O diálogo entre a Inteligência Artificial e as outras ciências

Atualizado: 11 de Jun de 2020




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 abjetos 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”.


Livia Cucatto

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.


#dicasdeblog #WixBlog

6 visualizações0 comentário

Posts recentes

Ver tudo