O diálogo entre a inteligência artificial

e as outras ciências

Livia Cucatto

bigstock-Big-Data-And-Artificial-Intell-

A partir de meados do século passado, houve uma intensificação das atitudes pró-integração das ciências por parte de pesquisadores. Foi em 1972, num colóquio da UNESCO sobre interdisciplinaridade, que a palavra transdisciplinar foi mencionada em um documento escrito por Piaget. Até os dias de hoje, há um esforço grande por parte de docentes de diferentes áreas do conhecimento para colocar em prática estudos transdisciplinares, ou/e interdisciplinares, dada a emergência de novas soluções para novos problemas. Coincidência ou não, é nessa mesma época que a Inteligência Artificial (doravante IA) começa a ser desenvolvida e a adquirir caráter revolucionário, em princípio, apenas para a área da Ciência da Computação.

Nesse contexto, por meio dos progressos metodológicos científicos e, também, computacionais, inicia-se uma possibilidade mais pragmática do diálogo real entre as ciências – disciplinas. 

   

Primeiramente, é preciso aclarar a diferença entre interdisciplinar e transdisciplinar. Segundo Japiassu, autor do livro “Interdisciplinaridade e patologia do saber”, a interdisciplinaridade implica hierarquia; ou seja, há uma verdade que permeia todas as ciências envolvidas em determinado estudo, porém há uma ciência superior que direciona todas as outras. Nesse sentido, parece que o diálogo com outras disciplinas tem uma finalidade clara. Por exemplo, na redação de um jornal –  na qual existe o designer gráfico, o revisor, o editor, o colunista economista, o colunista cientista social e o chefe de edição – existem profissionais da publicidade, das letras, do jornalismo, da economia, entre outros, todos trabalham com a finalidade de produzir um jornal e quem direciona e avalia é o editor-chefe. Portanto, temos uma área interdisciplinar. 

   

Por outro lado, o conceito de transdisciplinaridade não tem hierarquia; isto é, todas as ciências podem propor soluções e estão abertas para compreender e aceitar que determinada questão possa ser melhor desenvolvida por diferentes perspectivas concomitantemente. Nas palavras do filósofo e psicólogo José Luiz Caon “(...) é preciso que cada problema não solucionado em uma das áreas seja levado para uma área vizinha e, assim, seja submetido à luz de um novo entendimento”. Para exemplificar, podemos citar um aluno com dificuldade de aprendizagem. Esse caso deve ser analisado por profissionais de diferentes áreas para a obtenção do tratamento mais adequado. Se for um problema cognitivo, poderá envolver diversas áreas como a Neurologia, a Psicolinguística, a Psicopedagogia, a Psicologia, a Fonoaudiologia e a Educação. Nesse sentido, todas as áreas colaboram, gerando um efeito de complementaridade a fim da resolução do problema.  Assim, coloca-se um desafio a ser rompido diante de profissionais de tradição especialista que estão acostumados a enxergar os objetos de estudo a partir de uma única abordagem (ou filosófica, ou social, ou matemática, ou histórica, etc.). Essa mudança vem se desenhando graças à pergunta que muitos se fizeram e ainda se fazem: por que não olharmos para um problema de várias perspectivas? Essa abertura metodológica permitiu à área computacional encontrar terreno fértil para se tornar – também – um instrumento de apoio às disciplinas.  

   

Na década de 50, um pouco antes dos trabalhos de Piaget e Japiassu, surgia a chamada IA, cujos marcos podem ser considerados o Teste de Turing, capaz de diferenciar por meio de um questionário uma máquina de um ser humano, e a Conferência de Dartmouth, em 1956, nos Estados Unidos. Foi nesse encontro que surgiu o termo Inteligência Artificial.

Dito isso, como se relaciona nos dias atuais a inteligência artificial e as outras ciências? Ela se relaciona de maneira interdisciplinar ou transdisciplinar? Inicialmente, um caminho possível a ser construído para se chegar a uma reposta hipotética é: saber o que é IA e conhecer onde a IA está presente.

