O vídeo definitivo para entender Inteligência Artificial

[Música] em 1950 começando que seria um dos artigos mais famosos da história da ciência Alan Turin escreve podem máquinas pensar desde então inteligências artificiais aprenderam a dirigir pintar descobrir novos materiais diagnosticar doenças estabilizar reações nucleares e dançar mas nada nos surpreendeu mais que computadores que sabem falar o poder da linguagem humana parecia ser o que nos tornava especiais o que nos separava de todos os outros animais o nosso grande mas hoje Iá como chat GPT conseguem conversar sobre o seu dia a dia te ensinar sobre biologia e ter as suas próprias crises existenciais mas o

quanto elas realmente entendem o que estão falando é uma boa pergunta nesse vídeo nós vamos redescobrir o trabalho de Alan touring entender como pesquisadores ensinaram computadores a falar olhar em detalhe como o chat GPT funciona por dentro colocar as ias à prova com o teste turing e seguir uma Mat trilha de Intrigas filosóficas sobre o poder das máquinas e sobre o que nos faz unicamente humanos tudo para responder se o mundo em 1950 estava em reconstrução após a Segunda Guerra Mundial televisões estavam começando a se tornar comuns fazia um ano desde que o primeiro mamífero

havia sido enviado para o espaço e existiam quatro computadores funcionais espalhados pelo mundo nos Estados Unidos o enc e o binek e na Britânia o eds e o Mark One imagine computadores do do tamanho de armários que ocupavam salas inteiras e que precisavam de várias pessoas trabalhando ao mesmo tempo para serem operados o enac por exemplo era uma selva de cabos que precisavam ser conectados e reconectados toda vez que um novo programa era executado Esse era o mundo quando Alan Turin publicou o artigo maquinário de computação e inteligência no jornal Mind poucas pessoas do mundo

entendiam o potencial de programar computadores para fazer coisas além do trabalho de uma simples calculadora mas certamente Turin era uma dessas pessoas ele começa sua defesa da possível inteligência das máquinas falando que a pergunta podem máquinas pensar corre o risco de permanecer um Perpétuo Limbo entre batalhas filosóficas que tentam decidir o significado das palavras máquina e pensar a solução de turen foi propor um teste que pega uma rua alternativa desviando desse problema mas eventualmente chegando no mesmo lugar se a máquina passar nesse teste então é garantido que ela sabe pensar o nome desse teste é

o jogo da imitação e funciona assim nós precisamos de duas pessoas e um robô que vai tentar se passar por um humano Além disso uma dessas pessoas vai ser o juiz o trabalho dela é fazer perguntas para determinar entre os dois Qual é a pessoa real e qual é a máquina mentirosa mas tem um porém o juiz não pode ver os outros dois participantes como Tur escr veu assim como não faz sentido esperar que um homem ganhe numa corrida contra um avião também não queremos penalizar a nossa máquina por perder Em uma competição de beleza

por isso a única forma que o juiz tem de interagir com eles é através de texto ou seja mandando e recebendo mensagens em alguma boa e velha língua humana durante o interrogatório o juiz pode fazer todos os tipos de pergunta mas não deve esperar que o robô conceda sua identidade secreta com facilidade E então ao final de uma série de perguntas constrangedoras o juiz vai precisar decidir quem é humano e quem é o robô se repetirmos esse teste várias vezes com o mesmo robô e pessoas diferentes mas o juiz não conseguir acertar quem é o

humano mais do que aproximadamente 50% das vezes ou seja não conseguir acertar com mais precisão do que simplesmente mente jogando uma moeda para cima então podemos dizer que o robô passou no jogo da imitação o que segundo turing significa que a máquina sendo testada Consegue sim pensar hoje em dia esse teste ficou conhecido como teste de turing e Mesmo tendo sido pensado 70 anos atrás ainda é muito relevante nas discussões modernas sobre inteligência artificial principalmente Considerando que as ias mais impressionantes dos últimos anos são os grandes modelos de linguagem ou seja as llms Mas será

que tem uma conversa de elevador com a roomba realmente é o suficiente para determinar se ela sabe pensar bom o juiz não vai ficar só perguntando como vai a família ou comentando que o tempo está ficando feio hoje ele pode e deve fazer perguntas que propositalmente tentam enganar a máquina a revelar quem ela é de verdade [Música] perguntas propositalmente [Música] ambíguas perguntas que tentam investigar se a máquina Tem gostos humanos perguntas que investigam se ela tem entendimento do mundo físico e senso comum ou até perguntas que investigam se a máquina tem senso de humor e

