Jonathan Tennenbaum – June 12, 2020
Felizmente, seu cérebro não é um computador
Esta é a quarta parte de uma série. Leia as Parte 1, Parte 2 e Parte 3.
Perseguindo as fraquezas da inteligência artificial atual – o que chamei de “problema de estupidez”– somos levados ao fascinante campo da neurobiologia, que nos últimos tempos experimentou uma série de descobertas revolucionárias. Essas descobertas derrubaram muitos dos dogmas sobre a função cerebral que moldaram o desenvolvimento inicial da IA, ao mesmo tempo em que sugerem direções revolucionárias para a IA no futuro.
IA, o cérebro e a mente
Como funciona o cérebro humano? Desnecessário dizer que as tentativas de responder a essa pergunta moldaram o desenvolvimento da inteligência artificial desde seu início nas décadas de 1940 e 1950 até hoje. O mesmo vale para a questão um tanto diferente: como funciona a mente humana?
A expectativa inicial, de que alguém pudesse realmente construir máquinas com inteligência semelhante à humana, encontrou encorajamento em três direções principais.
Em primeiro lugar, evidências de que o funcionamento do cérebro humano e do sistema nervoso, embora incrivelmente complicado do ponto de vista biológico, é baseado em processos elementares de “tudo ou nada” do tipo que podem ser facilmente imitados por circuitos eletrônicos digitais (ver abaixo).
Ilustração: Wiki Commons
Em segundo lugar, o desenvolvimento da lógica simbólica e das linguagens formais capazes de expressar grandes partes da matemática superior, sugerindo que todo o raciocínio humano pode ser reduzido ao equivalente à manipulação de sequências de símbolos de acordo com conjuntos de regras. Tais operações formais também podem ser facilmente emuladas por um computador digital.
Símbolos do cálculo lógico inventado por Gustave Frege (Begriffsschrift 1879) e equivalentes usados na lógica matemática hoje. Ilustração: Wikimedia
Em terceiro lugar, a perspectiva de construir dispositivos eletrônicos de cálculo cada vez mais rápidos. A esse respeito, o progresso desde a década de 1950 não foi decepcionante: a densidade de elementos de comutação nos microchips atuais excede a dos neurônios no cérebro.
Observe que o primeiro ponto pertence ao cérebro, enquanto o segundo pertence à mente. Eles correspondem às duas orientações principais que a IA tendeu a seguir no período subsequente: redes neurais artificiais e aprendizado de máquina, por um lado, e a chamada inteligência artificial simbólica, por outro.
O primeiro não se preocupa muito com os aspectos estruturais do pensamento, que supostamente “emergeriam” de alguma forma do processo de formação do sistema. Em contraste, a IA simbólica orienta para a suposta estrutura do pensamento e da linguagem humanos. Para este último propósito, não há necessidade de tentar imitar o cérebro como um órgão. Pode-se, em princípio, usar qualquer tipo de hardware.
A tendência atual em IA é para sistemas híbridos que combinam ambas as abordagens, mantendo os computadores digitais como base tecnológica para a realização de sistemas de IA. Os sistemas de IA permanecem sem exceção matematicamente equivalentes às máquinas de Turing e podem, portanto, ser classificados como estúpidos (Ver Parte 2).
O paradigma errado
Por mais bem-sucedidas – e até mesmo indispensáveis em muitas esferas práticas hoje – as abordagens dominantes da inteligência artificial permanecem enraizadas em falsas concepções sobre a natureza da mente e do cérebro como órgão biológico.
Infelizmente, os modelos simplistas do cérebro e da mente, que foram o ponto de partida original da IA, desde então se tornaram o paradigma para quase tudo o que hoje é chamado de ciência cognitiva, bem como para grande parte da neurobiologia. Tornou-se uma prática padrão impor métodos, conceitos, modelos e vocabulário dos campos da inteligência artificial, ciência da computação e teoria da informação para o estudo do cérebro e da mente. É difícil encontrar um artigo científico sobre esses assuntos que não esteja repleto de termos como “computação”, “processamento”, “circuitos”, “armazenamento e recuperação de informações”, “codificação”, “decodificação” etc.
Esses termos são realmente apropriados para descrever o que o cérebro e a mente humanos realmente fazem?
Na ciência, devemos sempre tentar ajustar nossos conceitos e métodos o mais próximo possível da natureza dos objetos que estão sendo estudados; e, pelo menos, não ignorar suas características mais essenciais.
Pode-se objetar a isso: como podemos saber qual pode ser a “verdadeira natureza” ou as “características mais essenciais” de qualquer coisa?
