Shyam Sankar: A ascensão da cooperação homem-computador

Gostaria de falar sobre duas partidas de xadrez. A primeira aconteceu em 1997, na qual Garry Kasparov, um humano, perdeu para Deep Blue, uma máquina. Para muitos, isto era o início de uma nova era, em que o homem seria dominado pela máquina. Mas aqui estamos nós, 20 anos depois e a maior mudança de como nos relacionamos com computadores é o iPad e não HAL.

A segunda partida foi num torneio de xadrez estilo livre em 2005, no qual homem e máquina podiam participar como parceiros, ao invés de adversários, se assim preferissem. No início os resultados eram previsíveis. Mesmo um supercomputador perdia contra o grande mestre com um laptop relativamente fraco. A surpresa veio no final. Quem venceu? Não o grande mestre com um supercomputador, mas na verdade dois amadores estadunidenses com três laptops relativamente fracos. A habilidade deles em instruir e manipular seus computadores, para explorar a fundo posições específicas agiu efetivamente contra o conhecimento superior sobre xadrez dos mestres e o poder da superioridade computacional de outros adversários. Este é um resultado espantoso: homens comuns, máquinas comuns vencendo o melhor homem, a melhor máquina. Todavia, não deveria ser homem contra máquina? Em vez disso, trata-se de cooperação e o tipo certo de cooperação.

Nos últimos 50 anos viemos prestando muita atenção na visão de Marvin Minsky sobre a inteligência artificial. É uma visão sexy, com certeza. Muitos a acolheram. Tornou-se a escola de pensamento dominante da ciência da computação. Mas ao entrarmos na era dos grandes dados, dos sistemas de redes, das plataformas abertas e da tecnologia integrada, eu sugeriria que está na hora de reavaliarmos uma visão alternativa que na verdade foi desenvolvida no mesmo período. Refiro-me à simbiose homem-computador de J. C. R. Licklider, talvez melhor descrita como “ inteligência aumentada”.

Licklider era um titã da ciência da computação e teve um profundo efeito no desenvolvimento da tecnologia e da Internet. Sua visão era possibilitar que homens e computadores cooperassem na tomada de decisões, no controle de situações complexas sem a dependência inflexível de programas predeterminados. Notem a palavra “cooperar”. Licklider não nos encoraja pegar uma torradeira e fazer dela dados do “Star Trek”, mas sim utilizar um humano e fazê-lo mais capaz. Humanos são tão fantásticos – como nós pensamos, nossa abordagem não-linear, nossa criatividade, as hipóteses interativas, tudo muito difícil senão impossível para os computadores fazerem. Licklider intuitivamente entendeu isto observando humanos e estabelecendo metas, formulando hipóteses, determinando critérios e fazendo avaliações. É claro, relativamente, os humanos são bem limitados. Somos péssimos em dimensão, cálculo e volume. Necessitamos de talento de alto-nível de gerenciamento para mantermos a banda de rock unida e tocando. Licklider previu que computadores fariam todo o trabalho rotineiro necessário para preparar o acesso aos insights e às tomadas de decisões.

Silenciosamente, sem muito alarde, esta abordagem fez com que vitórias fossem possíveis além do xadrez. A dobradura de proteínas, um assunto que tem a incrível e expansividade do xadrez – há mais formas de dobrar uma proteína do que o número de átomos no universo. Esse é um problema que pode mudar o mundo com grandes consequências para a nossa capacidade de entender e tratar doenças. E para essa tarefa, somente a força bruta do supercomputador não é suficiente. Foldit, um jogo criado por cientistas da computação, ilustra o valor da abordagem. Amadores, não-técnicos, não-biólogos jogam um videogame no qual eles visualmente reorganizam a estrutura da proteína, permitindo ao computador gerenciar forças atômicas, interações e identificar problemas de estrutura. Esse método derrota os supercomputadores 50% das vezes e empata 30% das vezes. Recentemente Foldit fez uma grande e notável descoberta científica ao decifrar a estrutura do vírus do macaco Mason-Pfizer. Uma protease que se tenta desvendar há mais de dez anos foi descoberta por três jogadores numa questão de dias, talvez o primeiro grande avanço científico advindo de uma partida de videogame.