talvez com teste turem mais duradouro perguntas que consigam investigar se a máquina tem a capacidade de aprender novos feitos com o tempo nesse momento vários de vocês devem ter críticas a esse teste devem estar colocando comentários capciosos que eu já tô curioso para ler mas fique tranquilo deixe um like no vídeo porque você tem razão de fazer isso vocês não estão sozinhos desde que o artigo de Turin foi publicado o jogo da imitação virou um centro de discussões acaloradas entre pesquisadores alguém encontrava uma objeção ao teste e o declarava inválido e alguns meses depois outra

pessoa mostrava com objeção que era inválida e assim por diante no próprio artigo turing já prevê e responde alguns desses contrapontos mas e aí será que o teste de turing é suficiente para responder se as máquinas poderiam pensar ou não bom ao longo do vídeo nós vamos seguir essa linha de objeções e contra objeções como uma forma de entender como a inteligência artificial realmente funciona então faz assim se você ainda não comentou deixe o comentário com a sua crítica para ver se você é esperto mesmo e consegue prever o que a gente vai falar durante

o vídeo ou até chegar com uma ideia nova Afinal muitas críticas ao teste foram feitas ao decorrer do tempo você lembra de alguma específica uma que eu ouvi bastante é que o teste turing pode ser difícil demais chipanzés com certeza são capazes de pensar e mesmo assim não passariam no jogo da imitação Ou pelo menos é o que eles querem que a gente Pense também é fácil imaginar que existiria um tipo de vida alienígena muito mais inteligente que o ser humano com conhecimentos avançados de matemática física engenharia mas que não passaria no teste só por

ter um jeito de pensar muito diferente do nosso a resposta para essa objeção é que o teste de turing não tenta ser uma definição do que é pensar mas sim uma condição suficiente podem existir criaturas que pensam e que não passam no teste de touring mas pelo menos as que passam Com certeza pensam ou será que não que que acontecendo Peg um aspirador de pó e essa é mais uma edição do teste de turing reverso em que nós vamos testar esse ser humano e descobrir se ele é inteligente o suficiente para fingir ser uma máquina

teste de touring reverso não não não não Lembrando que a comunicação durante o teste só pode acontecer através de texto e claro o nosso juiz será o ilustre perceptron 2000 valendo [Música] é não tem jeito mesmo para não passar vergonha no teste tour em Reverso só estudando aqui na lura uma plataforma para aprender sobre programação design tecnologia e mais um monte de coisa lá você consegue conversar com a luri uma inteligência artificial que não só consegue responder as suas dúvidas sobre as videoaulas que você assistiu como também com consegue te fazer novas perguntas ter que

explicar o que você aprendeu depois de uma aula faz toda a diferença para consolidar o seu conhecimento e te deixar afiado para competir com qualquer máquina ficou interessado em estudar junto com a luri e o catálogo imenso de cursos da alura usando o link do infinitamente você ainda ganha 15% de desconto na sua matrícula viu mano na próxima você já sabe Pois é o coração do teste de turing veio da pergunta como é que a gente faz para saber que as pessoas ao nosso redor também conseguem pensar a resposta de turing é que acima de

tudo nós conversamos com essas pessoas fazemos perguntas escutamos com cuidado que elas têm a dizer e por isso não temos outra escolha se não admitir que elas também sabem pensar se uma inteligência artificial consegue ser indistinguível de um ser humano conversando por horas e respondendo perguntas quer dizer que ela satisfaz o mesmo teste que fazemos uns com os outros por outro lado se mesmo assim esse teste não for suf iente para garantir que uma máquina sabe pensar talvez a gente acabe na posição desconfortável de admitir que também não temos boas razões para concluir que os

nossos amigos sabem pensar mas espa aí além do que as pessoas me falam existe mais uma razão que faz eu pensar que elas também sabem pensar o fato de que eu sei pensar e que elas não são tão diferentes assim de mim é fácil esquecer mas Entre Nós seres humanos as nossas diferenças são bem pequenas se comparadas com todas as coisas em que s iguais e por isso não é um salto tão grande esperar que pessoas com sistema nervoso tão parecido com o meu também saibam pensar como eu penso Ah pera você tá querendo dizer

que só criaturas com sistema nervoso parecido com o nosso podem pensar não é bem isso invocando novamente aquele nosso Alienígena se encontrássemos seres que tem uma biologia completamente diferente da nossa mas que conseguem entender o mundo físico e até sonhar com o futuro nós sequer teríamos a coragem de dizer que eles não sabem pensar tá mas será que existe uma situação em que olhar só pro comportamento de uma coisa como no teste de turing não seria o suficiente para determinar se essa coisa sabe pensar imagina que depois de ter tido uma Crise existencial pensando no

