Inteligência Artificial Geral: Uma História de Construção de Capacidades com Cautela

Vivemos na era da inteligência artificial. O artigo original de 2023 estimava o mercado global de IA em US$ 240 bilhões e apresentava uma projeção superior a US$ 730 bilhões em 2030, com crescimento anual acima de 17%. Eram estimativas de mercado da época, não receitas futuras garantidas.

Entre todo o alvoroço em torno da IA, um paradigma que capturou a atenção de todos é a AGI, Inteligência Artificial Geral. 

O que significa AGI e por que desperta interesse? O artigo examina conceitos, linhas de pesquisa e expectativas sob a perspectiva de 2023.

Mas antes de mergulhar diretamente na Inteligência Artificial Geral, vamos tentar entender o que a inteligência geral implica.

Definindo os Contornos da Inteligência Geral

Inteligência geral implica a capacidade de alcançar uma variedade de objetivos e executar tarefas diversas cujos contextos e ambientes são diferentes. Sistemas que são ‘geralmente inteligentes’ devem:

• Lidar com problemas e situações que são substancialmente diferentes do que poderia ser antecipado
• Ser capaz de generalizar o conhecimento adquirido para que ele seja transferido de um contexto de problema para outros. 

Os pesquisadores divergem sobre a definição precisa e a melhor forma de medir a inteligência geral. Não existe uma lista única de propriedades necessárias aceita universalmente.

A pesquisa em AGI busca realizar essas amplas capacidades de aprendizagem e solução de problemas em sistemas artificiais.

A Hipótese Central da AGI

Ben Goertzel formulou uma hipótese central em seu artigo de revisão ”Artificial General Intelligence: Concept, State of the Art, and Future Prospects”, publicado em 2014 no Journal of Artificial General Intelligence. Ele a expressou assim:

“A criação e o estudo de inteligência sintética com escopo suficientemente amplo, por exemplo em nível humano, e forte capacidade de generalização são fundamentalmente diferentes, em termos qualitativos, da criação e do estudo de inteligência sintética com escopo significativamente mais restrito e capacidade de generalização mais fraca.”

Nessa visão, a AGI teria amplo campo de aplicação e forte capacidade de generalização. A hipótese é uma perspectiva de pesquisa, não uma lei natural comprovada.

Em linguagem mais acessível, a pesquisa em AGI estuda o desenvolvimento de capacidades cognitivas amplas, frequentemente comparadas ao desempenho humano. Aprendizagem e transferência de conhecimento são centrais, mas o patamar exigido varia conforme a definição.

As opiniões sobre a viabilidade e os prazos da AGI são diversas. Alguns pesquisadores são céticos, enquanto outros desenvolvem capacidades cada vez mais amplas. Isso não representa consenso científico de que uma inteligência geral comparável à humana seja impossível em princípio.

AGI e o conceito de IA forte

Em uma explicação da IBM, a IA forte é associada à inteligência humana e à autoconsciência. Essa acepção não coincide com todas as definições de AGI: definições operacionais podem enfocar desempenho amplo e generalização sem exigir consciência. A possibilidade de experiências subjetivas em máquinas é uma discussão separada.

Um sistema poderia aprender com entradas e experiências, mas a AGI não precisa necessariamente começar como uma criança ou funcionar como o cérebro humano. Os objetivos da pesquisa dizem respeito principalmente às capacidades, não a um percurso obrigatório de desenvolvimento.

Uma comparação comum considera a variedade de tarefas e a transferência de conhecimento para situações novas, em vez de apenas uma realização especializada.

A IA restrita não está necessariamente limitada a uma tarefa repetitiva e pode operar autonomamente em um domínio delimitado. Por outro lado, a AGI não implica automaticamente o desaparecimento de instruções ou supervisão humanas. Capacidade, autonomia e consciência são conceitos diferentes; um não comprova o outro.

A revisão de Goertzel distingue quatro linhas amplas de pesquisa: simbólica, emergentista, híbrida e universalista. É a classificação dessa revisão, não uma lista exaustiva ou uma arquitetura obrigatória para toda AGI.

Abordagem simbólica: Aspectos do mundo e do sistema são representados por símbolos. Um sistema físico de símbolos pode receber, produzir, armazenar e alterar símbolos e usá-los para escolher ações. Trata-se de uma abordagem teórica, não de prova de que a inteligência só funcione dessa maneira.

Algumas arquiteturas cognitivas simbólicas combinam memória de trabalho, memória de longo prazo e controle central de percepção, pensamento e ação. Nem todas as abordagens simbólicas precisam ter a mesma organização.

