Zachary C. Lipton, um estudante de ciência da computação pela Universidade da Califórnia, San Diego, em colaboração com os seus colegas Sharad Vikram e Julian McAuley, desenvolveram um trabalho de pesquisa sobre a capacidade de tratamento da linguagem por meio de redes neurais de computadores. Você pode-se perguntar se os computadores estão finalmente capazes de pensar.
Mas neste instante do texto, você deve estar se perguntando: O que um projeto de pesquisa sobre redes neurais, inteligência artificial ou ciência da computação está em um post deste blog? Será que o blogueiro bebeu demais?
Nada disso. É que Lipton e seus colegas desenvolveram uma máquina capaz de produzir textos e classificar os diversos tipos de cerveja com base em um banco de dados de textos desta natureza.
A rede neural aprende nomes próprios relacionados ao mundo cervejeiro, assim como jargões utilizados pelos cervejeiros. O mais importante é que a rede neural gera opiniões que são contextualmente relevantes. Por exemplo, você pode dizer: "Dê-me um comentário 5 estrelas de um Stout Imperial Russa", o software vai, obrigatoriamente, produzir um texto sobre as características deste tipo de cerveja. Ele sabe descrever Índia Ales como "hoppy”, Stouts como "chocolate", e Lagers Americanas como pálida ou “aguada".
Tornar computadores capazes de pensar é uma meta que a ciência da computação têm prosseguido por um longo tempo. Na verdade, desde os primeiros dias deste campo, eles têm sonhado com o desenvolvimento de máquinas verdadeiramente inteligentes. Em seu artigo de 1950, "Computing Machinery and Intelligence", Alan Turing imaginou conversar com tal computador através de um teletipo. Prevendo o que se tornou conhecido como um teste de Turing, ele propôs que, se o computador poderia imitar uma pessoa de forma tão convincente como enganar um juiz humano, você razoavelmente poderia considerar que ele seja inteligente.
Segundo os estudantes que elaboraram este projeto, escrever um programa para produzir saídas de insumos, desta forma pode parecer muito fácil e é. A parte difícil é treinar sua rede neural para produzir algo útil, ou seja, mexer com os (talvez milhões de) pesos correspondentes às conexões entre os neurônios artificiais.
A formação requer um grande conjunto de entradas para o qual as saídas corretas já são conhecidas. É preciso também, medir de alguma forma o quanto a saída gerada desvia da saída desejada. Na máquina de linguagem de aprendizagem, isso é chamado de uma função perda.
A matéria é muito interessante, pois demonstra a evolução tecnológica da ciência da computação, bem como a evolução dos computadores inteligentes que querem aprender sobre cervejas. Desta forma, sugiro que Lipton,seus colegas e seus computadores acompanhem os post do Bode Cervejeiro e se quiserem aprender ainda mais que participem das confrarias promovidas mensalmente no Conde Barbearia.
Para quem se interessou pela matéria original, leia-a no seguinte link:
Nenhum comentário:
Postar um comentário