No ano passado, no local das Torres Gêmeas, foi inaugurado o memorial sobre o 11 de setembro. Ele exibe os nomes de milhares de vítimas usando um belo conceito chamado “adjacência significativa”. Nomes são colocados uns ao lado dos outros baseados nas suas relações: amigos, familiares, colegas de trabalho. Quando são colocados todos juntos, é um desafio computacional bem grande: 3.500 vítimas, 1.800 pedidos de adjacência, a importância das especificações físicas em geral e o toque estético final. A primeira vez que foi noticiado pela mídia, todo o crédito dessa façanha foi para o algoritmo projetado pela empresa Local Projects de Nova York. A verdade é um pouco mais sutil. Embora um algoritmo fosse usado para desenvolver a estrutura adjacente, humanos usaram esta estrutura para projetar o resultado final. Então neste caso, um computador tinha avaliado milhões de formações possíveis, gerenciado um sistema relacional complexo, e manteve o controle de um conjunto muito grande de medidas e variáveis, permitindo que os humanos se concentrassem no design e nas escolhas composicionais. Então, quanto mais você olha ao redor, mais você vê a visão de Licklider em toda parte. Quer se trate de realidade aumentada no iPhone ou no GPS em nossos carros, a simbiose entre homem e computador está nos fazendo mais capazes.

Então, se quisermos melhorar a simbiose homem-computador, o que podemos fazer? Você pode começar incluindo o humano no processo. Em vez de pensar no que o computador fará para resolver o problema, crie a solução em torno do que o ser humano fará também. Quando você faz isso, rapidamente percebe que gastou todo seu tempo na interface entre homem e máquina, especificamente para eliminar o atrito na interação. Na verdade, esse atrito é mais importante do que o poder do ser humano ou o poder da máquina para determinar a capacidade total. É por isso que dois amadores com alguns laptops vencem facilmente um supercomputador e um grande mestre. Aquilo que Kasparov chama de processo é um subproduto do atrito. Melhor o processo, menor o atrito. E a minimização do atrito passa a ser a variável decisiva.

Ou pegue outro exemplo: grandes volumes de dados. Cada interação que temos no mundo é registrada por uma série crescente de sensores: celulares, cartões de crédito, computadores. Isto resulta em grandes volumes de dados, o que, de fato, nos dá a oportunidade de entender a condição humana mais a fundo. A principal ênfase de muitas abordagens para grandes volumes de dados tem foco em: “Como armazenar esses dados? Como busco esses dados? Como processo esses dados?” Perguntas necessárias mas insuficientes. O imperativo não é descobrir como computar mas o que computar. Como colocar a intuição humana em dados nessa dimensão?

De novo, começamos por projetar o humano no processo. Quando PayPal começou a operar como uma empresa, seu maior desafio não era: “Como envio e recebo dinheiro na Internet?” Mas sim: “Como faço isso sem ser fraudado pelo crime organizado?” Por que tal desafio? Porque embora computadores possam aprender a detectar e identificar as fraudes a partir de padrões, eles não podem fazê-lo com base em padrões nunca vistos antes, e o crime organizado tem muito em comum com essa audência: pessoas brilhantes, implacavelmente engenhosos, espíritos empreendedores – (Risos) – e uma diferença enorme e importante: propósito. Embora computadores possam detectar tudo exceto os criminosos mais espertos, capturar o mais esperto faz a diferença entre o sucesso e o fracasso.

Há uma série de problemas como este, uns com adversários adaptativos. Eles nunca ou raramente apresentam um padrão repetitivo que os computadores possam distinguir. Em vez disso, há alguns componentes inerentes de inovação ou de perturbação, que ficam cada vez mais escondidos no grande volume de dados.

Por exemplo, terrorismo. Os terroristas estão sempre se adaptando às novas circunstâncias, e apesar do que vocês vêem na TV, estas adaptações e suas detecções são fundamentalmente humanas. Computadores não detectam padrões originais e novos comportamentos, mas os humanos sim. Eles usam tecnologia, testam hipóteses, buscam ideias pedindo às máquinas para fazer coisas para eles. Osama bin Laden não foi capturado com inteligência artificial. Mas sim por pessoas dedicadas, engenhosas, brilhantes em colaboração com várias tecnologias.

Por mais atraente que possa parecer, não podemos algoritmicamente minerar dados para obter resultados. Não existe um botão “Ache Terroristas” e, quanto mais dados, provenientes de diversas fontes, nós integrarmos através de uma variedade ampla de formatos e de sistemas muito diversos, menos eficaz é a extração de dados. Em vez disso, as pessoas terão que examinar os dados e procurar indícios, e como Licklider previu há tempos, a chave para se obter grandes resultados está no tipo certo de cooperação, e como Kasparov percebeu, isso significa minimizar atritos na interface.

Essa abordagem possibilita coisas como procurar em todos dados disponíveis de fontes diversas, identificar as relações fundamentais e as colocar em um lugar, algo quase impossível de se realizar antes. Para algumas pessoas, isso tem implicações terríveis para a privacidade e a liberdade civil. Para outros isso prediz uma era de proteção às mesmas, mas privacidade e liberdade civil são de importância fundamental. Isto precisa ser reconhecido, elas não podem ser negligenciadas, mesmo com a melhor das intenções.

