O aprendizado de uma criança é um processo incrivelmente natural. Observando as pessoas ao seu redor e seu comportamento, os pequenos rapidamente começam a reconhecer padrões e, aos poucos transformá-los em suas próprias ações. Isso permite que a criança comece a conversar, saber o que é perigoso e entender que boas ações geram recompensas (e más ações podem passar impunes). Uma parte do objetivo da inteligência artificial é conseguir replicar este processo de aprendizado a partir de observação, mas não é tarefa simples.
No entanto, pesquisadores da Univesidade de Sheffield dizem que foram capazes de criar um método que facilita que sistemas artificiais entendam e aprendam com o mundo ao seu redor, o que pode ser um novo passo para as tecnologias de aprendizado.
O método foi apelidado de “aprendizado de Turing”, em referência ao teste de Turing, proposto por Alan Turing, o pai da computação moderna, em 1950. Na ocasião, ele criou um teste em que uma pessoa conversaria com uma máquina e com outro humano normal; se ao fim da conversa o interrogador não pudesse distinguir qual dos dois era a máquina e qual era a pessoa, a inteligência artificial teria passado no teste.
No sistema em questão, o interrogador é substituído por um algoritmo enquanto a outra pessoa é trocada por um “enxame” de pequenos robôs. Assim, uma simulação em computador tenta replicar o movimento dos robôs, assim como a IA do teste de Turing tenta replicar a fala humana.
O algoritmo observa os padrões de movimento do grupo de robôs e da simulação e tenta determinar o que é o que. Quando correto, o algoritmo era recompensado por meio de uma fórmula matemática; quando a simulação conseguia enganar, era a vez de ela ganhar uma recompensa.
Assim, ao mesmo tempo, o sistema era usado tanto para treinar o algoritmo de reconhecimento quanto a simulação. No estudo, os pesquisadores descrevem que o método fez com que as simulações ficassem mais precisas com o tempo apenas com a observação, sem depender da intervenção humana.
A técnica, no entanto, trata apenas dos “enxames de robôs”, o que tem pouca aplicação prática no mundo real. No entanto, os pesquisadores preveem aplicações mais amplas, que pode incluir a previsão e compreensão de comportamentos na natureza, como grupos de abelhas ou peixes, e também humanos e como eles se comportam online.
Tags: