Fernando Pereira lembra a importância que a matemática pode ter no desenvolvimento da Inteligência Artificial
Fernando Pereira é hoje um dos nomes incontornáveis da Inteligência Artificial mundial, mas não renega os ensinamentos obtidos durante a Licenciatura em Matemática na Faculdade de Ciências da Universidade de Lisboa (Ciências ULisboa). Sendo vice-presidente da Google Deepmind, o famoso antigo aluno de Ciências ULisboa saberá como poucos o que nos reserva o futuro da Inteligência Artificial (IA). E foi nessa condição que nos deu, esta terça-feira, uma entrevista, minutos antes de protagonizar um curioso diálogo aberto ao público, com o neurologista António Damásio no evento Responsible AI Forum 2025, que teve lugar na Fundação Champalimaud, em Lisboa. “Uma pessoa não consegue perceber os fundamentos de toda a IA corrente sem ter um mínimo de educação de álgebra linear, certos aspetos de geometria, ou certos aspetos de análise de múltiplas variáveis”, recorda o executivo da Google Deepmind à margem do evento organizado pelo Centro para a IA Responsável.
As coisas que aprendeu em Ciências ULisboa, no século passado, ainda são úteis para aquilo que faz na atualidade?
É importante saber que fiz a licenciatura em matemática pura, na altura em que a licenciatura tinha cinco anos, mas, ao mesmo tempo, estava a trabalhar em part-time no Laboratório Nacional de Engenharia Civil (LNEC), e aí é que comecei a trabalhar em Inteligência Artificial (IA). É um pouco um contraste, porque tudo o que estava a fazer na Faculdade de Ciências era matemática pura… Lógica, topologia, análise funcional, álgebra abstrata… Na altura, cheguei a hesitar se iria prosseguir os estudos de doutoramento em matemática, tendo em conta que, ao mesmo tempo, estava a fazer programação e experiências com IA. A parte da matemática foi uma coisa que sempre me interessou muito. Por outro lado, há o rigor lógico e o rigor do raciocínio que a matemática traz e que me ajudou ao longo da carreira para visualizar problemas. Mesmo que sejam computacionais, esses problemas, muitas vezes, têm um caráter geométrico, um caráter algébrico, um caráter analítico. Em todos esses casos, toda essa educação que tive (em Ciências ULisboa) serve para processar mais rapidamente os problemas e ver conexões entre aquilo que estou a fazer num momento e outras ideias, outros problemas, e outras técnicas… a matemática tem esta característica!
Fica a ideia de que a matemática dá acesso direto à informática…!
Trata-se da capacidade de raciocinar abstratamente sobre os problemas, que é uma coisa difícil de obter de outra maneira. Tem-me servido ao longo da carreira. Sinto que é o meu superpoder; é o que dá capacidade de pensar em problemas concretos de maneira geral e abstrata e que permite conectar diferentes áreas de conhecimento – seja a linguística, seja a teoria da probabilidade, seja a teoria da informação, ou mesmo, por exemplo, aspetos de método. Toda a IA corrente que tem por base em redes neuronais, cálculo de múltiplas variáveis, todas as ideias de diferenciação, integração...
Todas essas áreas beneficiam da matemática!
Uma pessoa não consegue perceber os fundamentos de toda a IA corrente sem ter um mínimo de educação de álgebra linear, certos aspetos de geometria, certos aspetos de análise de múltiplas variáveis... As pessoas podem dizer: “ah, não preciso fazer isso, só estou aqui a trabalhar com este chatbot, e a interagir, para ele fazer programas por mim”. Mas, isso é o mesmo que ser médico e não saber nada sobre biologia. Da mesma maneira, uma pessoa que trabalha com a IA corrente que é baseada em redes neuronais, se não souber da matemática subjacente, está sempre em desvantagem. Ajudou-me muito a ficar com um pensamento mais rigoroso, e capacidade de abstração. As cadeiras que tive (na Faculdade) ajudaram-me a estimular e a afinar essa capacidade, enquanto resolvia problemas difíceis que requeriam concentração e pensamento rigoroso, ou demonstrações de teoremas complicados.
E hoje, o que têm de estudar os alunos que querem trabalhar em IA?
