corporeidade necessária para uma cognição genuinamente humana, e propõe uma agenda de pesquisa com critérios mensuráveis para preencher essa lacuna.
Artigo original sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo
Imagine um mundo onde máquinas podem fazer coisas que outrora pensávamos serem exclusivas dos humanos. Elas podem reconhecer um rosto em uma multidão, traduzir uma língua estrangeira instantaneamente ou escrever um poema que nos comova até as lágrimas. Durante décadas, cientistas construíram computadores para seguir regras estritas, mas nos últimos dez anos, um novo tipo de máquina surgiu. Esses sistemas, frequentemente chamados de modelos de linguagem de grande escala, aprendem com vastas quantidades de texto e dados para prever o que vem a seguir, seja a próxima palavra em uma frase ou o próximo passo em um plano. Eles são incrivelmente bons em realizar tarefas específicas, muitas vezes igualando ou até superando especialistas humanos em campos restritos, como o diagnóstico médico ou a previsão financeira. Mas uma questão mais profunda começou a inquietar pesquisadores da ciência da computação, da psicologia e da neurociência: só porque uma máquina pode produzir a resposta certa, ela realmente entende o mundo da mesma forma que nós?
Esta questão não é sobre se um robô consegue resolver um problema matemático mais rápido que uma pessoa. Trata-se de saber se esse robô possui uma mente unificada. O pensamento humano não é uma coleção de truques separados; é um fluxo contínuo onde a memória, o aprendizado, o contexto e a tomada de decisão trabalham juntos constantemente. Lembramos de um evento passado, usamos essa memória para compreender uma nova situação e ajustamos nosso comportamento com base em como nos sentimos e no que está acontecendo ao nosso redor. Tudo isso acontece em um sistema único e contínuo que muda e cresce com cada experiência. A grande questão é se nossas criações artificiais estão começando a construir esse mesmo tipo de mente integrada, ou se estão simplesmente mimetizando a superfície da inteligência humana sem a maquinaria subjacente.
Uma revisão recente de Muhammad Subhan, da Universidade da Tasmânia, faz um olhar rigoroso e claro sobre esta questão. Em vez de perguntar se as máquinas são "inteligentes" em um sentido vago, o estudo decompõe o problema em três níveis distintos. O primeiro nível é a reprodução funcional, que simplesmente pergunta se uma máquina pode realizar o mesmo trabalho que um humano. O segundo é a reprodução comportamental, que pergunta se a máquina age como um humano não apenas na média, mas em situações complicadas onde os humanos poderiam hesitar ou mudar de ideia. O terceiro e mais difícil nível é a reprodução mecanística, que pergunta se a máquina está utilizando o mesmo tipo de processos internos que os nossos cérebros utilizam. O estudo conclui que, embora as máquinas sejam excelentes nos dois primeiros níveis, elas ainda estão muito longe do terceiro.
Os pesquisadores examinaram uma ampla gama de sistemas modernos de inteligência artificial, desde os modelos geradores de texto que usamos todos os dias até robôs que podem ver e se mover no mundo físico. Eles observaram como esses sistemas lidam com memória, aprendizado, contexto, tomada de decisão e até emoção. As evidências mostram que as máquinas certamente podem realizar tarefas que exigem memória. Por exemplo, um sistema pode consultar informações em um banco de dados e usá-las para responder a uma pergunta. Isso é uma correspondência funcional com a memória humana. No entanto, a maneira como a máquina faz isso é fundamentalmente diferente de como o cérebro humano funciona. Um cérebro humano não armazena fatos em um arquivo separado para depois procurá-los. Em vez disso, nossas memórias estão tecidas na própria estrutura do nosso pensamento; são padrões de conexões que mudam e se fortalecem à medida que aprendemos. Quando uma máquina recupera informações, ela geralmente está executando um processo de busca separado, projetado para ser acoplado ao seu céreão principal, em vez de ter a memória como uma parte intrínseca de como ela pensa.
