Os partidários da abordagem simbólica, creem que essa estrutura é representada na forma de regras, ou algoritmos, que teoricamente podem ser implementados numa máquina do tipo Von Neuman. Eu não nego essa possibilidade, só que o grande problema é saber como é que essa máquina é capaz de aprender essas regras e criar significado? A dificuldade neste caminho parece-me inultrapassável.
Agora que nos livrámos da “maldição simbólica”, que durante tantos anos assombrou o campo da inteligência artificial, chegámos ao início da especulação: como construir uma máquina sub-simbólica, com poder de abstracção e capacidade de adquirir sentido sobre a informação que recebe.
Antes de propor a minha “solução final”, não quero que me confudam com aqueles investigadores da nossa praça que passam a vida a aprender os que os outros dizem e pensam sem nunca terem coragem de avançar com ideias novas, limitando-se a papagear (e pavonear-se) com as ideias dos outros. Infelizmente o seu medo atávico de cair no ridículo é maior que a curiosidade e vontade de contribuir para a ciência. A terrível herança cultural de que, sem o saberem, são vítimas, deixa-os prontos para ridicularizar as ideias dos seus congéneres, sobretudo dos mais novos, mas fazem amen a qualquer disparate desde que seja dito por personalidades com o nome ligado a instituições sonantes, como MIT, Harvard e companhia. A sua própria mediocridade ofusca-lhes os sentidos e impede-os de ver, e muito menos apoiar, nos outros aquilo que eles nunca tiveram coragem de fazer: inovar.
Hoje estou mesmo mauzinho… Prometi a mim mesmo por uma pedra sobre a mediocridade portuguesa, ou melhor na incapacidade de acreditar em nós mesmos. Prometo nao falar mais no tema.
Isto para dizer que as minhas ideias são mesmo minhas e não emprestadas de ninguém, sobretudo das inúmeras escolas filosófico – cognitivas, que crescem por todo o lado como cogumelos. Não quero dizer que não me tenha inspirado em diversas leituras que irei acrescentar mais tarde numa bibliografia. Mas o essencial é mesmo meu: para o bem e para o mal...
Antes de dizer o que é, vou antes alertar para o que não é a minha prespectiva. Não é uma posição behaviorista, a qual considero de uma ingénuidade atroz;
não é uma visao 100% assosiativista, pelo menos na sua interpretacao mais estrita;
não é também uma posicao conexionista, embora esteja próximo, mas que já critiquei a propósito das redes neuronais. Não acredito que o nosso cérebro se possa reduzir a uma máquina de associacões, mesmo sabendo que elas ocorrem frequentemente. Escusado será dizer que repudio totalmente a posição defendida pelos auto-proclamados investigadores de inteligencia artificial clássica, segundo os quais o cerebro é essencialmente uma máquina lógico-simbólica.
Vamos comecar então pelos príncipios para construir uma máquina inteligente (MI):
I-Riqueza de estímulos. Se não podemos apresentar símbolos “limpinhos” a uma MI, o que lhe damos para "comer"? A “realidade suja” tal como nós próprios lidamos com ela. Devemos equipar a MI com dispositivos “sensoriais” destintos dando-lhe liberdade para eventualmente inventar os seus próprios simbolos. A ideia é criar um ambiente sensorial rico. A uma MI devemos dar tudo, quanto mais melhor. Será ela a escolher o que é relevante. De certa forma uma rede neuronal decente para processamento de imagem faz isso rotineiramente.