 

De uma maneira simples e resumida, pode-se dizer que a IA utiliza-se de algoritmos capazes de aprender a partir de dados. Isso significa que quanto maior a quantidade de dados disponíveis, maior é o número de ocorrências de determinado fenômeno e, assim, aumenta-se a chance de o sistema aprender e, por conseguinte, reproduzir o que o homem deseja (essa técnica chama-se Aprendizado de Máquina e é uma das subáreas da IA). Por exemplo, se alguém pretende criar um sistema que reconheça os moradores de determinado condomínio, essa pessoa precisa criar um banco de dados com muitas imagens desses moradores. Quanto maior for o número de dados e quanto melhor for a qualidade das resoluções das imagens, menos erros o programa cometerá e mais seguro estarão os condôminos. Outro exemplo de uso de IA, bastante atual, é o desenvolvimento de um projeto da USP que tenta diagnosticar a Covid-19 por meio de tomografias. Desse modo, uma grande quantidade de tomografias constitui um banco de dados, que serve de treinamento para o algoritmo. Posteriormente, o sistema treinado é capaz de identificar os padrões aprendidos. A pesquisa de Reconhecimento de imagem pode estar presente tanto na Ciência/Engenharia da Computação quanto na Engenharia Elétrica e na Mecatrônica ou na Medicina.  Assim, começamos, então, a descobrir com quem a IA trabalha e qual o lugar dela na relação com outras ciências. 

 

Em relação ao Processamento de Linguagem Natural (PLN) –  área que é mais familiar a mim – podemos citar os tradutores automáticos, o reconhecimento de voz dos celulares, casas, carros e computadores, os chatbots, que conseguem responder ao que o usuário pergunta de maneira lógica, os classificadores de texto, entre outras aplicações. Essa subárea de IA abarca a Computação e sobretudo a Linguística. Para um aparelho celular reconhecer o que o usuário diz, há uma série de conhecimentos linguísticos necessários que se somam a técnicas estatísticas e de engenharia. Em termos linguísticos, para um computador conseguir reconhecer a fala humana, ele precisa de uma lista de todos os grafemas de uma língua, uma grande quantidade de amostras de fala (áudios) de todas as regiões do país, a fim de que o sistema tenha boa cobertura; isto é, seja capaz de reconhecer todos os regionalismos, por exemplo, todos os tipos de “r” existentes no português do Brasil. Imaginem que, por sua vez, esses diversos “erres” podem aparecer em posições diferentes nas palavras e dependendo da letra fronteiriça há uma mudança nesse som. Então, todas as combinações da letra em diferentes contextos são armazenadas em vetores – uma possível técnica. Além dessa parte fonética, é necessário um modelo de linguagem, uma espécie de concordanciador, que mostra a probabilidade de uma palavra ocorrer antes ou depois de outra, evitando assim, falhas graves do sistema. Mas, para isso, é necessário um conjunto de dados gigantesco, o qual mostre essa probabilidade de uma palavra ocorrer em determinada posição. Por exemplo: “Eu paguei barato”. Nós sabemos que existem duas palavras de significados bem diferentes com grafias bastante próximas: barata – inseto/substantivo; e barato – baixo custo/advérbio. Apenas uma letra diferencia essas palavras. Além disso, essa letra tem posição final em uma paroxítona, o que favorece a pronúncia fraca. Quando isso ocorre, o que ajuda o reconhecedor de fala a não errar é o modelo de linguagem, pois, na imensa quantidade de textos com os quais ele foi treinado, não encontrará nenhuma frase em língua portuguesa assim: “Eu paguei barata”, pois ninguém paga uma barata, geralmente matam a pobre da barata.

 

O processo para reconhecer uma frase pelo sistema leva segundos. Imaginem um ser humano fazendo todo esse processamento nesse espaço de tempo... Impossível. 

Nesse cenário, a IA surge e cria raízes para ajudar o homem a desempenhar tarefas complexas em um curto tempo.  Assim, não vejo a IA como uma ciência, mas sim como uma abordagem capaz de dialogar com qualquer área de conhecimento. Nesse sentido, a relação das disciplinas com a IA é hierárquica, pois ela é um método que tenta replicar o homem para ocupar posições de trabalho onde os humanos não podem estar. Portanto, o caminho construído aqui me leva a concluir - por ora - que a relação entre a Linguística e a Computação, a Medicina e a Computação, entre outras áreas, é interdisciplinar. Há hierarquia – que bom – a Inteligência Artificial sempre será uma tentativa de imitar o homem e só será capaz de fazer aquilo que ele “programar”.