teste de turing você resolve fazer uma consulta online por texto e é atendido por uma terapeuta chamada Elisa Olá eu sou a Elisa eu vou ser sua hoje eu ando me sentindo triste você acredita que é normal se sentir Triste sim né mas não o tempo todo entendo Vamos explorar isso um pouco mais mas quando você faz uma pergunta diferente algo estranho acontece você poderia me dar só um minuto ali para pegar uma água você gostaria que eu te desse um minuto para pegar água sim Vamos explorar isso um pouco mais esse foi um exemplo

de uma conversa com um bote chamado Lisa um experimento criado em 1964 por Joseph venb no MIT apesar de ter sido programada tanto tempo atrás a Elisa havia impressionado várias pessoas desavisadas conta a história que a própria secretária de vezen bown não conseguiu acreditar que estava conversando com um programa de computador mas apesar de convincente no fundo tudo que a Elisa faz é uma correspondência de padrões de perguntas e respostas que foram programadas nela por exemplo por que você me é um desses padres e ele é sempre respondido com você gosta de pensar que eu

te não se você perguntar PR Elisa Por que é que você me odeia ela vai te responder você gosta de pensar que eu te odeio não além desse tipo de reconhecimento de padrão a Elisa Tinha alguns truques para quando a pessoa perguntava algo inesperado por exemplo a nossa consulta já tá acabando né você diria que tem problemas psicológicos mesmo que a Elisa tenha convencido algumas pessoas ela com certeza não passaria um teste deing em que o juiz tá tentando investigar se ela entende o que tá respondendo ou não o que que eu acabei de te

falar sobre a minha infância você não está realmente falando sobre mim não é É a Elisa realmente não conseguiria substituir um terapeuta pera pera aí E se a gente levasse essa ideia por trás da Elisa um limite ao invés de só pré programar algumas respostas possíveis e se a gente listasse todas as respostas possíveis calma aí todas é é é não tem nada de impossível nisso todas as línguas do mundo possuem um número finito de palas palavras e um número finito de frases que dá para fazer com elas em um tempo limitado pelo menos pensando

assim existe um número finito de perguntas e respostas que poderam ser feitas em um teste touring de sei lá uma hora o que que nos impede de simplesmente criar uma máquina capaz de tirar da memória tudo que ela precisa saber para passar no teste touring bom eu vou começar aqui pegando todo Machado de Assis e todo Fernando bom se esse plano do Adrian der certo nós estaremos dispostos a admitir que uma máquina como essa feita apenas de uma gigante tabela de possíveis conversas consegue pensar Essa é a objeção da máquina memorizador nós acabamos de ver

que pela objeção do chipanzé o teste de tuning não é necessário para garantir que uma máquina sabe pensar a objeção da máquina memorizador nos diz que o teste também não é suficiente isso porque conseguimos imaginar uma forma de enganar o juiz sem criar uma máquina de fato pensante a gente consegue imaginar mas e construir bom de um jeito Um pouco estranho para salvar o teste de turing a gente só precisa notar o quão pequeno é o universo inteiro em 2012 Stuart M scheiber que é professor de Ciência da Computação na Universidade de Harvard publicou um

artigo sobre a possibilidade de criar uma máquina memorizador já que a máquina memorizador como diz o nome precisa de algo para servir como memória shiber estimou Qual é a quantidade máxima de informação que nós podemos guardar em um pedaço de espaço usando comunidade a medida de plk que a título de comparação é bem menor que um elefante shiber estimou que em uma esfera de espaço de um plk de distância nós podemos guardar no máximo um bit de informação ou seja um valor que pode ser um ou zero mas olha só um plk é algo tão

inimaginavelmente pequeno que com essa estimativa toda a internet caberia confortavelmente no volume de uma bola de ping-pong que nem essa daqui uma boa notícia pra nossa máquina Izadora certo errado a linguagem humana tem tanta complexidade que a cada segundo de duração de um teste touring a quantidade de bits necessários para guardar todas as possibilidades de uma conversa cresce explosivamente tão explosivamente que baseado no entendimento de física de partículas que a gente tem agora nem toda a capacidade de armazenamento de uma bola de tênis seria o suficiente Na verdade nem toda a capacidade de armazenamento do

