Uma vez mais, a vida imita a arte. A literatura e o cinema, há muito, desenharam um mundo em que as máquinas inteligentes assumem um papel fundamental na vida humana. Obras como Eu, robô, de Isaac Asimov; 2001: uma odisseia no espaço, de Arthur C. Clarke; e O caçador de androides, de Philip K. Dick, entre outras, anteciparam, em nosso imaginário, as tramas cada vez mais complexas da relação entre seres humanos e máquinas “inteligentes”.
Ainda não encontramos por aí robôs apaixonados, por exemplo, mas já vivemos grandes avanços na área da robótica e da inteligência artificial (IA). Boa parte dos sistemas com os quais interagimos hoje têm elementos de IA, como o Facebook, o Google Maps, o Waze e uma infinidade de apps para todos os fins. Máquinas com IA estão espalhadas por todo o planeta: na bolsa, no bolso, nas residências e nos escritórios. Todos nós já interagimos com um atendente virtual em um site na web ou compramos passagens aéreas por voz em um sistema totalmente automatizado. Os automóveis mais modernos também já são máquinas muito inteligentes que podem até mesmo corrigir alguns erros graves na condução. Isso é apenas a ponta de um iceberg gigante sob nossos pés: o admirável mundo novo do machine learning e do deep learning.
Sem que você saiba, os sistemas de IA estão aprendendo com aquilo que você faz, com o que o toca, sua forma de abordar os problemas, de ensinar e aprender etc. Desde 1996, quando Kasparov, então o melhor jogador de xadrez do mundo, perdeu uma memorável partida para o Deep Blue, sabemos que as máquinas podem ter comportamentos parecidos com os nossos.
Essa é a ideia central de um conjunto de técnicas desenvolvido pela ciência da computação: tornar programas de computador capazes de simular o modo de agir dos seres humanos, para solucionar problemas ou dialogar conosco. Em Odisseia no espaço, o computador Hal 9000 conversava com o astronauta o tempo todo durante sua longa jornada até Júpiter, aconselhando, ajudando em decisões ou simplesmente fazendo companhia.
(…) A machine learning estrutura um conjunto de dados desestruturados e, a partir daí, extrai informações. Já o deep learning faz uso de redes neurais para aprofundar ainda mais o aprendizado da máquina, tornando-a capaz de entender a fala humana e imagens
Fernando Fonseca
Hoje, temos conversado em nosso dia a dia com a Siri, da Apple; Alexa, da Amazon; Cortana, da Microsoft; e Google Assistant. Machine learning e deep learning, conceitos cada dia mais conhecidos, são evoluções na IA que exploram esse potencial. Sistemas desenvolvidos por meio deles permitem diferentes níveis de aprendizado. A machine learning estrutura um conjunto de dados desestruturados e, a partir daí, extrai informações. Já o deep learning faz uso de redes neurais para aprofundar ainda mais o aprendizado da máquina, tornando-a capaz de entender a fala humana e imagens.
Imagine que, durante um ano, todos os alunos e professores de uma rede de ensino acessem plataformas digitais, livros digitais, conteúdos digitais e apps. Imagine agora que cada um realiza dezenas de ações e consultas todo dia. No final do ano, serão milhões de operações registradas no sistema – é o que chamamos de big data. Há dados sobre quem logou no sistema, dia, hora e local, quais temas leram nos livros digitais, que páginas viram, quanto tempo ficaram em cada uma, se marcaram alguma parte do texto, se clicaram em alguma imagem, os vídeos a que assistiram, quantas vezes cada um, se pararam em algum ponto, se reviram algum trecho, quais exercícios realizaram, quais foram os acertos e os erros; há informações sobre quantas vezes trocaram mensagens entre si, quantas vezes as palavras célula e força foram escritas, quantas vezes a frase não entendi foi digitada.
Um programa de IA pode “ler” esses dados e buscar correlações com base na incidência, na estatística, como saber se um aluno, que entregou no prazo certo uma tarefa agendada, fez pelo menos um contato por meio de mensagem com os colegas ou com o professor. Pode também identificar que o uso de um determinado objeto educacional digital (OED) está relacionado com o sucesso em uma série de exercícios e atividades. E ainda identificar que alunos que leram a página 12 do livro digital têm uma probabilidade de 80% de obter bons resultados na prova, entre outras estatísticas. Com base nessas evidências, é possível organizar novas estratégias de gestão escolar que ampliem as probabilidades de uma aprendizagem de melhor qualidade. Para aumentar as chances de os alunos entregarem um trabalho em dia, por exemplo, o sistema pode incentivá-los a trocar mensagens entre si ou sugerir ao professor que o faça toda vez que uma tarefa lhes for passada.
O fato de um aluno ter um ótimo desempenho em uma avaliação, após assistir a um determinado vídeo, não traz muita informação útil para seu professor. Contudo, se 2 mil alunos tiverem um ótimo desempenho após assistir ao mesmo vídeo e representarem 40% dos alunos de uma rede de ensino, o cenário muda totalmente. Imagine o gigantesco potencial que há na atuação de um programa de IA que rastreie os acessos de professores e alunos de todo o País utilizando os mesmos sistemas durante o ano todo. Essa característica essencial da nossa espécie, que é a capacidade que temos de aprender, está sendo elevada à enésima potência. Será uma verdadeira revolução, com seres humanos e máquinas em um superorganismo de interação ininterrupta. Estamos no limiar de uma nova era, um tempo em que humano e máquina estarão juntos de um modo quase indiscernível.