Vamos explorar esses dois exemplos. O impacto que as tecnologias criadas para acionar a simbiose homem-computador têm tido recentemente.

Em outubro de 2007, os EUA e as forças da coalizão invadiram um esconderijo do al-Qaeda na cidade de Sinjar, na fronteira entre a Síria e o Iraque. Eles encontraram valiosos documentos escondidos : 700 notas biográficas de combatentes estrangeiros. Esses combatentes tinham deixado suas famílias no Golfo, na região do Levante e no norte da África para juntarem-se a al-Qaeda no Iraque. Essas fichas eram formulários de recursos humanos. Os combatentes estrangeiros os preenchiam quando se associavam à organização. Acontece que al-Qaeda, também, não escapa da burocracia. (Risos) Eles respondiam a esse tipo de pergunta: “Quem os recrutou?” “Qual a sua cidade natal?” “Que cargo quer?”

A última pergunta foi uma revelação surpreendente. A vasta maioria dos combatentes estrangeiros queria ser homens-bombas para o martírio – muito importante entre 2003 e 2007, o Iraque tinha 1.382 homens-bomba, uma fonte de instabilidade importante. Esses dados eram difíceis de analisar. Os originais eram papéis em árabe que tinham que ser escaneados e traduzidos. A complexidade do processo não gerou resultados significativos dentro de um prazo razoável usando humanos, PDFs e perseverança. Os pesquisadores tiveram que forçar suas mentes com a ajuda da tecnologia para mergulhar a fundo, explorar hipóteses não-óbvias, e de fato, indícios surgiram. 20% dos combatentes estrangeiros eram da Líbia, 50% deles eram de uma única cidade da Líbia, extremamente importante já que estatísticas anteriores tinham mostrado 3%. Isso também ajudou a focar em uma pessoa de importância crescente no al-Quaeda, Abu Yahya al-Libi, um clérigo sênior do Grupo de Combatentes Islâmicos da Líbia. Em março de 2007, ele deu uma palestra que gerou uma onda de participação de combatentes estrangeiros da Líbia.

Porém, talvez o mais inteligente de tudo e menos óbvio, é que ao reverter os dados, os pesquisadores conseguiram explorar a fundo as redes de coordenação na Síria que eram responsáveis pelo recebimento e transporte de combatentes estrangeiros para a fronteira. Essas eram redes de mercenários, não de ideólogos, que estavam no ramo de coordenação para fins lucrativos. Por exemplo, eles cobravam dos combatentes da Saudi Arabia muito mais do que dos da Líbia, fundos que poderiam ter ido para a al-Qaeda. Talvez os adversários interrompessem sua própria rede se soubessem que estavam enganando supostos jihadistas.

Em janeiro de 2010 um terremoto devastador de 7.0 atingiu o Haiti, o terceiro mais desastroso de todos os tempos, deixou 1 milhão de pessoas, 10% da população, sem casa. Um aspecto aparentemente irrelevante de todo o esforço da ajuda humanitária tornou-se cada vez mais importante quando comida e água começaram a chegar. Janeiro e fevereiro são os meses secos no Haiti, No entanto, muitos dos acampamentos tinham água estagnada. A única instituição com conhecimento detalhado das planícies do Haiti havia sido destruída no terremoto, incluindo sua chefia. Então, quais são as áreas de risco, quantas pessoas estão nestas áreas, qual é a linha do tempo para as enchentes, e considerando que os recursos e a infra-estrutura são muito limitados, como priorizar a realocação? Os dados eram disparatados. O exército estadunidense só tinha conhecimento detalhado de uma parte pequena do país. Havia dados na Internet de uma conferência em 2006 sobre riscos ao meio ambiente, outros dados geoespaciais, nada disso integrado. O objetivo aqui era identificar acampamentos para realocação baseado na prioridade necessária. O computador teve que integrar uma quantidade vasta de informação geoespacial, dados de mídia social e informação das organizações humanitárias para poder responder à esta pergunta. A implementação de um processo de alto nível, o que seria de outra forma uma tarefa para 40 pessoas durante 3 meses, tornou-se um trabalho simples para 3 pessoas em 40 horas,

tudo vitórias para a simbiose homem-computador.

Já são mais de 50 anos desde que Licklider teve a visão do futuro, e os dados sugerem que devíamos estar muito entusiasmados para enfrentar os problemas mais duros deste século, homem e máquina trabalhando juntos. Obrigado. (Aplausos) (Aplausos)