Nos últimos meses, estive pensando muito mais sobre a “guerra fria 2.0” de Inteligência Artificial entre a China e os EUA em que algumas pessoas acreditam que já estamos ou estamos entrando. A IA é sem dúvida a tecnologia com maior poder – em diversos sentidos – da história do planeta; portanto, o país que melhor controlar IA terá uma vantagem significativa, desde que não seja rapidamente copiada por outras pessoas, tornando a vantagem de curta duração – Mas ainda sim uma vantagem de grandes proporções.
Um artigo recente do Departamento de Defesa dos EUA afirma que os EUA lideram a IA onde é importante, ao menos no que o governo norte-americano considera importante. Hoje, porém, quero abordar uma questão específica desse debate – o valor dos dados. Já foi argumentado muitas vezes que, como “os dados são o novo petróleo” e a China tem menos proteções à privacidade dos dados de seus cidadãos, a China terá uma vantagem de dados que se traduz em uma vantagem estratégica da IA ao longo do tempo. Há também um segundo argumento de Kaifu Lee de que a China geralmente ultrapassará os EUA em tecnologia por causa da população, ética no trabalho e outras razões culturais. Não é o assunto abordado hoje.
Um exemplo das ações tomadas com empresas techs que nasceram na China:
O que eu quero abordar é o argumento de dados. Nos últimos 18 meses, houve uma conversa sobre os limites do aprendizado profundo e se estamos ou não entrando em outro inverno da IA. Minha perspectiva é sim, que o deep learning está atingindo seus limites, mas não, não estamos entrando em outro inverno da IA.
O deep learning está atingindo seus limites porque os conjuntos de dados atualmente usados para treinar redes neurais profundas já são fixos. Quando digo fixos, quero dizer isso conceitualmente. Os conjuntos de dados compõem coisas que estão em um nível comum de uma perspectiva cognitiva. Ninguém ainda está pegando um conjunto de dados de rostos e extrapolando alguma inteligência artificial não relacionada à face a partir disso, da maneira que um humano pode. Os seres humanos têm uma parte hierárquica na maneira como aprendemos. É por isso que aula de Cálculo não faz sentido se você não teve Álgebra. Você precisa entender as variáveis antes de entender as alterações instantâneas nas variáveis. Existe uma dependência de caminho para o aprendizado que é importante. Mas, essa dependência de caminho existe em conceitos de nível superior, e não em conceitos mais simples, onde vive a limitação.
Por exemplo, ao ensinar uma criança a ler, você ensina letras, sons, palavras e frases. Você não começa apenas com frases completas. O deep learning ainda está na fase de letras e / ou sons para a maioria dos conjuntos de dados que usamos (pense em conjuntos de dados simples em todas as áreas do aprendizado profundo).
5G: Outro principal campo de batalha digital e de inteligência:
Então, o ponto é que haverá um componente hierárquico para o aprendizado em máquinas, e se isso for verdade, o tamanho dos conjuntos de dados simples não importa tanto. Quando penso nos conceitos de IA, tento pensar neles com seres humanos substituídos pela IA. Diga-me, qual você preferiria, um ser humano com acesso a 100 milhões de rostos em um banco de dados e nada mais, ou 10 milhões de rostos, exceto informações adicionais sobre as pessoas que esses rostos representavam? Depende do problema que você está tentando resolver, mas em muitos casos, o valor geral dos outros 90 milhões de faces como um conjunto de dados é limitado. Talvez você possa criar um algoritmo de reconhecimento facial um pouco melhor, mas não pode fazer muito mais.
Talvez seja uma maneira melhor de dizer isso, para tarefas complexas que exigem análise de nível superior, o valor marginal dos dados em níveis mais baixos da hierarquia é baixo além de um certo ponto que os EUA e a China provavelmente atingirão. Usando outro exemplo de matemática, trabalhar duas vezes mais problemas básicos de adição do que qualquer outra pessoa o torna melhor em Álgebra? Provavelmente não. Tudo o que você precisa é de experiência suficiente com dados para entender como esse nível de hierarquia funciona e, em seguida, o restante é de valor limitado.
Um exemplo do “mal aceito”, e o uso dos dados:
Dado que o caminho para a IA abrangente é sobre hierarquia e conceitos cognitivos mais elevados, não dados de baixo nível (nota: esta é minha perspectiva e pode estar totalmente errada), o acesso aos dados importa, mas apenas a um ponto, ou um objetivo claro. E é um ponto que os EUA e a China provavelmente atravessarão facilmente. Portanto, a tese da qual estou trabalhando é que o acesso aos dados não será um grande fator para quem vencer a corrida à IA em geral.
Claro, considerando que a sociedade tem acesso informativo, do próprio governo, sobre a utilização desses dados ou aplicação dos dados em novas tecnologias ou algoritmos.
Discorda, concorda? Manda nos comentários.
Add a comment