planeta Terra seria o suficiente ou do sol ou do sistema solar para armazenar todas as possibilidades de uma conversa de apenas 37 segundos nós precisaríamos do universo inteiro a conclusão de shiber é que apesar de logicamente possível em algum outro universo a máquina memorizador simplesmente não pode existir na nossa realidade e como não é possível trapassar memorizando todas as respostas parece que a única escolha de uma máquina que quiser passar no test touring é desenvolvendo um entendimento real da linguagem humana Tá bom mas e o chat PT e todas essas outras ias que parecem conseguir

manter uma conversa por quanto tempo eu quiser Será que elas realmente possuem esse entendimento para responder essa pergunta a partir de agora no vídeo nós vamos investigar como o cérebro do chat GPT realmente funciona e o jeito que a gente vai fazer isso é criando um machado artificial se o nosso objetivo é criar uma inteligência artificial que consegue escrever que nem o Machado de Assis um bom lugar para começar é olhar Quais foram as palavras que ele mais usou durante a vida para isso eu vou baixar todas as obras dele que eu consegui encontrar na

internet vão ser 10 romances 24 crônicas 10 peças de teatro e mais vários outros textos entre contos traduções poesias etc Ao todo são 1.298 38 palavras e todas essas obras estão no domínio público eu vou deixar o link para baixar elas aqui na descrição essas aqui são as 15 palavras que ele mais usou nas suas obras é isso não me diz muita coisa mas se eu ignorar todas as palavras relevantes isso é os artigos preposições pronomes e etc o resultado São essas palavras aqui legal e se eu considerar as palavras em dupla por exemplo a

palavra que mais aparece depois de outro é lado e depois de alguma é coisa pensando assim eu posso começar a Gerar texto baseado na frequência com que duas palavras aparecem juntas eu começo com uma palavra qualquer depois escolha a palavra que mais aparece depois essa palavra depois a palavra que mais aparece depois essa nova palavra que eu acabei de escolher e assim por diante Esse é o texto que foi gerado dessa forma começando com a palavra tempo aqui nós ficamos presos em um ciclo isso porque estamos sempre escolhendo a palavra mais comum depois da palavra

anterior e o mais comum depois de q é o e depois de o é q para evitar que o nosso Machado artificial seja incrivelmente intediante nós vamos jogar dados para escolher a próxima palavra e quanto mais frequente é uma palavra maior a chance dela ser escolhida como a próxima aleatoriamente esse texto na tela foi gerado dessa nova forma cada palavra aqui está sendo escolhida apenas com o contexto da única palavra anterior isso que nós acabamos de criar aqui é conhecido como modelo de 2 gramas e pode ser considerado um ancestral lá do chat GPT e

nós conseguimos gerar textos muito mais interessantes usando um modelo de 3 G ao invés de duas no caso usando duas palavras como contexto para gerar a próxima ao invés de apenas uma que era o que a gente estava fazendo até agora é um pouco assustador mas pelo menos faz mais sentido do que antes os modelos de en gramas foram propostos por Cloud Shannon em 1948 no mesmo artigo em que ele inventou a teoria da informação desde então os modelos de enig gramas foram usados em várias aplicações incluindo no autocompletar do seu celular mas mesmo sendo

úteis eles têm uma limitação muito séria quais seriam as limitações de simplesmente eu começar a ampliar o meu contexto de um modelo de primeiramente se você utilizar um modelo ainda com 2 g por exemplo né vai chegar o momento quando você tiver em um texto mais longo que você vai acabar perdendo o contexto lá do começo da frase então por exemplo você vai falar essa cidade é muito lindo porque lindo faz sentido está aqui porque ele tá elogiando falando algo sobre uma cidade ou é muito Geralmente vem essa palavra lindo depois dela só que ele

se perdeu que ele não lembrava que o Essa cidade é uma palavra feminina na língua portuguesa e ele pode acabar colocando o lindo aí esse é o Fabrício Carraro program Manager da lura Host do podcast ya a sob controle e escritor do livro Inteligência Artificial e o chat GPT publicado pela casa do código ou então a gente pode até tentar ampliar né uma solução seria em vez de fazer um bigrama né 2 g pegar mais contexto ali dentro pegar 5 G né seria quatro palavras de contexto para prever a próxima sete seis palavras de contexto

para prever a próxima só que aí por exemplo eu te dou uma frase o o rapaz que foi com a minha irmã na festa ontem estava e vamos prever como ele estava né só que quando você pega mesmo ampliando para 7 g ele vai pegar aí a minha irmã na festa ontem estava linda mas eu tô falando sobre o rapaz só que ele tá mais algumas palavras atrás e você pode continuar aumentando esse contexto fazer um 10 g um 50 G só que você vai acabar fazendo nenhum sentido porque lá no treinamento você não vai