Mas se não usamos símbolos, como pode a MI “sentir o mundo”? Da mesma forma que o cérebro usa os sinais eléctricos. Claro que teremos de converter temperatura e luminosidade em numeros, mas não são esses numeros em si que tem significado, são apenas um substracto, uma projecção. Isto contrasta com o procedimento normal num computador que recebe não a informação sensorial, mas apenas as caracteristicas simbolicas relevantes. Por exemplo, se queremos contar A + B não interessa informar a máquina que A são maçãs e B são pêras. Mas na MI temos de dar tudo. Claro que para poder processar inputs tão ricos as MI terão de estar equipadas com inumeros sensores, quantos mais melhor: temperatura, tacto, visão, etc. Mas isso os robots actuais também já fazem, dizem alguns. É verdade que fazem, só que eles não sabem isso. Chiu! Ai se eles descobrem…
II-Memória. Para processar, ordenar e armazenar esses inputs, precisamos de memória. Mas é uma memória totalmente distinta da que estamos habituados a ter nos computadores. Uma memória de padrões através de um zona de pesos sinápticos. Tem de ter pelo menos dois níveis: curto prazo e médio prazo. Na memória de curto prazo é guardado o máximo de informação possível mais recente, quer achemos relevante ou não. Na memória de médio prazo só ficam o que é fundamental, sendo a definição de fundamental ao seu cargo. A Informao fica guardada em locais estanques, mas numa forma difussa e dinâmica, por exemplo através de atractores no espaço de fase formado pelos neurónios, como nas redes de Hopfield.
III-Heterogénidade. Uma MI não pode ser homogénia. Tem de dispor de várias zonas ou camadas que processam aspectos distintos dos sinais. O número e função de cada zona não é atribuido a priori mas evolui de acordo com um processo de auto-organização.
IV- Abstracto? Não, concreto. A MI tem de ser capaz de descobrir conceitos e não limitar-se a acumular tudo o que recebe. Um conceito é algo comum entre inputs para que ajude a distinguir: cor, forma. Mas atenção, os conceitos não são “features” abstractas. Na verdade o cérebro é muito concreto e começa quase sempre por lidar com varios exemplos que conhece para só depois partir para o abstracto. O reconhecimento faz-se pelo concreto e não pelo abstrato.
V Emergência de símbolos. Calma aí! Mas não era suposto as MI serem sub-simbólicas? Sim, na sua base. Mas, e aqui está a minha diferença com os conexionistas, eu não nego a necessidade de processamento simbólico. Só que os símbolos são uma propriedade emergente, uma consequência e não a matéria prima do pensamento. Como a cor que resulta da estrutura atomica da matéria, mas os objectos não são feitos de cores. Os símbolos são uma forma de identificar e recuperar um padrão consistente que tenha sido encontrado no processo cognitivo. Ao contrário dum computador, os símbolos não ficam guardados em posicões de memória estanques. Eles são apontadores para um padrão de associacões para o que irei designar de protótipos. Os símbolos são importantes para desenvolver um raciocínio lógico-dedutivo e ajudam a estruturar o pensamento isolando e catalogando objectos e classes. Mas não é de forma alguma na capacidade de manipular estes símbolos que está o cerne da inteligência. O cérebro, ao contrário do computador, sabe perfeitamente bem que está a lidar com símbolos e o que eles representam numa equação ou num texto.
VI - Protótipos O cérebro é uma máquina que aprende com exemplos. Mas como guarda informação relevante sem ficar saturado? O verdadeiro poder do cérebro é ser capaz de estruturar a informação e criar modelos a vários níveis. Para isso recorre ao que chamo de prototipos. Por exemplo, as crianças quando aprendem a contar começam por visualizar objectos concretos: macãs, os lápis e só depois se aprecebem que isso é irrelevante. Se o nosso cérebro fosse uma simples máquina de manipular regras, a aprendizagem devia ser a coisa mais trivial do mundo. O facto de isso não ser assim devia ser suficiente para concluir que cá dentro há muitas coisas que não se podem reduzir a um mero raciocinio abstracto. É claro que as regras são fundamentais. Tal como os símbolos, elas servem para consolidar e sistematizar os conhecimentos, mas é um erro enorme reduzir os conhecimentos adquiridos a essas regras. Sei que me estou a repetir, mas dizer que o nosso cérebro guarda tudo sob a forma de regras é um enorme disparate. Acho que estão a compreender onde quero chegar…