Com o fortalecimento da Aprendizagem (Machine Learning), a escola clássica da Inteligência Artificial ou IA (Good Old Fashion AI, GOFAI), apoiada em sistemas simbólicos, ficou entrincheirada. O livro mais recente do professor Hector Levesque, “Common Sense, the Turing Test, and the Quest for Real AI”, da MIT Press (2017), vem ajudar a não esquecermos o que a IA nos tem ensinado, ano após ano, acerca da mente, e, em particular, que o pensamento é um processo computacional. Como pode, então, a computação iluminar o pensamento?

Antes de avançarmos com uma resposta é bom não esquecer Yoav Shoham que defendeu, “no início, o objetivo era não só compreender os computadores (e como eles podem ajudar, por exemplo na batalha contra o cancro e pela nossa sobrevivência), mas também conhecer mais dos seres humanos” (e dos animais que nos cercam). Assim, é relevante todo o esforço nas ciências do cérebro sobre como fazemos uma série de coisas que não conhecemos. Por exemplo, como o cérebro reconhece o que os olhos veem? Uma resposta vinda do Salk Institute, (Rowekamp e Sharpee) abre uma janela sobre como o cérebro faz (processo visual), e isso será essencial para os carros sem condutor serem viáveis no futuro.

Ao olharmos para como o raciocínio se desenvolve, podemos sentir o senso comum, que está sempre presente nas nossas conversas, e acompanhar uma máquina de jogar connosco (Go ou Poker). No caso, de sermos surpreendidos,  como em 1997, entre o DeepBlue da IBM e Gary Kasparov, o qual jamais o esqueceu (veja-se o New Scientist de 3 de junho de 2017, e o artigo “Endgame? It is just the beginning”). Ele afirma agora “sou também realista, pois para cada tarefa discreta, incluindo jogar xadrez, as máquinas inevitavelmente ultrapassarão mesmo o homem-mais-a-máquina”. Ou seja, não devemos ter medo das máquinas, e é melhor exigir dos cientistas e dos empreendedores que são os benefícios que mais nos interessam: viver com qualidade e, eventualmente, trabalhar menos!

Ao olhar para a inteligência como computação (uma definição da IA segundo Patrick Hayes, avançada ainda nos anos 70), os cientistas pretendem fugir do lado tecnológico (dominado pelo volume dos dados) e abraçar a direção intelectual, que se centra mais na inteligência e na nossa capacidade de apreender sobre os aspetos do mundo e que jazem bem distantes da experiência direta, através das expressões de língua natural.

Na DeepMind, em Londres, David Raposo (ex-aluno da FCUL) trabalha com o raciocínio relacional (através das redes neuronais), que estamos sempre a explorar (ao ler um livro de Agatha Christie, juntamos as peças da evidência de um crime, e ao olharmos o mundo, à nossa volta, reconhecemos as relações (e as redes) entre as coisas (entidades e propriedades) e fazemos perguntas-respostas), interessados em compreender melhor os desafios deste tipo de raciocínio.

A ideia de que o pensamento ocorre apenas na nossa cabeça foi, recentemente, posta em causa na King´s College University (Londres). Quando se resolvem problemas ou se tomam decisões, o ambiente que nos envolve é essencial, pois a escolha de ferramentas, do uso das mãos ou dos objetos em redor (recursos) podem estimular novos modos de pensar e de descobrir soluções. Por exemplo, a escolha do diagnóstico clínico e do tratamento de um doente é um processo cognitivo complexo que é influenciado por múltiplas variáveis. A precisão da tomada de decisão pode ser melhorada, adiando momentaneamente (fração de segundo) o disparo de uma ação. O exame de um aspeto, como o debate ou diálogo entre dois lados, ajuda as pessoas a aplicar raciocínios mais sofisticados e em maior profundidade (pensamento crítico), alargando as alternativas a considerar e as evidências a explorar. Muitas vezes, o modo estratégico de pensar (recorrendo a vários recursos) é importante para dirigir o esforço em direção a um alvo, ora através da atenção, da persistência operada ou mesmo da reflexão sobre o objetivo a atingir.