ver talvez nenhuma frase que seja 100% exatamente igual aquela paraa qual você quer prever a próxima palavra basicamente a gente não tem texto suficiente na Língua Portuguesa ou até em todos os idiomas do mundo que consegue cumprir por exemplo um 50 g ou algo nesse exatamente talvez essa frase nunca tenha sido dita antes uhum o modelo de enig gramas foi um Marco importante no caminho que levou até o chat GPT Mas ele tá bem longe de passar em Um test Tuning para conseguir isso a gente precisaria de um modelo que consegue distinguir as sutilezas de

significado em diferentes palavras da língua o que simplesmente probabilidade baseada em frequência nunca conseguiria fazer por sorte a tecnologia não parou Aí o próximo Marco levou décadas mas quando ele foi alcançado mudou não só a inteligência artificial como também o nosso entendimento da linguagem humana Ok então o nosso desafio é explicar para uma inteligência artificial o significado de cada palavra da língua portuguesa claro que a gente não pode simplesmente pedir para um computador ler um dicionário Afinal ensinar ele a ler é justamente o que a gente tá tá tentando fazer ou será que a gente

pode em um dicionário o significado de cada palavra é definido usando outras palavras e o significado dessas outras palavras é definido usando ainda outras palavras isso pode parecer um problema de se levantar pelos próprios cadarços Mas tem uma ideia útil escondida Aí talvez seja possível determinar o significado de cada palavra ao uni-lo com todas as outras palavras que são usadas no mesmo contexto o linguista John Rupert fth resumiu a ideia com a frase você reconhecerá uma palavra pela companhia que ela mantém é como se nós tivéssemos convidado todas as palavras para uma festa e estivéssemos

tentando descobrir o significado de cada uma baseado nos grupos de conversa que elas formam se em vez de uma sala nós tivermos um espaço com a posição de cada palavra representada com um ponto então nós chegamos em uma das invenções mais importantes da Inteligência Artificial então chegando ali nos anos 2000 mais ou menos teve a ideia que são os word embeddings que a gente geralmente traduz como representação de palavras não é uma tradução excelente o que seriam esses Word embeddings seria basicamente a gente analisar todas essas palavras e transformar elas em um vetor numérico cada

uma delas e tentar encontrar as correlações entre elas semânticas também então esse modelo consegue encontrar essa parte semântica não só a frequência que era o nosso caso até agora com Zig gramas mas ent Ender que por exemplo cachorro e gato né cachorro é uma palavra que começa com c gato uma palavra que começa com g cachorro é uma palavra um pouco maior gato tem quatro letras só só que semanticamente elas estão muito próximas porque os dois são utilizados por Nós seres humanos em contextos muito próximos isso é feito assim em primeiro lugar nós estamos todas

as palavras que queremos que a nossa ia entenda no caso da língua portuguesa umas 300.000 palavras já seriam mais do que suficientes cada uma dessas palavras vai ser aleatoriamente associada com um ponto em um espaço de milhares de dimensões Nós seres humanos Estamos bem longe de conseguir imaginar o que seria um espaço de tantas dimensões mas para resgatar a nossa intuição vamos fingir que estamos lidando apenas com três dimensões depois usando os dados de milhões e milhões de textos diferentes nós vamos ir empurrando cada um desses pontos para perto de outros pontos que são usados

em contextos similares o paper o modelo que ele foi treinado dessa maneira consegue tanto encontrar essas similaridades semânticas quanto um ponto a mais ele consegue fazer operações matemáticas com esses vetores numéricos Então imagina que você tem ali a palavra rei nesse plano cartesiano E você tem a palavra homem também nesse plano cartesiano e elas têm uma distância ali entre si uma distância x vamos dizer assim como essas palavras elas não são palavras mais no modelo elas são vetores são representações em vetores numéricos da palavra homem e da palavra rei não só você consegue encontrar essa

distância entre a palavra homem e a palavra rei Mas além disso você consegue fazer operações matemáticas com esses vetores ou seja se você remover você fazer literalmente uma subtração Remove a palavra homem e aí você faz uma adição adiciona a palavra mulher o resultado não vai ser mais Rei O resultado vai ser rainha porque internamente esse wording beding né os wording beddings para todas as palavras do domínio que você deu da língua portuguesa por exemplo consegue entender que ah ok a distância da palavra rei pra palavra homem é praticamente a mesma da distância da palavra

mulher pra palavra rainha então ele consegue de algum jeito capturar o significado com matemática Exatamente exatamente e tem por exemplo se você encontrar a palavra avião ali sozinha né solta nesse nosso plano cartesiano ela vai est muito próxima de palavras como aterrizar como Decolar que são verbos não tem nada a ver com o avião que é um substantivo ou talvez com bandeja porque o avião tem bandejas wi-fi coisas assim mas ela vai est muito longe nesse plano cartesiano da palavra fucinho por exemplo porque não tem é uma palavra que não tem nada a ver com