Os fundamentos da matemática e certos aspetos de ciências cognitivas continuam a ser importantes, para estas técnicas todas (da IA). A maneira como faz o treino dos modelos (de IA)… É tudo baseado na análise matemática! Uma pessoa pode usar aquilo como se fosse uma caixa negra e carregar no botão e esperar. Mas depois, quando as coisas resultam mal, não sabe porquê. Também temos coisas que estão relacionadas com o processamento de sinais visuais, ou de voz - e isso, mais uma vez, tem uma matemática substancial. O controlo de um robô, que tem movimentos, implica métodos técnicos e matemáticos para otimizar esses movimentos. Ou seja, tudo o que tem a ver com engenharia tem uma relação com métodos de análise e síntese, e todos eles dependem da matemática, mais uma vez. As questões relacionadas com os fundamentos da computação têm a ver com a lógica e a combinatória… Todas estas disciplinas instilam uma capacidade rigorosa de análise, uma capacidade de crítica. Para ter uma análise crítica destes métodos, há que saber de onde é que vêm. Caso contrário a crítica superficial ou uma aceitação superficial. Esse é um dos problemas maiores que temos. A tecnologia é tão impressionante que pode levar as pessoas a ficarem seduzidas e a dizer que “ah, isto é o que é” enquanto acreditam naquilo como se fosse uma coisa mágica. Mas quando se percebe os fundamentos técnicos e os fundamentos matemáticos e estatísticos destas tecnologias, também se percebe quando é que podem falhar e estar sempre mais capaz de ter um pensamento crítico e um pensamento criador.
Depois da euforia da IA Generativa, o que virá a seguir?
Uma das coisas que temos que analisar com a Inteligência Artificial Generativa, e que vou falar neste evento com António Damásio, é que ainda lhe falta capacidade para interagir de maneira integrada com o mundo físico. A IA fala e produz respostas, mas se pegar num objeto (ao mesmo tempo que fala, Fernando Pereira pega numa caneta e começa a fazer gestos com ela no vazio para exemplificar), a IA pode não perceber que é o mesmo objeto em posições diferentes. Trata-se de um problema de geometria projetiva em três dimensões, que permite perceber como é que a representação visual muda enquanto isto (a caneta) se move. Hoje, os nossos modelos de IA Generativa não têm essa capacidade, porque ainda não são capazes de internalizar toda a estrutura do mundo físico. E no mundo físico, também tratamos de coisas de muito mais de alta dimensão, como o processamento de informação biológica, climática, ou de coisas altamente dimensionais que estes modelos ainda não capturam. Portanto, não têm uma noção robusta do espaço e do tempo.
Pelas suas palavras, depreende-se que esse é um dos capítulos que se seguem na IA…!
É um passo muito importante. A ideia de world models ou modelos do mundo, tem por base um modelo do espaço exterior e da maneira como se organiza, bem como de toda a interação nesse mundo exterior.
Quais os perfis profissionais mais procurados? Será mesmo verdade que a IA vai mesmo mudar o paradigma atual e acabar com a profissão de programador?
Para mim o paradigma é o seguinte: a capacidade analítica, a capacidade crítica, e a capacidade de pensamento rigoroso e lógico nunca ficam fora de moda – e vão ser amplificados por esta tecnologia. Talvez eu não tenha de escrever programas à moda antiga, mas tenho de exprimir aquilo que quero, de uma maneira rigorosa. Quando falamos com um chatbot, temos de saber o que estamos a dizer. Curiosamente, as pessoas, muitas vezes, falham nisso. Por vezes, as pessoas que são as mais capazes de pôr o chatbot a fazer aquilo que querem tiveram formação literária - e sabem escrever rigorosamente, por exemplo. O meu filho, que fez um mestrado em literatura inglesa e foi professor do ensino secundário, não tem problema nenhum em trabalhar com um chatbot para pô-lo a programar. Ele programou um pouco quando estava na universidade, mas hoje usa aquilo (a IA) para fazer coisas. E ele é eficaz, porque se sabe exprimir de uma maneira extremamente rigorosa. É isso mesmo que é fundamental; é essa capacidade de se exprimir com rigor, de comunicar uma intenção e aprender criticamente, quando o resultado não é o que se quer, para poder analisar o que falhou.
Será correto concluir que, afinal, a IA está abrir portas a quem não estudou informática?
Mas exige um pensamento rigoroso… seja nos cursos mais rigorosos de informática e de matemática, ou também nos cursos de literatura que sejam suficientemente rigorosos. É isto que é necessário: capacidade crítica, capacidade analítica, rigor de pensamento, rigor de expressão.
