Disciplina: Redes Sociais e Virtuais EGC5020
Autor: Wenderson Ferreira
Matrícula: 20105295
INTELIGÊNCIA ARTIFICIAL E SOCIEDADE: UMA ANÁLISE ABRANGENTE.
No final de 2022 uma empresa
conseguiu atrair os olhos do mundo para a nova revolução industrial, a era da
Inteligência Artificial (IA). Apensar de a muito tempo ser um desejo humano a
ponto de se tornar ficção científica hollywoodiana em um universo que máquinas
inteligentes interagem e até tentando exterminar a raça humana, a Open AI conseguiu,
com seu Chat GPT, nos aproximar dessa ideia que era vista nos filmes e então fazer
com que discutamos o futuro da IA e as diretrizes que precisam serem tomas para
o uso consciente.
A plataforma da Open AI se
popularizou tanto que reduziu a quantidade de pesquisas feitas no Google, hoje
o Chat GPT está na palma da mão de milhões de pessoas e sendo usada para pesquisas
rotineiras sobre compras, moda, entretenimento, educação e até saúde. A contrapartida
não é diferente, as empresas estão usando para conseguir atrair ainda mais
público para seus produtos e serviços, além de reduzir custos com marketing e folha
salarial. Mas, ao contrário do que muitos pensam, a IA não é alto tão contemporâneo
assim.
A Inteligência Artificial (IA),
cujo surgimento remonta à década de 1950, com a Dartmouth College Conference em
1956 marcando seu início oficial, tem se tornado uma força transformadora em
nosso cotidiano. Pesquisadores como John MacCarthy, Marvin Minsky, Alan Newell
e Herbert Simon são reconhecidos como os pais da área, estabelecendo os
fundamentos deste fascinante campo da Computação. Desde sua concepção, a IA tem
sido cercada por enormes expectativas, alternando entre períodos de grande
entusiasmo e financiamento, e fases de decepção e escassez de recursos,
conhecidas como "AI Winter". Atualmente, vivemos um novo período de
otimismo, impulsionado por três fatores fundamentais: o baixo custo de
processamento e memória, o advento de novos paradigmas como as redes neurais
profundas, e a vasta quantidade de dados disponíveis na internet devido ao uso
massivo de redes e mídias sociais (Sichman, 2021).
A presença da IA é cada vez mais
acelerada, manifestando-se em atividades rotineiras como a leitura de e-mails,
o funcionamento de máquinas de lavar, a condução de veículos autônomos e a
curadoria de filmes em plataformas de streaming. Embora a menção de que
um produto ou serviço utiliza IA muitas vezes sirva como estratégia de
marketing, nem sempre isso garante superioridade ou uso significativo da
tecnologia. O grande crescimento da IA é atribuído, em grande parte, ao rápido
desenvolvimento em quatro eixos tecnológicos: extração, armazenamento,
transmissão e processamento de dados4. Avanços em sensores e câmeras, novos
materiais para armazenamento, a revolução das redes de computadores e da
internet (com mais "coisas" conectadas do que pessoas), e
computadores mais eficientes e acessíveis contribuíram para o fenômeno da big
data. O big data, inicialmente caracterizado por Volume, Variedade e
Velocidade, gerou uma imensa demanda por ferramentas computacionais capazes de
extrair conhecimento útil e relevante para a tomada de decisões, impulsionando
a IA dos laboratórios para produtos e serviços que geram ganhos econômicos e
sociais (Carvalho, 2021).
A despeito do sucesso e da
onipresença da IA, o termo não possui uma definição acadêmica única. Em vez de
definições, é mais adequado caracterizar os objetivos da área: desenvolver
sistemas para realizar tarefas que, no momento, são melhor executadas por seres
humanos ou que não possuem solução algorítmica viável pela computação
convencional. A principal diferença reside na natureza dos problemas que a IA
busca resolver. Enquanto a computação convencional lida com problemas de
soluções exatas (como o projeto de uma ponte ou uma receita culinária), a IA
foca em problemas sem uma solução exata ou única, como a definição de um pacote
de turismo, diagnósticos médicos ou reconhecimento de imagens9. A abordagem de
tentar gerar todas as soluções possíveis para esses problemas é, na prática,
inviável devido à vastidão de possibilidades. Humanos solucionam esses
problemas usando mecanismos de busca e poda, selecionando a melhor solução de
acordo com certos critérios e aprendendo com as escolhas feitas (Sichman, 2021).
O domínio da IA é uma coleção de
modelos, técnicas e tecnologias que incluem busca, raciocínio, representação de
conhecimento, mecanismos de decisão, percepção, processamento de linguagem
natural, tratamento de incertezas e aprendizado de máquina. Para isso, a IA
utiliza paradigmas distintos: simbólico (identificação e representação formal
do conhecimento), conexionista (redes neurais artificiais inspiradas no
cérebro, capazes de aprender a partir de exemplos), evolutivo (métodos
probabilísticos de busca de soluções inspirados na teoria da evolução) e
probabilístico (modelos baseados em independência condicional e relacionamentos
causais). Uma contribuição significativa para a área foi o conceito de agente
inteligente, proposto em 1995, que se tornou um paradigma integrador. Agentes
inteligentes são sistemas computacionais encapsulados, situados em um ambiente,
capazes de ação autônoma e flexível para cumprir seus objetivos. A autonomia é
um conceito crucial, com múltiplas definições relacionadas ao design, ambiente,
objetivos e motivações do agente. A autonomia em relação às motivações é a mais
discutida, levantando questões sobre o grau de liberdade de escolha que um
dispositivo inteligente deve ter, como no caso de um robô aspirador versus um
agente de reservas de viagens20. A discussão sobre graus de autonomia, baseada
em métricas de confiança e histórico de interações, é um desafio, especialmente
na integração de sistemas inteligentes com humanos em sistemas sociotécnicos (Sichman,
2021).