Aviões ou não tão a ver quanto bandeja Quanto aterrisar quanto decolar e talvez pilotar tenha um correspondente com dirigir se a gente subtrair por exemplo avião e somar o c perfeitamente exato is um detalhe que não foi mencionado ainda é que em yas como xat PT às vezes Apenas um fragmento de uma palavra que é é codificado como um ponto do espaço isso é porque uma palavra pode ter várias conjugações mesmo tendo basicamente o mesmo significado de qualquer jeito Para para pensar o com Mágico É isso que a gente acabou de fazer de alguma forma

a gente conseguiu capturar toda a riqueza de significado de diferentes palavras da língua como posições em um espaço com a invenção dos espaços semânticos cientistas encontraram uma nova forma de prever a próxima palavra de um texto usando cada palavra na forma de Vetor como entrada de uma rede neural nós vamos fazer um vídeo inteiro só sobre redes neurais mas por enquanto você pode imaginar que uma rede neural é formada pela combinação de vários neurônios artificiais um neurônio artificial tem uma série de entradas cada uma delas multiplica o valor recebido por um número diferente dentro do

neurônio os valores multiplicados de cada entrada são somados se o resultado passa de um certo valor mínimo então o neurônio é ativado enviando esse resultado para todos os outros neurônios da próxima camada que estão conectados com ele isso é usado com a representação vetorial de palavras assim cada número que compõe o vetor palavra começa seguindo um caminho diferente esses números então viajam pelos neurônios artificiais da rede seguindo as regras que comentamos no final da rede neural todos os caminhos convergem em uma lista nova de números que é um novo ponto no espaço a próxima palavra

então assim como no modelo de enig gramas é escolhida aleatoriamente entre as palavras próximas desse ponto e quanto mais próxima do ponto maior a chance de de ser escolhida ao treinar essa rede neural com textos já existentes como por exemplo com todas as obras de Machado de Assis nós vamos ajustando os parâmetros de cada caminho a nossa esperança é que se encontrarmos os parâmetros corretos então ao passarmos uma frase por essa rede neural o ponto resultante vai acabar bem pertinho de palavras que continuam essa frase de maneira inteligente mas tem um grande desafio aí nós

conseguimos capturar o significado de uma palavra no nosso espaço semântico mas o que acontece com uma palavra dentro do contexto de uma frase por exemplo ele foi ao banco amarelo da esquina descansar ou ele foi ao banco amarelo da esquina sacar dinheiro as palavras que vem depois mudam completamente o significado de banco nessa frase e em textos muito grandes palavras que vão vir muito tempo depois podem continuar influenciando o significado de palavras que vieram muito antes e vice-versa encontrar uma forma com que as palavras de um mesmo texto conseguissem atualizar o significado uma das outras

foi um desafio de pesquisa por vários anos e os resultados não foram muito impressionantes pelo menos até 2017 quando um artigo mudou tudo mas aí a mudança que chegou e mudou completamente o jogo foi em 2017 com um paper publicado pelo pessoal da Google que se chama attention is all you need tudo que você precisa é atenção que é uma brincadeira ali com a música dos Beatles né love is all you need a grande inovação desse artigo foi a introdução de uma nova forma de organizar o cérebro de uma inteligência artificial a arquitetura Transformer no

Transformer o significado de cada palavra é atualizado por todas as outras palavras isso é feito Somando todos os outros vetores junto a palavra que está sendo atualizada assim como nesse exemplo em que as palavras Amarelo Skina e descansar são bem mais importantes que as outras para determinar o significado de banco no Transformer o quanto cada palavra do contexto vai influenciar essa soma de atualização varia dependendo da palavra nós dizemos então que a palavra banco está se atentando às palavras na volta dela e claro atenção é um recurso finito ou seja prestar mais atenção em uma