 

JAPIASSU, Hilton. Interdisciplinaridade e patologia do saber. Rio de Janeiro: Imago, 1976.

Caon, J. L. (1998). Da existência analfabética à existência analfabetizada. Revista do GEEMPA, 6, 37-70

FRANCO, Cristiano Roberto. Inteligência Artificial. Londrina: Educacional, 2014. 168 p.

Jean Piaget 1976. Autobiographie [Autobiography]. In: G. Busino. (ed.), Les sciences sociales avec et après Jean Piaget [The Social Sciences with and after Jean Piaget].Cahiers Vilfredo Pareto. Revue européenne des sciences sociales (Geneva), Vol. 14, Nos. 38/39, pp. 1–43.

Por que o álcool etílico e o sabão são tão eficientes no combate ao coronavírus?

Gisele Cova e Andrés Navarro

secaoCienciaEmFoco_alcoolEsabao.jpg

A pandemia de COVID-19 ressaltou a importância da higiene em nosso cotidiano. Muito se fala em lavar bem as mãos com água e sabão e, se isso for inviável, que se faça uso corrente do álcool em gel. Tendo isso em mente, qual é a relação que se estabelece entre esses hábitos e a possibilidade de evitar a contaminação por vírus e, em especial, o SARS-CoV-2, agente causador da COVID-19? Para responder a essa questão, há que se compreender um pouco mais a natureza química do sabão e do álcool e, ainda, faz-se necessária a compreensão da anatomia básica do vírus.

As substâncias na química podem ser classificadas de acordo com a capacidade de dissolverem outras substâncias. Em aspectos técnicos, essa propriedade de solubilização

está relacionada com a presença ou não de cargas positivas e negativas nas estruturas das menores partes desses compostos, isto é, em suas moléculas. Tal característica das moléculas é conhecida como polaridade. Nesse contexto, substâncias polares, que são as que apresentam cargas nas estruturas de suas moléculas, têm a tendência de solubilizar outras substâncias polares, enquanto as apolares, aquelas com ausência de cargas, de maneira equivalente, têm a facilidade de dissolver outras apolares. Misturas formadas por espécies de polaridades muito distintas, uma polar e outra apolar, por sua vez, implicam na baixa capacidade de se dissolverem uma na outra.

Solubilidade e polaridade nos ajudam a compreender, por exemplo, o porquê de algumas substâncias serem solúveis em água e outras, não. Por ser um composto polar, a água dissolve outras substâncias que se assemelham a ela nessa característica, tais como o sal de cozinha, o açúcar branco e o álcool etílico. Essas espécies químicas são, então, classificadas como hidrofílicas, do grego hidro (água) e filia (amigo, aquilo que tem afinidade com). Por outro lado, a água enfrenta dificuldades de solubilizar materiais de natureza apolar, como os óleos e as gorduras, levando-os a serem denominados hidrofóbicos, do grego hidro (água) e fobia (medo, aquilo que tem aversão a).

Nesse universo de substâncias polares ou apolares, ou, em outras palavras, hidrofílicas ou hidrofóbicas, outro grupo de compostos se destaca: as substâncias anfifílicas. Como o nome sugere, as espécies químicas anfifílicas apresentam dupla afinidade, anfi (simultâneo, duplo, de ambas as partes) e filia. O comportamento químico dessa classe de compostos atende o pressuposto de dissolver simultaneamente moléculas polares e apolares. Muitas substâncias do nosso dia-a-dia apresentam essa característica, sobretudo aquelas utilizadas na limpeza, desinfecção e esterilização de ambientes, como o sabão e o álcool etílico. Portanto, esses materiais apresentam a propriedade de dissolver simultaneamente moléculas hidrofílicas e hidrofóbicas.