Abordagem emergentista: Capacidades de nível superior surgem das interações entre partes subsimbólicas de nível inferior. Padrões e funções complexos podem assim emergir de muitos elementos relativamente simples que interagem, como nas redes neurais.

Abordagem híbrida: Combina subsistemas simbólicos e subsimbólicos para aproveitar suas vantagens e enfrentar suas limitações. O conjunto pode ter capacidades distintas daquelas de cada parte isolada.

A combinação pode ser de um subsistema simbólico com um grande sistema subsimbólico ou uma população de pequenos agentes, cada um dos quais é tanto simbólico quanto subsimbólico por natureza. 

Abordagem universalista: Parte de modelos matemáticos de inteligência muito gerais e estuda aproximações práticas. Alguns modelos ideais não são computáveis ou têm exigências de computação irrealistas. Não se trata apenas de um algoritmo pronto que precisa de mais equipamentos.

Diversas organizações desenvolvem produtos de IA e pesquisam uma inteligência mais ampla. Produtos práticos não comprovam que a AGI tivesse sido alcançada em 2023. A OpenAI é uma organização conhecida com esse objetivo de pesquisa.

Empresas que trabalham com AGI

1. OpenAI

A OpenAI, conhecida pelo ChatGPT, descreveu em uma publicação no blog de 24 de fevereiro de 2023 a ambição de que a AGI beneficie toda a humanidade. A organização mencionava sistemas de IA geralmente mais inteligentes que os humanos. Era uma descrição de sua missão, não o anúncio de que já havia alcançado AGI.

A OpenAI escreveu que seria mais cautelosa com o desenvolvimento e a implantação à medida que os sistemas se aproximassem da AGI. InstructGPT e ChatGPT foram citados como passos rumo a sistemas mais controláveis, não como AGI já realizada.

O que é o ChatGPT?

A OpenAI lançou o ChatGPT em 30 de novembro de 2022 como sistema de conversação baseado em modelos de linguagem. Ele responde a perguntas e ajuda a escrever e-mails, redações e código de programação. Respostas semelhantes às humanas não comprovam compreensão humana ou confiabilidade: podem conter erros.

Clique aqui para a lista das cinco melhores extensões do ChatGPT.

O que é o InstructGPT?

InstructGPT é o nome de modelos que a OpenAI treinou para seguir melhor as instruções usando demonstrações e avaliações humanas. Designa um desenvolvimento específico dos modelos de linguagem, não um termo geral para toda IA avançada nem uma prova independente de AGI.

OpenAI e ChatGPT em números históricos

Em 12 de outubro de 2023, The Information informou que a OpenAI tinha um ritmo de receita equivalente a US$ 1,3 bilhão em termos anualizados, mais de US$ 100 milhões por mês e cerca de 30% acima do ritmo do verão. Separadamente, em novembro de 2023 a OpenAI anunciou cerca de 100 milhões de usuários ativos semanais do ChatGPT. Um ritmo anualizado não equivale à receita efetivamente realizada em um exercício completo.

A crise de governança da OpenAI em novembro de 2023

O conselho da época destituiu o diretor executivo Sam Altman em 17 de novembro de 2023, afirmando que ele não havia sido sempre franco em suas comunicações. Essa foi a justificativa apresentada pelo conselho, não uma conclusão comprovada de forma independente. Um acordo de princípio para seu retorno foi anunciado em 21 de novembro no horário dos EUA, dia 22 segundo o UTC. Em 29 de novembro, a OpenAI confirmou o retorno e um novo conselho provisório.

Segundo as notícias da época, uma grande maioria dos funcionários ameaçou sair se Altman não voltasse; isso não significa que todos tivessem assinado a carta. O cofundador e então cientista-chefe Ilya Sutskever expressou no X seu arrependimento: “Lamento profundamente minha participação nas ações do conselho. Nunca tive a intenção de prejudicar a OpenAI. Amo tudo o que construímos juntos e farei tudo o que puder para reunir a empresa.”

O retorno de Altman encerrou a crise imediata de liderança, mas não resolveu automaticamente todas as questões de governança e supervisão. O novo conselho também anunciou uma análise independente e melhorias de governança.

Embora a OpenAI tenha atraído grande atenção em AGI, outras organizações já trabalhavam na área havia anos. A DeepMind foi fundada em 2010.

2. DeepMind

A DeepMind foi fundada em 2010 e adquirida pelo Google em 2014. Em abril de 2023, uniu-se ao Google Brain como Google DeepMind. A organização pesquisa sistemas de solução de problemas mais gerais para promover a ciência e aplicações úteis à sociedade.