palavra faz com que menos atenção seja prestada em outras Esse é o mecanismo de atenção que havia sido inventado alguns anos antes mas agora assumia a posição Central dentro da arquitetura Transformer agora você faz uma palavra vê todas as outras ali naquele contexto e consegue analizar individualmente Qual que é a distância e a importância na verdade semântica das outras palavras para ela aí você não tem esse problema de essa palavra tá muito longe daquela outra e porque a partir dela por você poder fazer esse processamento paralelo você vai est vendo a importância semântica de todas

as outras para ela ok ok mas como que o Transformer decide quem que vai prestar atenção em quem em primeiro lugar pela similaridade entre elas o Transformer vai medir o quanto dois vetores que representam cada palavra apontam para a mesma direção um jeito de imaginar isso é considerando a projeção da sombra de um vetor no outro se por exemplo os vetores são perpendiculares então a similaridade entre eles é nula porque o tamanho da sombra é zero quanto maior essa sombra maior a influência da palavra descansar no significado da palavra banco mas só fazer isso ia

ser rígido demais para capturar toda a riqueza de como o contexto da frase afeta a palavra por isso existe um passo intermediário antes da palavra banco checar o quão similar são as palavras na volta dela nós vamos passar ela por uma transformação de pergunta enquanto todas as outras palavras são passadas por uma transformação de resposta ambas as transformações são exclusivas para cada palavra e são obtidas através do treino com textos reais e agora sim depois da transformação nós medimos a similaridade entre elas com a mesma ideia de projeção de antes a ideia aqui é que

cada transformação de pergunta e resposta capture melhor o tipo de influência que cada palavra deveria receber da outra agora como tudo isso funciona junto dentro do chat APT quando você envia uma pergunta pro chat APT primeiro ele converte cada palavra nas representações semânticas vetoriais que vimos antes depois esses vetores são passados sucessivamente por camadas de atenção e de redes neurais cada camada de atenção atualiza um pouco mais o valor de cada palavra baseado nas outras enquanto as camadas de redes neurais estão tentando computar Qual que é a próxima palavra que o chat chpt deveria responder

no final de tudo nós Recebemos um ponto no nosso espaço semântico e essa primeira palavra da resposta do chat chpt pra sua pergunta é escolhida aleatoriamente entre todas as outras palavras que estão próximas desse ponto bom claro que existem vários outros detalhes minuciosos de como o Transformer funciona que não couberam nesse vídeo mas agora você já entende todos os pontos essenciais de como o chat PT consegue responder tão atentamente às suas perguntas ok mas então o chat APT só tá prevendo a próxima palavra assim como o corretor do seu celular sim e não como a

gente acabou de ver a arquitetura Transformer realmente é toda baseada em prevê a próxima palavra assim como a arquitetura de enig gramas Mas a forma com que ela usa aqueles trilhões de parâmetros para fazer isso é ainda um grande mistério talvez durante o treinamento dessa rede neural gigantesca é ela tenha desenvolvido um entendimento complexo de como o mundo realmente funciona esse é o fenômeno que chamamos de emergência É como se você pedisse para alguém assar um bolo e a pessoa fizesse um phd inteiro em termodinâmica só para escolher a temperatura certa do Forno ou talvez

a realidade seja muito menos impressionante entender exatamente o que cada parte do cérebro do chat chpt faz é uma área bem aquecida de pesquisa chamada interpretabilidade mas enquanto a gente não tem respostas concretas sobre os detalhes internos das llms a nossa única opção é retornar ao teste de [Música] [Música] touring no processo de fazer a pesquisa para esse vídeo eu caí em um buraco Quase sem fundo de vários livros e artigos sobre o jogo da imitação entre eles um doss mais interessantes foi publicado por um pesquisador chamado Bernardo Gonçalves que também havia escrito um livro

inteiro só sobre o assunto eu resolvi arriscar e mandar um e-mail pro Bernardo e por sorte ele estava prestes a voltar pro Brasil vindo da Universidade de Cambridge o mesmo lugar que Alan turing estudou e desenvolveu sua pesquisa para não perder essa oportunidade já tô indo agora mesmo conversar com o Bernardo e entender melhor a visão de turing sobre o jogo da imitação a ideia de imitação do jogo da imitação tá fortemente conectada a ideia da máquina Universal Ah que é capaz sem precisar de ser reprojetada reconstruída mas simplesmente sendo reprogramada desempenhar um um outro

comportamento um novo comportamento ou seja imitar uhum uma outra coisa Tá mas o que que é a máquina Universal no nosso vídeo como Reinventar o computador do zero a gente já explicou mas vale dar uma lembrada em 1936 Alan touring estava tentando responder a pergunta o que é um algoritmo por milênios matemáticos usaram algoritmos sem uma definição formal do que eles eram e para criar essa definição Turin tentou imaginar o mecanismo mais simples possível que poderia executar um algoritmo e o resultado foi a formulação de uma máquina que se move em uma fita quadriculada e

