Pesquisa cria robô que aprende como um bebê de 3 meses

Uma pesquisa da DeepMind, divisão de IA do Google, e da Universidade Princeton mostrou que é possível transferir intuição à inteligência artificial. Como? Reproduzindo a forma de aprendizado dos bebês. 

Robôs conseguiram entender princípios básicos de física compreendidos por crianças de três meses. Alguns exemplos: bebês com mais de 90 dias entendem que um copo fica sobre a mesa e que, ao tocarmos um objeto, nossa mão consegue segurá-lo e ele não escorrega. 

• Por que a maioria dos bebês nasce à noite? Macacos explicam
• Bebês geneticamente modificados não estão longe da realidade, afirma OMS

Os bebês também conseguem assimilar que objetos não aparecem e desaparecem aleatoriamente: eles continuam onde os deixamos a não ser que troquemos de lugar. Apesar de ainda terem a visão embaçada, esses entendimentos são refinados a partir da experiência no mundo – algo que a inteligência artificial conseguiu captar. 

No experimento, pesquisadores construíram uma rede neural – sistema de aprendizado profundo que aprende física intuitiva a partir de dados visuais. Em seguida, colocaram os robôs para “assistir” o equivalente a 28 horas de vídeos. 

As imagens mostravam bolas rolando e blocos caindo, por exemplo. Logo o sistema teve capacidade de prever como os objetos se comportariam em diferentes situações. 

“A cada passo, ele faz uma previsão sobre o que acontecerá a seguir”, explicou o neurocientista à frente da pesquisa, Luís Piloto, à revista Nature. “À medida que o vídeo avança, a previsão se torna mais precisa”. 

Mas então algo acontece: o sistema mostrou “surpresa” quando se deparou com um fenômeno fisicamente impossível. Segundo Piloto, isso “atrapalhou” suas previsões feitas com base nos vídeos com fenômenos fisicamente possíveis. 

Agora, o robô abre caminho para a inteligência artificial testar hipóteses sobre como os bebês humanos aprendem. “Esperamos que isso seja usado por cientistas cognitivos para entender o comportamento dos bebês”, afirmou. E, claro, outra utilidade é tornar os sistemas de aprendizado de máquina (ainda) mais eficientes.