Ah, os drones…
Vejo muitos drones na Faria Lima,
vindos de Mauá ou Santo André,
vidrados nos smartphones,
passes de segurança do escritório
em volta do pescoço,
a falar monotonamente
sobre seguro de TI
– ou será outra coisa?
* * *
Aqui no meu contrato formal com os leitores eu os adverti que poderiam ocasionalmente estar à mercê dos meus poemas. Hoje a ameça se cumpre pela primeira vez (ou será a segunda?). Love. EBM.
… ao invés de apenas apontar dedos e procurar culpados. Este é um assunto muito extenso para ser abordado de forma eficaz aqui, mas alguns pontos principais podem ser discutidos:
1. É muito fácil ser derrotista ou fatalista. Não sou complacente com a seriedade do desafio de tirar a sociedade do marasmo, do beco sem saída filosófico em que nos metemos neste século – e, em particular, com a maneira como certas “ideias progressistas” foram incorporadas ao treinamento de professores e ao sistema educacional geral – mas existem paralelos históricos encorajadores quanto à possibilidade de rompimento de impasses culturais.
Na década de 1930, a década que assistiu ao fim da primeira fase do capitalismo, e com a qual alguns acadêmicos comparam nosso tempo, muitos estudantes e grupos jovens apoiaram o pacifismo ou o marxismo. Na década de 1960, seus sucessores abraçaram uma variedade de ideias políticas e sociais radicais. Em ambos os casos, seus pais ficaram horrorizados, mas o primeiro grupo veio a se tornar a “maior geração” e o segundo os liberais, embora auto-indulgentes, “boomers”. A sociedade ocidental historicamente progrediu ao enfrentar desafios e reagir de forma construtiva. É prematuro presumir que falharemos desta vez.
2. A reação à atual estagnação do pensamento ocidental parece estar ganhando força. A “janela de Overton” tem se expandido visivelmente. Pelos sinais ao redor, minha impressão é que nos últimos dezoito meses os maiores de 30 anos começaram acordar para o que está a acontecer. É menos claro para mim se houve tanto movimento entre os mais jovens.
3. Vejo como o desafio central a tarefa de persuadir a Geração Z – e especialmente os estudantes da Geração Z nas universidades de maior prestígio – a reconhecer as virtudes do debate aberto como verdade objetiva e ter a não conformidade à qualquer ideia majoritaria como trunfo.
4. Dito de outra forma, a questão central diz respeito aos meios, não aos fins. Muitas pessoas concordam com – ou pelo menos aceitam como legítimas – muitas das reclamações da Geração Z. O problema não é que os Wokes querem tolerância para trans, menos desigualdade econômica, justiça racial, mais ação sobre mudanças climáticas, etc, mas sim sua relutância em debater essas questões e suas tentativas de intimidar e deslegitimar qualquer dissidência, mesmo em questões de detalhe. Eles estão atacando os valores do Iluminismo, que conduziram a vida ocidental por duzentos anos. Em particular, eles estão tentando destruir a primazia do livre debate como caminho para boas decisões.
5. Esta não é apenas uma batalha de ideias em si. Alimenta-se de uma série de fatores estruturais também. O impacto da política de identidade, mídia social, negacionismo, polarização, bolhas culturais/ideológicas, etc, tem sido amplamente discutido. Eles fornecem o solo fértil sem o qual as sementes dos radicalismos progressista e conservador teriam murchado e não florescido. A sociedade ocidental precisa ajustar suas estruturas legais, políticas e tecnológicas.
6. O que mais beneficiaria o debate informado é a regulamentação das mídias sociais. Para além do impacto psicológico nos adolescentes, o próprio “status quo” dessas estruturas é inaceitável. Algoritmos que deliberadamente empurram indivíduos para cantos ideologicamente extremos da internet podem beneficiar os donos da redes sociais por meio do aumento do “engajamento” enfurecido e, portanto, da lucratividade, mas o impacto que isso tem na sociedade é muito pernicioso. Precisamos aceitar que a praça pública precisa de regras pactuadas e transparentes.
