Imagine um grupo de jovens reunidos em um pitoresco campus universitário na Nova Inglaterra, nos Estados Unidos, durante o verão do hemisfério norte de 1956.
É uma pequena reunião casual. Mas os homens não estão aqui para fogueiras e caminhadas na natureza nas montanhas e florestas ao redor. Em vez disso, esses pioneiros estão prestes a embarcar em uma jornada experimental que irá desencadear inúmeros debates nas próximas décadas e mudar não apenas o curso da tecnologia – mas o curso da humanidade.
Bem-vindo à Conferência de Dartmouth – o berço da inteligência artificial (IA) como a conhecemos hoje.
O que aconteceu aqui acabaria levando ao ChatGPT e a muitos outros tipos de IA que agora nos ajudam a diagnosticar doenças, detectar fraudes, montar playlists e escrever artigos (bem, não este). Mas também criaria alguns dos muitos problemas que o campo ainda está tentando superar. Talvez, olhando para trás, possamos encontrar um caminho melhor para o futuro.
Em meados dos anos 1950, o rock'n'roll estava tomando o mundo de assalto. O Heartbreak Hotel de Elvis estava no topo das paradas, e os adolescentes começaram a abraçar o legado rebelde de James Dean.
Mas em 1956, em um canto tranquilo de New Hampshire, um tipo diferente de revolução estava acontecendo.
O Projeto de pesquisa de verão de Dartmouth sobre inteligência artificial, frequentemente lembrada como a Conferência de Dartmouth, começou em 18 de junho e durou cerca de oito semanas. Foi uma ideia de quatro cientistas da computação americanos – John McCarthy, Marvin Minsky, Nathaniel Rochester e Claude Shannon – e reuniu algumas das mentes mais brilhantes em ciência da computação, matemática e psicologia cognitiva da época.
Esses cientistas, junto com algumas das 47 pessoas que convidaram, decidiram enfrentar uma meta ambiciosa: criar máquinas inteligentes.
As McCarthy colocou isso na proposta da conferência, eles pretendiam descobrir “como fazer as máquinas usarem a linguagem, formarem abstrações e conceitos, resolverem tipos de problemas agora reservados aos humanos”.
A Conferência de Dartmouth não apenas cunhou o termo “inteligência artificial”; ela uniu todo um campo de estudo. É como um mítico Big Bang da IA – tudo o que sabemos sobre aprendizado de máquina, redes neurais e aprendizado profundo agora remonta àquele verão em New Hampshire.
Mas o legado daquele verão é complicado.
Inteligência artificial venceu como nome sobre outros propostos ou em uso na época. Shannon preferiu o termo “estudos de autômatos”, enquanto dois outros participantes da conferência (e os futuros criadores do primeiro programa de IA), Allen Newell e Herbert Simon, continuaram a usar “processamento complexo de informações” por alguns anos ainda.
Mas aqui está a questão: tendo decidido pela IA, não importa o quanto tentemos, hoje não conseguimos deixar de comparar a IA à inteligência humana.
Essa comparação é ao mesmo tempo uma bênção e uma maldição.
Por um lado, isso nos leva a criar sistemas de IA que podem igualar ou exceder o desempenho humano em tarefas específicas. Comemoramos quando a IA supera os humanos em jogos como xadrez ou Go, ou quando ela pode detectar câncer em imagens médicas com maior precisão do que médicos humanos.
Por outro lado, essa comparação constante leva a conceitos errôneos.
Quando um computador vence um humano no Go, é fácil pular para a conclusão de que as máquinas agora são mais inteligentes do que nós em todos os aspectos – ou que estamos pelo menos bem no caminho para criar tal inteligência. Mas o AlphaGo não está mais perto de escrever poesia do que uma calculadora.
E quando um grande modelo de linguagem soa humano, começamos a nos perguntar se é senciente.
Mas o ChatGPT não é mais vivo do que um boneco de ventríloquo falante.
Os cientistas na Conferência de Dartmouth estavam incrivelmente otimistas sobre o futuro da IA. Eles estavam convencidos de que poderiam resolver o problema da inteligência das máquinas em um único verão.