Essa lacuna torna-se ainda maior quando observamos o aprendizado. Os humanos aprendem continuamente. Podemos ouvir um fato novo hoje e usá-lo amanhã sem termos que interromper e reprogramar todo o nosso cérebro. Também podemos aprender com os erros sem apagar tudo o que sabíamos antes. Os sistemas atuais de inteligência artificial lutam com isso. Quando aprendem algo novo, muitas vezes esquecem o que sabiam anteriormente, um problema que os cientistas chamam de esquecimento catastrófico. Engenheiros construíram correções para resolver isso, como técnicas especiais que protegem a informação antiga enquanto novos dados são adicionados, mas estas são soluções externas. Não são o mesmo que a forma natural e plástica pela qual os neurônios humanos mudam e se adaptam ao longo de uma vida. A máquina não está aprendendo da mesma forma que uma pessoa; ela está sendo "remendada" para evitar um modo de falha específico.
O estudo também analisou como esses sistemas lidam com contexto e tomada de decisão. Os humanos são incrivelmente sensíveis à situação em que se encontram. Sabemos que uma palavra pode significar uma coisa em uma piada e algo completamente diferente em uma discussão séria. Tomamos decisões baseadas em nossos objetivos, nossas emoções e nossas experiências passadas, muitas vezes usando atalhos que não são perfeitamente lógicos, mas que funcionam bem no mundo real. Sistemas artificiais podem ser muito bons em tomar decisões quando as regras são claras e o objetivo é específico. Mas quando a situação é vaga, ou quando a redação de uma pergunta muda ligeiramente, esses sistemas frequentemente tropeçam. Eles tendem a focar na forma superficial das palavras em vez do significado profundo, mostrando que não compreendem verdadeiramente o contexto da maneira que um humano faz. Eles podem ser confiantes e fluentes mesmo quando estão errados, gerando informações falsas com o mesmo tom de um fato verdadeiro.
Talvez a descoberta mais significativa da revisão seja que esses problemas não são apenas falhas isoladas. Eles apontam para uma peça faltante no design de toda a inteligência artificial atual. Os sistemas que temos hoje são construídos a partir de partes separadas. Uma parte lida com a linguagem, outra com a memória e outra com a tomada de decisão. Essas partes são conectadas por engenheiros, mas não conversam naturalmente entre si nem se adaptam juntas como uma unidade única. O estudo argumenta que ainda não criamos um sistema onde a memória, o aprendizado e a tomada de decisão sejam integrados em um todo contínuo e automodificável. A máquina pode realizar o trabalho, mas não possui a mente unificada que permite a um humano navegar pelo mundo com flexibilidade e compreensão.
Os pesquisadores são cuidadosos ao dizer que isso não significa que as máquinas nunca possam alcançar esse tipo de inteligência. Significa apenas que as evidências que temos agora não mostram isso. A abordagem atual de tornar os modelos maiores e treiná-los com mais dados não resolveu o problema. Na verdade, à medida que esses modelos crescem, algumas das lacunas, como a dificuldade em lembrar informações antigas enquanto se aprende coisas novas, parecem se tornar mais urgentes. O estudo sugere que simplesmente escalar o que temos agora não é suficiente. Para transpor essa lacuna, talvez precisemos repensar a própria arquitetura desses sistemas, talvez encontrando maneiras de tornar a memória e o aprendizado intrínsecos à máquina, em vez de adicionados como ferramentas.
Este trabalho fornece um mapa claro de onde estamos. Mostra que, embora tenhamos construído máquinas que podem mimetizar o comportamento humano de muitas maneiras impressionantes, ainda não construímos uma máquina que pense como um humano. A diferença não é apenas uma questão de acertar a resposta; é sobre como a resposta é alcançada. Até que possamos criar um sistema onde o aprendizado, a memória e a ação estejam tecidos em um tecido único e adaptável, nossas criações artificiais continuarão sendo ferramentas poderosas que simulam a inteligência, em vez de exemplos verdadeiros dela. O caminho a seguir exige mais do que apenas computadores maiores; exige uma compreensão mais profunda de como construir uma mente que possa verdadeiramente integrar o mundo que ela experiencia.
Afogado em artigos na sua área?
Receba digests diários dos artigos mais recentes que correspondam às suas palavras-chave de pesquisa — com resumos técnicos, no seu idioma.