7. A maioria das pessoas responde com mais força a histórias do que a conceitos abstratos. Além de focar em exemplos individuais, como sucesso das mulheres trans em esportes femininos, etc., certas grandes contranarrativas históricas precisam ser desenvolvidas e impulsionadas, por exemplo as que descrevem como o “sistema ocidental”, o conjunto de instituições e valores que resgatou bilhões da pobreza e da tirania, pode ser implantado de forma benéfica em qualquer lugar – e poderia facilmente ter surgido no Oriente Médio ou na China como na Europa.
8. Pessoalmente, acredito que a situação econômica da Geração Z é um fator muito mais importante para explicar sua radicalização do que geralmente é aceito. Se suas perspectivas individuais fossem menos desanimadoras, suspeito que eles ficariam mais calmos em uma ampla gama de tópicos. Como conseguir isso é outra área de debate.
9. O ponto geral é que precisamos reafirmar os valores centrais do Iluminismo, mas também desenvolver novas ideias sobre como aplicá-los, dada a sociedade e a tecnologia atuais. É insuficiente defender a “liberdade de expressão”; também precisamos estabelecer novas regras sobre como certos discursos são privilegiados e outros discursos são desenfatizados na praça pública. A maioria concordaria que a censura a certos temas durante a Covid foi exagerada, mas exagerados também são os algoritmos que exacerbam a polarização e o extremismo.
10. Impulsionar uma agenda positiva é importante, mas importante também, a meu ver, é uma crítica implacável da teoria e prática do movimento progressista radical. Precisamos criticar a mentalidade que vê tudo como uma luta de poder entre categorias privilegiadas e as marginalizadas — infinitamente redefinidas.
Outros enfatizariam pontos diferentes. Um debate contínuo – em um espírito construtivo e amigável – sem dúvida levaria a conclusões mais ricas do que aquelas produzidas por qualquer indivíduo.
Para os padrões de hoje não é grande coisa, mas no dia 18 de novembro de 1994 foi algo ENORME! Nesse dia, quando a internet ainda estava engatinhando, os Rolling Stones se tornaram a primeira banda a transmitir um de seus shows pela “rede mundial de computadores”.
Os Stones transmitiram pela web 20 minutos de sua apresentação no Cotton Bowl em Dallas (em sua turnê Voodoo Lounge) usando o sistema o Multicast BackBone [MBone]. Em universidades e laboratórios de pesquisa com conexões MBone, os fãs se aglomeraram em torno das telas dos computadores para assistir ao vídeo de varredura lenta. As críticas decididamente não foram entusiásticas devido à baixa qualidade da imagem.
Os Stones tocaram “Not Fade Away”, “Tumbling Dice”, “You Got Me Rocking”, “Shattered” e “Rocks Off”. No meio do set, Mick Jagger anunciou ao vivo para os fãs em Dallas e aqueles conectados virtualmente através do backbone multicast (MBone):
“Eu quero dar as boas-vindas a todos que subiram na internet esta noite e entraram no MBone. Espero que o site não caia”
Desde então, o mundo do streaming de vídeo sofreu muitas mudanças. Na década de 1990, enquanto a indústria lutava com desafios técnicos de tráfego de vídeo multicast, os protocolos de download HTTP e streaming com estado [stateful] começaram a ter protagonismo. Em 1996, Netscape, RealNetworks, Borland, NeXT e 36 outras empresas deram seu peso ao Real Time Streaming Protocol (RTSP).
Em 2002, a Macromedia lançou o Flash Communication Server MX 1.0 com suporte para o que se tornaria o protocolo mais amplamente adotado para streaming orientado a conexão, o Real Time Messaging Protocol (RTMP). E em 2005, o YouTube foi lançado, lembrando aos usuários da internet que, pelo menos para vídeos curtos, o download progressivo por HTTP ainda era uma opção muito viável.
Então, em 2008, a Microsoft introduziu o Smooth Streaming, uma abordagem híbrida para transmissão de vídeo que oferecia protocolos de streaming personalizados, aproveitando-se do protocolo HTTP e da infraestrutura de rede existente. Em agosto do mesmo ano, a Microsoft e a NBC usaram o Smooth Streaming para transmitir ao vivo cada minuto de cada evento dos Jogos Olímpicos de Pequim para mais de 50 milhões de telespectadores em todo o mundo. Em um único evento, o “Modern Streaming” provou que a Internet era capaz de produzir vídeos escalonáveis, confiáveis e com qualidade de transmissão.