Por outro lado, cabe também entender a morfologia dos vírus: todos apresentam uma estrutura molecular composta por um nucleocapsídeo que é, na verdade, simplesmente uma cápsula proteica que reveste seu material genético. Ainda, alguns tipos de vírus, como o grupo dos vírus pertencentes à família Coronaviridae, conhecidos popularmente como coronavírus e responsáveis por síndromes respiratórias agudas, também apresentam um envoltório externo, para além do nucleocapsídeo. Esse envoltório, também chamado de envelope, apresenta natureza fosfolipoproteica, isto é, é composto por moléculas de lipídeos e de proteínas. Essa estrutura do SARS-CoV-2 está ilustrada na figura 1. Lembremos que a membrana plasmática das células de qualquer ser vivo apresenta exatamente essa mesma composição básica: fosfolipídeos e proteínas.

Screenshot_2020-06-20_alcool_e_sabão_n

Figura 1: Esquema que ilustra a composição molecular do SARS-CoV-2,

vírus da família Coronaviridae, causador da pandemia de COVID-19. 

Fonte: https://www.crfsp.org.br/images/arquivos/Manual_orientacao.pdf

acesso em 20 de maio de 2020

Entretanto, para o vírus conseguir invadir uma célula, não basta apresentar um envoltório de mesma natureza molecular que as membranas plasmáticas: os vírus são extremamente específicos às suas células hospedeiras. No caso do SARS-CoV-2, a especificidade depende da existência de, pelo menos, uma determinada proteína na membrana das células. Trabalhos muito recentes identificaram exatamente esse canal de entrada, como os artigos publicados nas revistas científicas Journal of Travel Medicine e Cell: a proteína já conhecida ACE-2, que participa naturalmente do metabolismo da angiotensina e renina no corpo humano, sistema que controla funções essenciais do organismo, como pressão arterial e balanço hidroeletrolítico. Quando há o reconhecimento entre esta proteína das células humanas e o envelope do vírus, a célula passa a englobá-lo e, assim, todo o nucleocapsídeo do vírus chega no meio intracelular onde pode se replicar.

 

Sabões, detergentes, etanol e outras substâncias anfifílicas são capazes de interagir com as estruturas lipoproteicas presentes no envoltório dos coronavírus e desestruturá-las, dissolvendo-as parcial ou totalmente. Desse modo, sem o envoltório que apresenta estruturas moleculares que são reconhecidas pela ACE-2, o vírus perde a capacidade de ser englobado pela célula humana. Assim, o envelope viral, canal que possibilita a entrada na célula hospedeira, é fragmentado no ambiente.

Em meio à pandemia e à busca por um remédio eficaz ou vacina, é importante perceber que a população pode se valer das coisas mais simples como água, sabão e álcool para combater uma das maiores ameaças de saúde pública da atualidade. Isso, claro, sem contar com a importância de se manter o máximo isolamento social possível enquanto o risco de contaminação é alarmante.

Publicações mencionadas no artigo: 

Diaz JH (March 2020). “Hypothesis: angiotensin-converting enzyme inhibitors and angiotensin receptor blockers may increase the risk of severe COVID-19”. Journal of Travel Medicine. doi: 10.1093/jtm/taaa041. PMID 32186711

Hoffmann M, Kleine-Weber H, Schroeder S, Kruger N, et al. “SARS-CoV-2 Cell Entry Depends on ACE2 and TMPRSS2 and Is Blocked by a Clinically Proven Protease Inhibitor”. Cell. 2020; 181:1-10. doi: 10.1016/j.cell.2020.02.052. PMID: 32142651

Estudo refuta o uso preventivo da hidroxicloroquina no combate à Covid-19

Seleção de Gisele Cova

O artigo foi publicado na renomada revista científica The England Journal of Medicine e tinha como propósito verificar se o medicamento apresenta eficiência na prevenção do desenvolvimento da Covid-19. A partir da análise de 821 pacientes ainda assintomáticos, o resultado revela que a hidroxicloroquina não só não evita o desenvolvimento da doença, como ainda aumenta a incidência de efeitos colaterais. Para ler o artigo, acesse aqui: https://www.nejm.org/doi/full/10.1056/NEJMoa2016638

WhatsApp Image 2020-07-01 at 14.37.48.jp