Esse excesso de confiança tem sido um tema recorrente no desenvolvimento de IA e levou a vários ciclos de exagero e decepção.
Simon afirmou em 1965 que “as máquinas serão capazes, dentro de 20 anos, de fazer qualquer trabalho que um homem possa fazer”. Minsky previu em 1967 que “dentro de uma geração […] o problema da criação de ‘inteligência artificial’ estará substancialmente resolvido”.
Futurista popular Ray Kurzweil agora prevê Faltam apenas cinco anos: “ainda não chegamos lá, mas chegaremos e, em 2029, estaremos à altura de qualquer pessoa”.
Então, como pesquisadores de IA, usuários de IA, governos, empregadores e o público em geral podem progredir de forma mais equilibrada?
Um passo fundamental é abraçar a diferença e a utilidade dos sistemas de máquinas. Em vez de focar na corrida para a “inteligência geral artificial”, podemos focar em os pontos fortes únicos dos sistemas que construímos – por exemplo, a enorme capacidade criativa dos modelos de imagem.
Mudar a conversa da automação para o aumento também é importante. Em vez de colocar humanos contra máquinas, vamos nos concentrar em como a IA pode auxiliar e aumentar as capacidades humanas.
Vamos também enfatizar considerações éticas. Os participantes de Dartmouth não gastaram muito tempo discutindo as implicações éticas da IA. Hoje, sabemos melhor e precisamos fazer melhor.
Também precisamos reorientar as direções da pesquisa. Vamos enfatizar a pesquisa sobre interpretabilidade e robustez da IA, pesquisa interdisciplinar de IA e explorar novos paradigmas de inteligência que não sejam modelados na cognição humana.
Finalmente, precisamos gerenciar nossas expectativas sobre a IA. Claro, podemos ficar animados com seu potencial. Mas também precisamos ter expectativas realistas, para que possamos evitar os ciclos de decepção do passado.
Ao olharmos para aquele acampamento de verão de 68 anos atrás, podemos celebrar a visão e a ambição dos participantes da Dartmouth Conference. O trabalho deles lançou as bases para a revolução da IA que estamos vivenciando hoje.
Ao reformular nossa abordagem à IA – enfatizando utilidade, aumento, ética e expectativas realistas – podemos honrar o legado de Dartmouth enquanto traçamos um curso mais equilibrado e benéfico para o futuro da IA.
Afinal, a verdadeira inteligência não está apenas na criação de máquinas inteligentes, mas na sabedoria com que escolhemos usá-las e desenvolvê-las.
Este artigo foi republicado em A Conversação sob uma licença Creative Commons e é de autoria de Sandra Peter, Diretor do Sydney Executive Plus, Universidade de Sydney
Uma estrutura para avaliar tecnologias digitais e relacionadas em rápido desenvolvimento: IA, grandes modelos de linguagem e muito mais
Este documento de discussão fornece o esboço de uma estrutura inicial para informar as múltiplas discussões globais e nacionais que ocorrem relacionadas à IA.
Preparando Ecossistemas Nacionais de Pesquisa para IA: Estratégias e progresso em 2024
O relatório oferece uma análise abrangente da integração da inteligência artificial na ciência e na investigação em vários países. Aborda tanto os avanços alcançados como os desafios enfrentados neste campo, tornando-se uma leitura valiosa para líderes científicos, decisores políticos, profissionais de IA e académicos.
Organizações científicas na era digital
O documento de discussão sintetiza os resultados de uma ampla pesquisa, entrevistas detalhadas e estudos de caso envolvendo membros do ISC. Serve como um reflexo atual da situação digital na comunidade científica e como um guia para as organizações que embarcam nas suas jornadas de transição digital.
Imagem por Billy Wilson Flickr
Leia mais sobre United in Science: Reinicie a ação climática
Leia mais sobre Solicitação de propostas para serviços de consultoria
Leia mais sobre WorldFAIR: Continuando a transformar dados para enfrentar desafios complexos em um projeto de acompanhamento