Nos anos que se seguiram, o Modern Streaming rapidamente ganhou impulso, com a Apple introduzindo o HTTP Live Streaming (HLS), a Adobe lançando o HTTP Dynamic Streaming (HDS) e as principais empresas de mídia e streaming colaborando no MPEG-DASH. As inovações em Smooth Streaming, HLS, HDS e DASH geraram um ressurgimento na transmissão de vídeo baseada em HTTP e hoje estão remodelando a forma como as empresas e universidades transmitem conteúdo de mídia em suas redes.
O poder de computação ao alcance das pessoas começou a crescer rapidamente, aos trancos e barrancos, na virada do milênio, quando as unidades de processamento gráfico (GPUs) começaram a ser aproveitadas para cálculos não gráficos, uma tendência que se tornou cada vez mais difundida na última década.
Mas as demandas da computação de “Aprendizado Profundo” [Deep Learning] têm aumentado ainda mais rápido. Essa dinâmica estimulou os engenheiros a desenvolver aceleradores de hardware voltados especificamente para o aprendizado profundo [o que se conhece popularmente como ‘Inteligência Artificial’], sendo a Unidade de Processamento de Tensor (TPU) do Google um excelente exemplo.
Aqui, descreverei resumidamente o processo geral do aprendizado de máquina. Em meio a reportagens cataclísmicas anunciando o iminente desabamento do Céu, precisamos saber um pouco sobre como os computadores realmente executam cálculos de redes neurais.
Visão geral
Quase invariavelmente, os neurônios artificiais são ‘construídos’ [na verdade eles são virtuais] usando um software especial executado em algum tipo de computador eletrônico digital.
Esse software fornece a um determinado neurônio da rede várias entradas e uma saída. O estado de cada neurônio depende da soma ponderada de suas entradas, à qual uma função não linear, chamada função de ativação, é aplicada. O resultado, a saída desse neurônio, torna-se então uma entrada para vários outros neurônios, em um processo em cascata.
Por questões de eficiência computacional, esses neurônios são agrupados em camadas, com neurônios conectados apenas a neurônios em camadas adjacentes. A vantagem de organizar as coisas dessa maneira, ao invés de permitir conexões entre quaisquer dois neurônios, é que isso permite que certos truques matemáticos de álgebra linear sejam usados para acelerar os cálculos.
Embora os cálculos de álgebra linear não sejam toda a história, eles são a parte mais exigente do aprendizado profundo em termos de computação, principalmente à medida que o tamanho das redes aumenta. Isso é verdadeiro para ambas as fases do aprendizado de máquina:
Matrizes
O que são esses misteriosos cálculos de álgebra linear? Na verdade eles não são tão complicados. Eles envolvem operações com matrizes, que são apenas arranjos retangulares de números – planilhas, se preferir, menos os cabeçalhos de coluna descritivos que você encontra em um arquivo Excel típico.
É bom que as coisas sejam assim, porque o hardware de um computador moderno é otimizado exatamente para operações com matriz, que sempre foram o pão com manteiga da computação de alto desempenho – muito antes de o aprendizado de máquina se tornar popular. Os cálculos matriciais relevantes para o aprendizado profundo se resumem essencialmente a um grande número de operações de multiplicação e acumulação, em que pares de números são multiplicados entre si e seus produtos somados.
Ao longo dos anos, o aprendizado profundo foi exigindo um número cada vez maior dessas operações de multiplicação e acumulação. Considere LeNet, uma rede neural pioneira, projetada para fazer classificação de imagens. Em 1998, demonstrou superar o desempenho de outras técnicas de máquina para reconhecer letras e numerais manuscritos. Mas em 2012 o AlexNet, uma rede neural que processava cerca de 1.600 vezes mais operações de multiplicação e acumulação do que o LeNet, foi capaz de reconhecer milhares de diferentes tipos de objetos em imagens.
Aliviar a pegada de CO2
Avançar do sucesso inicial do LeNet para o AlexNet exigiu quase 11 duplicações do desempenho de computação. Durante os 14 anos que se passaram, a lei de Moore ditava grande parte desse aumento. O desafio tem sido manter essa tendência agora que a lei de Moore dá sinais de que está perdendo força. A solução de sempre é simplesmente injetar mais recursos – tempo, dinheiro e energia – no problema.