O princípio operacional da DeepMind sempre foi avançar a ciência para beneficiar a humanidade. Como tal, ela quer aproveitar a inteligência artificial para servir às necessidades e expectativas da sociedade. 

Na pesquisa com o Moorfields, um modelo forneceu recomendações de encaminhamento comparáveis às de especialistas a partir dos exames oculares estudados. Isso não demonstrou diagnóstico autônomo de todas as doenças oculares nem substituição de médicos. Em 2018, um sistema de controle autônomo relatou cerca de 30% de economia de energia no resfriamento de centros de dados, não no consumo total desses centros. O AlphaFold previu estruturas tridimensionais de proteínas e apoiou a pesquisa biológica e farmacêutica, sem resolver todos os problemas de função proteica ou desenvolvimento de medicamentos.

O artigo original citava registros de financiamento em uma base de dados sobre uma rodada de US$ 50 milhões reportada em 1º de fevereiro de 2011 com Founders Fund e Horizons Ventures. Um registro limitado não demonstra que esse foi o único financiamento antes da aquisição; não era um histórico financeiro completo e auditado.

3. Adept

Em março de 2023, a Adept anunciou uma rodada Série B de US$ 350 milhões liderada por General Catalyst e Spark Capital. A empresa tinha então cerca de um ano e desenvolvia IA capaz de usar programas de computador. O artigo mencionava aproximadamente 25 funcionários e uma demonstração inicial de um assistente digital.

A Adept estudava o uso humano de programas para transformar instruções textuais em ações no computador. O artigo indicava uma avaliação após o investimento de cerca de US$ 1 bilhão. A avaliação então divulgada não é atual nem comprova que a AGI tenha sido realizada.

O cofundador David Luan comparou a ambição a um sintetizador: o músico pode usar os sons de diversos instrumentos sem aprender a tocar cada um. A Adept queria tornar os programas mais acessíveis de modo semelhante por meio de um único sistema de IA.

AGI: O Caminho à Frente

As pessoas têm visões diferentes sobre o potencial da AGI. Alguns acreditam que a AGI pode ter consequências perigosas para a humanidade, enquanto alguns acreditam que a AGI não seria capaz de alcançar o que pensamos que poderia. 

Diego Klabjan, professor da Northwestern University e fundador de seu programa de mestrado em análise, expressou a posição cética citada no artigo original:

“Os cérebros humanos têm bilhões de neurônios que estão conectados de maneira muito intrigante e complexa, e o estado da arte atual [tecnologia] são apenas conexões diretas seguindo padrões muito simples. Então, passar de alguns milhões de neurônios para bilhões de neurônios com as tecnologias de hardware e software atuais – eu não vejo isso acontecendo.”

Uma pesquisa de 2016 conduzida por pesquisadores ligados a Oxford, Yale e AI Impacts recebeu respostas de 352 pesquisadores de aprendizado de máquina. Os resultados foram divulgados como pré-publicação em 2017. Eram avaliações subjetivas de probabilidade agregadas, não prazos garantidos ou um ”número mediano de respondentes”. Exemplos das projeções da época incluíam:

• Por volta de 2026: escrever redações escolares no nível definido pela pesquisa.
• Por volta de 2027: dirigir caminhões no nível especificado; isso não significa tornar todos os motoristas desnecessários.
• Por volta de 2031: realizar as tarefas de varejo descritas, não necessariamente substituir todo o setor.
• Por volta de 2049: escrever um best-seller; Stephen King era uma comparação figurada, não uma previsão sobre um autor específico.
• Automatizabilidade completa de todas as profissões: cerca de 122 anos após 2016, portanto por volta de 2138, com probabilidade agregada de 50%. Isso não significa que todos os empregos efetivamente desaparecerão então.

É muito cedo para prever onde a IA nos levará eventualmente. Mas, como todas as tecnologias, pode ser usada para o bem ou para o mal. 

Na publicação de fevereiro de 2023, Sam Altman defendeu um exame rigoroso do desenvolvimento de AGI e consulta pública para decisões importantes. Sobre possíveis riscos, escreveu:

“O mundo poderia se tornar muito diferente do atual e os riscos poderiam ser extraordinários. Uma AGI superinteligente desalinhada dos objetivos humanos poderia causar graves danos ao mundo; um regime autoritário com vantagem decisiva em superinteligência também poderia fazê-lo.”

Organizações como a DeepMind pesquisam se uma IA mais geral pode apoiar descobertas científicas. Isso ainda não as torna fornecedoras de AGI comprovada. Os efeitos futuros sobre pesquisa, engenharia e segurança são incertos e dependem de capacidades, usos e escolhas humanas sobre governança e supervisão.

Clique aqui para aprender tudo sobre investir em inteligência artificial.