Certamente não podemos saber com certeza, de forma absoluta. No entanto, eu afirmaria que a mente humana é de fato capaz de obter insights sobre a natureza das coisas. Ou, pelo menos, de reconhecer – ainda que tardiamente – quando um determinado modelo conceitual está totalmente fora dos trilhos em relação à realidade que deveria representar.
Exatamente esse tipo de insight que é fraco ou falta no fenômeno da estupidez. Muitas vezes, na ciência e em outros lugares, as pessoas que seguem uma abordagem extremamente inadequada não são dissuadidas por evidências crescentes nesse sentido. Em vez disso, eles apenas modificam suas teorias e explicações para explicar os fenômenos inesperados. As teorias tornam-se cada vez mais complicadas, enquanto as suposições básicas permanecem inalteradas.
Células vivas versus microchips mortos
No nível da biologia e da física, o cérebro não tem praticamente nada em comum com os sistemas de processamento digital. Por que eles são frequentemente tratados como análogos? Por que os conceitos da ciência da computação são usados com tanta frequência na pesquisa do cérebro?
A noção de que os neurônios no cérebro podem funcionar como elementos digitais, e o cérebro como um computador digital, remonta à descoberta do chamado “princípio do tudo ou nada” do funcionamento do nervo no final do século XIX. Os neurônios geram “picos” discretos de eletricidade, separados por períodos de – aparente! – inatividade elétrica. O “disparo” de um neurônio corresponderia a um “1” em oposição ao estado de repouso (“sem pulso” ou 0). O impulso se propaga pelos axônios do neurônio, que se ramificam em até dez milhares de outros neurônios. Nos pontos de contato, as sinapses, o pico de voltagem causa a liberação das chamadas substâncias neurotransmissoras, que por sua vez comunicam o sinal aos neurônios-alvo. No estado “0” supostamente nada é comunicado. Hoje até as crianças em idade escolar aprendem essa imagem.
A questão principal é como os neurônios reagem aos sinais recebidos. Em linguagem de engenharia: qual é a relação “entrada-saída”? Supunha-se que essa relação pudesse ser representada por uma função matemática, permitindo assim que o comportamento de uma rede de neurônios interconectados fosse simulado por computadores de maneira estritamente algorítmica.
Começando com o trabalho pioneiro de McCulloch e Pitts (1943), inúmeros modelos matemáticos desse tipo foram desenvolvidos, alguns dos quais formam a base para sistemas de IA de Aprendizado Profundo. Um passo importante foi levar em conta o fato de que as características das sinapses de neurônios reais mudam durante sua interação. Para isso, as sinapses em redes neurais artificiais recebem pesos numéricos variáveis, cujos valores são determinados no decorrer de um processo de “aprendizagem” (veja a parte 2). Isso normalmente ocorre de acordo com um algoritmo baseado na chamada Regra Hebbiana, apresentada pela primeira vez em 1949 pelo neuropsicólogo Donald Hebb.
O esforço para imitar a suposta estrutura do cérebro dessa maneira provou ser extremamente útil para a IA. Mas e o cérebro humano real?
É notável que em seus escritos sobre o cérebro humano, os pioneiros da inteligência artificial, como John von Neumann, Alan Turing, Marvin Minsky, John McCarthy e outros pioneiros da inteligência artificial, falharam em reconhecer as implicações do fato de que neurônios no cérebro são células vivas.
Seria muito estranho se esse fato fosse irrelevante para a compreensão dos fenômenos da cognição humana!
Não quero dizer nada de misterioso ou esotérico, mas apenas características essenciais dos processos vivos, pois devem ser familiares a todos.
Por exemplo, seria tolice supor que os neurônios vivos se comportariam da maneira rigidamente determinística sugerida por uma comparação com os elementos de um computador ou outra máquina. As células vivas nunca se submeteriam a procedimentos algorítmicos estritos, a menos que fossem artificialmente forçadas a fazê-lo. É improvável que as propriedades dos neurônios como indivíduos vivos – em oposição a elementos de circuitos mortos – sejam a chave para a cognição humana?
Como todas as outras células do corpo, os neurônios merecem ser considerados como organismos individuais por direito próprio. Está bem estabelecido que organismos unicelulares exibem, em forma embrionária, muito do comportamento inteligente que encontramos em animais multicelulares: comportamento espontâneo de um tipo proposital e lúdico; percepção e reconhecimento, e algumas formas de aprendizagem. Como qualquer outro organismo multicelular, o corpo humano existe como uma sociedade composta de indivíduos vivos. Pensar corresponde a um processo social que ocorre entre as células cerebrais. Pouco ou nada permanece fixo, e pouco ou nada obedece a regras de tipo rigidamente matemático.