Como resultado, o treinamento das grandes redes neurais tem deixado uma pegada ambiental significativa. Um estudo de 2019 descobriu, por exemplo, que o treinamento de um determinado tipo de rede neural profunda para o processamento de linguagem natural emite cinco vezes mais CO2 do que um automóvel durante toda a sua vida útil.
Os aprimoramentos nos computadores eletrônicos digitais com certeza permitiram que o aprendizado profundo florescesse. Mas isso não significa que a única maneira de realizar cálculos de redes neurais seja necessariamente através dessas máquinas. Décadas atrás, quando os computadores digitais ainda eram relativamente primitivos, os engenheiros lidavam com cálculos difíceis como esses usando computadores analógicos.
À medida que a eletrônica digital evoluiu, esses computadores analógicos foram sendo deixados de lado. Mas pode ser hora voltar a essa estratégia mais uma vez, em particular nestes tempos em que cálculos analógicos podem ser feitos oticamente de forma natural.
Nos próximas postagens vou trazer os mais recentes desenvolvimentos em fotônica aplicada ao aprendizado de máquina – em uma arquitetura analógica! Estamos, sem dúvida, vivendo tempos interessantes neste campo promissor.
Fonte de pesquisa: spectrum.ieee.org
Um dos problemas mais significativos com a IA generativa é a confusão do aparente com o real, a aparência da verdade e a realidade de tudo isso.
A ideia que parece perpassar o ambiente corporativo hoje é que ser mais produtivo, seja o que for que isso implique, não precisa ser automaticamente produto da compreensão dos problemas ou da verdade. Os interesses que promovem a IA têm pouco ou nenhum desejo de encontrar ou distribuir a verdade. Canibalizar textos digitais sem considerar o que os torna verdadeiros é uma receita para a desintegração do conhecimento, não a produção ou reflexão dele.
Para cumprir sua promessa, a inteligência artificial precisa aprofundar a inteligência humana. Isso é certamente verdade… e isso certamente NÃO vai acontecer. Veja o que a internet fez com a mente humana. Reduziu a maioria das pessoas a viciados em cocaína eletrônica pixelizada, cujas habilidades de pensamento crítico, conhecimento de história, habilidades de linguagem e capacidade de atenção despencaram coletivamente.
Antes da internet, tínhamos milhares de jornais locais robustos relatando notícias locais, unindo comunidades e mentes locais como cola. Tudo isso desapareceu quase da noite para o dia, e agora ficamos com um punhado de conglomerados nacionais que compraram a maioria dessas instituições e as reduziram a esqueletos de seus antigos eus.
As ‘notícias’ que as pessoas consomem hoje vêm de algoritmos nas mídias sociais. Os jornais foram substituídos principalmente por junk news, que é perfeitamente semelhante à junk food e seus efeitos deletérios sobre os seres humanos.
A internet foi colonizada pelos piores instintos da humanidade e reduziu a mente humana a escombros do Facebook, Instagram, realidade alternativa, violência, conspiração e êxtase religioso… todos exemplos robustos de involução humana. A ação conjunta da ‘Inteligência Artificial’ e um grupo conhecido de atores humanos maus e gananciosos têm potencial para acelerar a involução humana e nos levar ao penhasco da destruição. Manter nossas habilidades de pensamento crítico humano é nossa única esperança… e pode não ser suficiente.
Derivativos
Os Grandes Modelos de Linguagem – GML [Large Language Models, LLM] podem ser entendidos como Títulos de Informação garantidos por hipotecas: um vasto número de fontes cortadas em pedaços e remontadas em composições convincentemente realistas que parecem, para todos os propósitos, funcionar por conta própria. Mas, como aprendemos na crise de 2008, os derivativos não são melhores do que aquilo de que são derivados, e essa verdade reduz muito a confiabilidade no que esse tipo de IA é capaz.
