Escolar Documentos
Profissional Documentos
Cultura Documentos
APLICAÇÃO DA
INTELIGÊNCIA
ARTIFICIAL AO DIREITO
AULA 1 – INTRODUÇÃO E CENÁRIO HISTÓRICO
GUSTAVO MASCARENHAS LACERDA PEDRINA
Conteudista:
Gustavo Mascarenhas Lacerda Pedrina (STF)
Revisora de textos:
Tatiana Viana Fraga (STF)
Web designer:
Haina Castro Rego (STF)
Contato: ead@stf.jus.br
INTRODUÇÃO .......................................................................... 4
1. O QUE É E O QUE NÃO É AI.............................................. 5
2. INTELIGÊNCIA ARTIFICIAL: EVOLUÇÃO DESDE
TURING....................................................................................... 10
3. BIG DATA............................................................................... 13
4. MACHINE LEARNING........................................................ 15
CONCLUSÃO............................................................................ 17
REFERÊNCIAS......................................................................... 19
INTRODUÇÃO
Oi! Tudo bem? Esta é a primeira aula do nosso curso. Nela e nas próximas
vamos discutir e aprender mais sobre um termo cada vez mais popular, a inteligência
artificial. Você já ouviu falar?
Vamos lá?
Então me diga: você prefere deixar seu dinheiro num banco que não tem
qualquer inteligência aplicada ou com a Bia do Bradesco?
Se você ficou tentado a abrir uma conta nessa instituição financeira devido
às novidades tecnológicas apresentadas, não quero te decepcionar, mas a
inteligência aventada pelo banco ou por qualquer outra empresa (e até mesmo
por órgãos públicos) não é exatamente o que parece.
Meu caro colega, minha cara colega... A verdade é que até este ponto da
história não descobrimos nada parecido com as redes neurais dos seres humanos.
Essas redes são resultado de milhões de anos de evolução, nos quais o ser humano
“aprendeu” a se movimentar, a se alimentar, a procriar, etc. As redes neurais se
desenvolveram numa aquisição instintiva, procurando soluções não exatamente
médias para problemas cotidianos. Elas derivam de algo mais profundo, o arco
linguístico em que o ser aprende a executar uma ação e associá-la a um resultado
duradouro – estudaremos esse assunto adiante, na aula 3, com mais detalhes.
SAIBA MAIS
Eu te digo: vamos com calma, mesmo diante de tanto amor que dedica a
ele, eu sei. Veja a seguinte ilustração:
COMO FUNCIONA
O CÉREBRO
DE UM CACHORRO
É um É um
objeto? som?
Dá pra É um
Não Não
comer? tênis?
Sim Sim
Foi
bom? Não Pegue-o Lata
alto
Sim Vomite
Coma
outra Destrua-o
vez
FIM
Fonte: caixapretta.com.br
(com adaptações)
Não brigue comigo, só queria mostrar de maneira lúdica o que estou tentado
explicar. Podemos achar nossos bichos seres inteligentes, há até mesmo quem ache
neles um filho. Veja o caso de empresas que adaptam produtos humanos para os
pets, em reportagem da Folha de S.Paulo intitulada “Empresas levam serviço de
humano para pets”. Contudo, há uma diferença básica que lhe diferencia do seu
pet: só você consegue comunicar racionalmente as suas decisões e justificá-las.
NOTA
Ver mais em: BERWICK, Robert C.; CHOMSKY, Noam. Why only us: language and
evolution. Cambridge: MIT Press, 2017. p.102
NOTA
Antes Winston propõe a Inner Language Hypothesis, segundo a qual “Human
intelligence is enabled by a symbolic inner language faculty whose mechanisms
support both story understanding and the querying of perceptual systems”. (“A
inteligência humana é possível graças a uma habilidade inerente ao ser humano
que o torna capaz de concatenar a linguagem interna de modo a suportar o
entendimento de outras histórias através de sistemas perceptivos.” Tradução
livre.) WINSTON, Patrick. The strong story hypothesis and the directed perception
hypothesis. AAAI Fall Symposium Series, 2011. Artigo digital.
NOTA
“The strong story hypothesis: the mechanisms that enable humans to tell,
understand, and recombine stories separate human intelligence from that of
other primates”. WINSTON, Patrick. The strong story hypothesis and the directed
perception hypothesis. Digital.
Essas questões são importantes para que se adquira uma visão básica quanto
à matéria: entregar a resposta média não é nem inteligente e muito menos significa,
para o que nos interessa, fazer justiça.
Como veremos adiante, ainda não foi possível criar uma rede de
processamento artificial que seja capaz de emular as redes neuronais humanas.
Todas as tecnologias existentes até hoje, inclusive aquelas que se dizem AI, são na
verdade coleções de dados que fornecem respostas estatísticas (WINSTON, 2018).
Agora você já tem elementos suficientes para fazer uma leitura crítica sobre
as ofertas de produtos tecnológicos que, supostamente, são inteligentes, não é
mesmo?
SAIBA MAIS
O Massachusetts Institute of
Technology (MIT) tem um
programa de aulas abertas (ocw.
mit.edu/index), inclusive sobre
redes neurais e inteligência.