O protagonismo em IA tem levado a
uma corrida por investimentos por parte de diversos países23. Um estudo da
McKinsey em 2018 previu que bens e serviços baseados em IA podem valer cerca de
13 trilhões de dólares em 2030, e que a IA aumentará as distâncias de
desempenho entre países líderes e os demais2324. Países como China, Estados
Unidos, Reino Unido, Canadá, Rússia, Alemanha, Noruega, Suécia, França e Índia
são considerados líderes em IA, investindo pesadamente na captação, retenção e
formação de talentos, e na criação de estruturas de pesquisa2526. A China, por
exemplo, busca ser líder mundial em IA até 2030, com grandes investimentos em
cidades inteligentes, defesa e manufatura, e empresas como Baidu desenvolvendo
carros autônomos2728. O Reino Unido, que já possui alta densidade de startups
de IA na saúde, projeta ter 16% do mercado mundial de IA até 203029. A França,
com um plano de investimento de US$ 1,8 bilhão até 2022, visa se tornar um dos
líderes globais, focando na criação de institutos e recrutamento de
pesquisadores30. No Brasil, os movimentos de estímulo à pesquisa e inovação em
IA são vistos como isolados e sem estratégia clara, levando o país a um papel
de futuro consumidor de produtos e serviços baseados em IA (Carvalho, 2021, p.
22-25).
Apesar dos inegáveis avanços, a
IA, como qualquer tecnologia, pode ser utilizada de forma incorreta ou perigosa.
A preocupação com a automação é antiga, remontando a discussões de filósofos
como Platão sobre os efeitos da escrita na memória. Filmes de ficção científica
frequentemente retratam a IA como vilã, contribuindo para o receio das pessoas.
Irving John Good (1966) especulou sobre o risco de máquinas ultra inteligentes
superarem a inteligência humana, levantando questões éticas sobre como lidar
com essas máquinas (Sichman, 2021). Dietterich e Horvitz (2015) elencaram cinco
classes de riscos: falhas (bugs), segurança cibernética (vulnerabilidade
a ataques), "aprendiz de feiticeiro" (IA executando comandos
literalmente sem entender a intenção humana), autonomia compartilhada (desafios
na transição de controle entre humanos e IA) e impactos socioeconômicos
(distribuição de empregos e economia). No mercado de trabalho, a IA pode
eliminar atividades repetitivas, liberando humanos para tarefas mais
desafiadoras e potencialmente reduzindo horas de trabalho, um fenômeno
comparável à Revolução Industrial (Carvalho, 2021).
Diante desses riscos e potenciais
impactos, a discussão sobre a IA responsável é fundamental. Virginia Dignum
(2019) propõe uma postura ética em três instâncias: no processo de projeto dos
sistemas, no projeto do comportamento dos sistemas, e no código de conduta dos
projetistas e desenvolvedores. Sua abordagem ART of AI enfatiza a prestação de
contas (accountability) – a necessidade de a IA explicar suas decisões;
a responsabilidade (responsibility) – o papel das pessoas e a capacidade
da IA de responder por decisões; e a transparência (transparency) – a
necessidade de descrever e reproduzir os mecanismos de decisão da IA,
especialmente para modelos "caixa-preta". A IA explicável (XAI) busca
justamente permitir que os usuários obtenham informações sobre como os modelos
de IA, em particular os de aprendizado profundo, tomam decisões. Além disso, a
ética no comportamento da IA envolve a incorporação de normas e valores morais
da sociedade humana nos sistemas de IA (Sichman, 2021).
Outros aspectos cruciais da IA
responsável, incluem a IA justa, que busca evitar decisões preconceituosas ou
com viés, muitas vezes originados nos dados de treinamento utilizados para
gerar os modelos. A IA transparente é vista como um fator crítico para a
confiança das pessoas nas decisões da IA, com modelos variando de
"caixa-preta" (não interpretáveis) a "caixa-branca"
(totalmente compreensíveis). A privacidade e proteção de dados é outro pilar,
garantindo o controle individual sobre a coleta, uso e compartilhamento de
dados pessoais, com regulamentações como o GDPR europeu e a LGPD brasileira
buscando aumentar a transparência e fiscalizar o uso de dados (Carvalho, 2021).
A regulação da IA é um tema de
debate global e já está em andamento em vários países. Há um dilema entre
evitar danos sem regulação e limitar inovações com regulação excessiva. Há quem
defenda que a regulação deve focar nas aplicações da IA, e não na
tecnologia em si, dada a dificuldade de definir o que é IA e a lentidão dos
processos regulatórios. Algumas direções propostas para a regulação incluem
proibir o uso de IA em armamentos autônomos, atribuir responsabilidade por
danos a pessoas (desenvolvedores, proprietários ou usuários), exigir que
aplicações de IA se identifiquem claramente como máquinas, proteger a
privacidade e garantir que a IA não amplifique preconceitos existentes. A
regulação da IA é um problema que transcende a tecnologia, exigindo
contribuições das ciências sociais e um debate amplo com a sociedade para ser
clara e duradoura (Carvalho, 2021).
Durante a elaboração deste trabalho, Eu Wenderson Ferreira, o autor, utilizei ferramentas de inteligência artificial generativa (IAG): NotebookLM, nas etapas de planejamento, aprimoramento textual e melhoria da legibilidade. Todo o conteúdo produzido com o auxílio dessas ferramentas foi posteriormente revisado, editado e validado, assegurando sua conformidade com os princípios do método científico. O autor assume total responsabilidade pelo conteúdo desta publicação.
Nenhum comentário:
Postar um comentário