O problemas dos rótulos
Nada dessensibiliza mais uma pessoa quanto ao romantismo do Fim do Mundo provocado pela Skynet do que passar horas colocando quadradinhos ao redor de bois e vacas em imagens fotográficas. Na labuta da rotulação de dados – um penoso processo manual que está na base de todos os sistemas de inteligência artificial, você começa ver as entranhas do sistema: a inteligência artificial não funciona sem humanos na máquina. É notável que não seja dada maior atenção ao trabalho dos rotuladores, humanos reais, trabalhando na maioria das vezes fora dos limites da dignidade. Ao conhecer esse processo uma perspectiva mais clara do que está por baixo do capô aparece.
Em tempo: neste ponto chamo a atenção para a ferramenta que estou desenvolvendo para automatização das tarefas de rotulação de imagem [o nome da disciplina é ‘anotação’] para modelos de visão de computador, que disponibilizo em nosso github: Auto-Annotate-BR. Estou internacionalizando e adaptando a ferramenta. Creio que esse seja o primeiro trabalho do gênero em português. Dê uma olhada, e, se possível, me dê uma ajuda na divulgação e compartilhamento.
Não exatamente como previsto
Quanto à suposta emergência da Inteligencia Artificial Geral – IAG [Artificial General Inteligence – AGI] a partir das redes neurais da Microsoft, Meta e Google, o burburinho que está acontecendo com ChatGPT e similares não lembra em nada o que foi profetizado por Nick Bostrom, o grande papa da superinteligencia: a partir de uma centelha inicial a entidade inteligente cresceria exponencialmente como um Big Bang, tomando rapidamente todas as redes conectadas. Se o que vemos é a AGI ela é de um tipo ainda não descrito em qualquer cenário, certamente não o de Bostrom.
Replicar o cérebro humano
Como racionalista, me inclino a concordar com Max Tegmark que a consciência é independente do substrato físico, ou seja, ela não depende necessariamente do tecido mole do qual é feito nosso cérebro. Outras bases físicas [como o silício + metais] convenientemente trabalhadas podem também servir. Considero as redes neurais uma conquista intelectual impressionante. Me parece claro que AGI vai surgir das redes neurais, uma vez que ela assim o faz nas formas de vida que conhecemos.
Os sistemas de camadas em nossas redes neurais artificiais são uma analogia bastante apta do funcionamento real do cérebro. Pelas explorações realizadas até o momento via imageamento, sabemos que as conexões neurais humanas ocorrem em áreas especializadas do cérebro, não exatamente em camadas físicas organizadas, como em uma rede neural artificial, mas em topologias neurais arranjadas em 3d, nas mais diversas configurações.
Para se equiparar totalmente ao modelo humano, a AGI baseada em redes neurais vai necessitar receber, dinamicamente, informação de sensores de todos os tipos [para poder tomar amostras de pelos menos cinco grandes categorias de estímulos físicos, como nós]. Aqui também vemos um paralelo com a a inteligencia natural, pois nós também rotulamos a realidade, a partir das informações dos sentidos. Chamamos os rótulos que aprendemos de ‘conceitos’ [ML classes?]; expressamos nos rótulos nossa conceitualização do mundo, também obtida através de reforço.
As redes neurais parecem ser, de fato, o caminho para a AGI. Mas não estamos nem perto de conseguir essas coisas. Se queremos chegar ao nível das redes neurais que carregamos em nossas cabeças temos que aprender mais sobre o papel das outras estruturas cerebrais, como as células gliais, que sabidamente influem na ativação e moderação das sinapses do cérebro humano [que correspondem aos ‘pesos’ nas redes neurais artificiais].
Deixando a imaginação vagar sem amarras, é possível conjecturar que as redes neurais sejam estruturas fundamentais no universo, e que a consciência e a inteligencia emerjam de algumas configurações topológicas de processamento neural [incluindo as citadas células gliais e outras estruturas].
O inimigo é outro
As redes neurais, mesmo as relativamente primitivas redes atuais, baseadas em estatística e poder de computação, vão provocar uma drástica correção em vários setores da vida. Milhões perderão empregos e meios de subsistência. Contudo, cavaleiros do apocalipse mais poderosos [e com um timing melhor] são as redes sociais. Talvez a dissolução da sociedade civilizada por conta da ação insidiosa da mídia social já tenha começado e nos encontremos irremediavelmente além do horizonte de eventos.
Voxle One 