Dogmas comem a poeira
Nesse contexto, as descobertas da neurobiologia derrubaram, um a um, quase todos os dogmas mecanicistas que prevaleciam na época em que a IA nasceu. Aqui estão alguns deles:
Dogma 1. O cérebro humano é “hard-wired”: a partir de uma certa idade, os “circuitos” formados pelos neurônios e suas interconexões permanecem fixos.
Não. Hoje é bem conhecido que no cérebro adulto novas conexões estão constantemente sendo formadas (sinaptogênese), bem como removidas (“podadas”). A neuroplasticidade, que inclui não apenas a sinaptogênese, mas também mudanças constantes na morfologia das sinapses existentes e das árvores dendríticas às quais estão ligadas, desempenha um papel central na aprendizagem e em outros processos cognitivos.
Dogma 2. No cérebro adulto, os neurônios podem morrer, mas não nascem novos neurônios.
Não. No hipocampo em particular – uma região cortical identificada como essencial à aprendizagem e à memória, bem como aos processos emocionais – novos neurónios estão constantemente a nascer (neurogénese). Esses novos neurônios se movem, migrando pelo tecido antes de se estabelecer em algum local adequado e formar conexões com outros neurônios. A neurogênese parece necessária para o funcionamento saudável dessa parte do cérebro.
Dogma 3. Os neurônios se comunicam de maneira estritamente “tudo ou nada”, por meio da geração e propagação de picos de tensão discretos.
Não. Os neurônios possuem as chamadas “oscilações de membrana subliminares”. São oscilações complexas do potencial elétrico de suas membranas, que são muito fracas para desencadear picos, mas que modificam o comportamento de pico do neurônio e podem ser comunicadas a outros neurônios sem picos. Entre outras coisas, as oscilações da membrana abaixo do limiar parecem desempenhar um papel importante na sincronização da atividade neuronal. Esta descoberta tem implicações revolucionárias. A variabilidade contínua dessas oscilações e sua propagação de neurônio para neurônio contradiz a noção de que o cérebro opera como um sistema digital.
Dogma 4. Toda comunicação entre os neurônios ocorre através da rede de axônios e sinapses.
Não. Já está bem estabelecido que os neurônios também se comunicam por meio da liberação de moléculas especializadas no espaço extracelular e sua ação nos chamados receptores extra-sinápticos transportados por outros neurônios. Essa chamada “transmissão em volume” constitui um segundo sistema de comunicação, ao lado da chamada “transmissão com fio” via axônios e sinapses.
Dogma 5. A atividade cerebral subjacente à cognição baseia-se inteiramente nas interações entre os neurônios.
Não. Foi estabelecido que, além dos neurônios, as células gliais (astrócitos) no cérebro desempenham um papel ativo na percepção, memória, aprendizado e controle da atividade consciente. As células gliais superam os neurônios no cérebro em uma proporção de cerca de 3:2. Esta descoberta do papel das células gliais na cognição marca uma revolução na neurociência. A totalidade dessas células é às vezes referida como um “segundo cérebro”, embora as células gliais estejam tão intimamente conectadas aos neurônios metabólica e eletricamente que dificilmente se possa separar as duas.
Para documentação, o leitor pode consultar as seguintes fontes:
1.O impacto do estudo da plasticidade cerebral
2.O que os novos neurônios no cérebro dos adultos realmente fazem?, Ashley Yeager, The Scientist, 1º de maio de 2020
3.Geração e Propagação de Ondas Subliminares em uma Rede de Neurônios Olivares Inferiores
4.Tipo de vesícula extracelular de transmissão de volume e tipo de nanotubo de tunelamento de transmissão de fiação adicionam uma nova dimensão às redes neurogliais do cérebroeExocitose extra-sináptica e seus mecanismos: uma fonte de moléculas mediadoras da transmissão de volume no sistema nervoso
(As duas últimas são publicações bastante técnicas, mas dão uma boa impressão da complexidade quase inimaginável das interações célula a célula subjacentes à atividade cerebral.)
5. “The Other Brain” de R. Douglas Fields (Simon and Schuster 2009), eAstrócitos e cognição humana: Modelando a integração de informações e modulação da atividade neuronal
Jonathan Tennenbaum recebeu seu PhD em matemática pela Universidade da Califórnia em 1973 aos 22 anos. Também físico, linguista e pianista, ele foi editor da revista FUSION. Ele mora em Berlim e viaja frequentemente para a Ásia e outros lugares, prestando consultoria em economia, ciência e tecnologia.
Fonte: https://asiatimes.com/2020/06/the-stupidity-of-artificial-intelligence/
Be First to Comment