Patrick Henry Winston foi professor do MIT por quase 50 anos, vindo a
falecer em 19 de julho de 2019. Foi diretor do Laboratório de Inteligência
Artificial e Ciências da Computação do MIT por 25 anos. Criou e liderou
o grupo Genesis, uma das mais destacadas pesquisas de inteligência
artificial no mundo. Era graduado e mestre em Engenharia Élétrica e
doutor em Ciências da Computação pelo MIT.
Fontes: people.csail.mit.edu;
memoriesofpatrickwinston
Fonte: cs.stanford.ed
NOTA
“We may hope that machines will eventually compete with men in all
purely intellectual fields. But which are the best ones to start with?” (“Nós
podemos esperar que as máquinas irão eventualmente competir com os
seres humanos em todos os aspectos intelectuais. Mas quem será o melhor
para começar a desvendar um problema?”)
De acordo com o autor, uma máquina que pudesse dialogar com humanos
sem que os humanos tivessem consciência de que o interlocutor é uma máquina
teria atingido o ponto de vitória no que chamou de “jogo da imitação”, podendo
ser considerada “inteligente”.
Essa máxima ficou conhecida como “Teste de Turing” e, ainda que tenha
inegável papel histórico e possa ser aplicada para sistemas de inteligência artificial
mais primitivos, não é capaz de responder a questões mais avançadas da área hoje,
como a criação de contextos por redes neurais, que veremos adiante neste curso.
Fontes:
escolabritannica; dcc.ufrj
SAIBA MAIS
• Quarta onda: agora, tenta-se (i) aliar a visão artificial com a inteligência da
máquina e (ii) estabelecer a inteligência autônoma.
NOTA
3. BIG DATA
SOFTWARE
NEURAL
MACHINE
BIG
AUTOMATION DETECT THEORY LEARNING
ENGINEERING AUTOMATION
SMART
DETECT
TECHNOLOGY
INTELLIGENCE
ARTIFICIAL
MOBILE
INFORMATION
PROCESSING
ARTIFICIAL
INTELLIGENCE APPS
DYNAMIC
SCIENCE
web PROCESSING
PROJECTS
AI DYNAMIC
PROCESSING
AUTOMATION
SCIENCE
DATA
AI
PLANNIG
COMPUTER
DETECT
AUTOMATION
APPS
NETWORK
AUTOMATION
DETECT MARKETING REPORT REPORT
STRATEGY
STATISTICS EVERYTHING
AUTOMATION
THEORY ROBOT
BRANDS
SMART
SMART ANALYSIS
ROBOT
web
web BRANDS
LEARNING
Agora observe que, além dele, você está conectado, possivelmente com
o mesmo usuário e senha (aquele do e-mail, sabe?!), no navegador do seu
computador. Também está utilizando um buscador e provavelmente um site de
notícias. Como suas pesquisas são relacionadas às suas leituras, e estas podem
indicar suas posições políticas, é possível entrecruzar todos esses dados para,
por exemplo, mostrar quais bairros têm mais eleitores de um ou de outro partido
político, o que, no final, pode ser até mesmo uma ameaça à democracia.
Há autores que têm expandido esses “V’s” para acrescentar outros 4: valor e
veracidade da informação (quanto mais verídica, mais valorosa), volatilidade (em
que medida e seguindo quais tendências a informação obtida muda) e visualização
(relacionada à visualização dos dados tanto do ponto de vista de como podem ser
lidos quanto adquiridos – por inteligência artificial ligada à leitura de imagens, por
exemplo).
Esse volume de dados passou a ser melhor reunido nos últimos dez anos,
com o aumento da capacidade de processamento das máquinas. Softwares mais
modernos conseguem trabalhar com reconhecimento por imagem, organizando
e associando melhor os dados sobre um indivíduo. Nos últimos anos alcançou-se
um equilíbrio ótimo entre o custo e a capacidade de processamento de chips que
trabalham dessa forma.
4. MACHINE LEARNING
Os grandes volumes de dados, estruturados ou não, precisam ser
processados para serem úteis. Durante esse processamento, é possível treinar a
máquina para que ela ofereça resultados cada vez mais precisos, ou seja, para que
forneça uma resposta média com maior precisão. A esse processo dá-se o nome
de aprendizado de máquina, ou machine learning em inglês.
CONCLUSÃO
Por que um balão? Porque ele voa – sabemos, portanto, que é possível voar
–, mas ele apenas voa porque carrega uma massa incrível (no nosso exemplo, os
big data); podemos voar de acordo com parâmetros (o vento, no caso do balão;
os dados de treinamento, no caso da análise estatística) sabendo com certo grau
de confiança aonde chegaremos – é possível que o voo chegue a outro lugar, por
isso é necessário um piloto, ou programador no nosso caso, sempre atento.
bis
14
REFERÊNCIAS
BAKAR, N. [et al.]. ALS and artificial intelligence: IBM Watson suggests novel RNA
binding proteins altered ALS. Disponível em: <https://www-01.ibm.com/common/
ssi/cgi-bin/ssialias?htmlfid=HLW03040USEN>. Acesso em: 7 mai. 2019.
BARRET, Lisa Feldman. How emotions are made: the secret life of the brain. Boston:
Houghton Mifflin Harcourt, 2017.
BERWICK, Robert C.; CHOMSKY, Noam. Why only us? Language and evolution.
Cambridge: MIT Press, 2015.
LIBET, B. Do we have free will? In: Kane, R. (ed). The Oxford Handbook of free will.
Oxford: Oxford University Press, 2002. p. 551-564.