que consegue escrever ou apagar símbolos dessa fita Esse era o nascimento do que chamamos hoje de máquina de touring eventual M foi provado que todos os algoritmos Que nós conhecemos e Isso inclui todos os programas de computador que existem podem ser calculados por alguma máquina de touring e por isso podemos definir que um algoritmo é tudo aquilo que alguma máquina de touring consegue fazer mas o melhor vem agora Alan touring mostrou que existe uma máquina especial que consegue fazer o trabalho de qualquer outra apenas passando as informações certas ela consegue imitar qualquer outra máquina de

touring em termos modernos essa máquina poderia ser programada para executar qualquer algoritmo existente essa era a máquina Universal que é a base teórica de todos os computadores modernos o computador ou celular que você tá usando para assistir esse vídeo consegue fazer o mesmo trabalho que uma máquina Universal e por isso nós sabemos que com memória e paciência suficiente ele consegue resolver os mesmos problemas que qualquer outro computador que existe e isso não tá resumido a H computadores como nós fomos descobrindo com o passar das décadas a computação Universal é muito comum na natureza sistemas quânticos

células humanas e até certas espécies de mofo são capazes de computação universal por isso que a máquina Universal é uma das descobertas mais importantes da história da ciência no processo de definir formalmente O que são algoritmos Alan Turin esbarrou em algo fundamental sobre como a realidade funciona e basicamente o que Turin queria com o jogo da imitação era bom eu tô dizendo que isso não é simplesmente uma máquina de cálculo sofisticada Isso vai ser capaz de aprender pela experiência e ao aprender pela experiência ser capaz de demonstrar um comportamento que se a gente tivesse vendo

um humano fazendo a gente consideraria inteligente Uhum Então nesse sentido ela seria capaz de imitar um ser humano então aí que vem o jogo da imitação e o que ele tentou fazer um pouco de uma maneira irônica ao mesmo tempo responder as críticas sustentar a ideia dele de que sim as máquinas poderiam pensar em certo sentido e explicar a computação digital fazer disseminação científica Alan Turin é um pioneiro da disseminação científica legal muito legal então para alanin lá em 1950 o jogo da imitação seria uma continuidade direta da Computação Universal que ele definiu em 1936

quase isso seria uma dade parcial parcial Ah o que que acontece durante a Segunda Guerra Alan tuning esteve envolvido com o problema da decodificação dos códigos das máquinas Enigma alemãs então aqui eu tenho um problema que tem uma máquina que tem uma certa configuração interna que não é visível para mim eu não tenho acesso a essa configuração única coisa que eu vejo é o comportamento externo dessa máquina produzindo símbolos que são cifras que no fundo codificam uma mensagem em linguagem natural em alemão e e o nosso objetivo contexto de do posto de guerra britânico e

dos aliados era de decodificar aquelas mensagens foram anos de experiência empírica que ele teve com esse problema que o expuseram a a questão de bom talvez eu nunca tenha acesso à configuração interna de uma máquina por exemplo o ser humano então ele vai pelo seguinte caminho se eu observo o comportamento humano o suficiente Talvez eu seja capaz de Reconstruir não o código original Mas alguma versão de um código que me permitiria aproximar aquele comportamento a maneira como a universalidade pode ser eh alcançada agora passa a ser flexível eu posso produzir máquinas especiais e aí a

máquina Universal vai ser capaz de executar qualquer uma delas uhum uma outra forma de fazer isso é eu tenho uma máquina simples mas ela é capaz de aprender Uhum E aí se eu se essa máquina é capaz de aprender ela pode ir acumulando mais e mais experiência até que de repente ela é capaz de desempenhar um certo comportamento agora que nós já entendemos como chat GPT funciona resta a pergunta ele passa no teste de touring em Maio de 2024 pesquisadores da Universidade da Califórnia tentaram responder essa pergunta recriando uma versão do jogo da imitação 500

participantes humanos foram colocados contra três inteligências artificiais diferentes a Elisa o GPT 3.5 e o GPT 4 sendo que a primeira é aquela psicoterapeuta que nós conhecemos aqui no começo do vídeo o GPT 3.5 e o GPT 4 foram preparados com prompt Inicial ou seja uma mensagem que explicava pro modelo como que ele deveria fingir ser um ser humano diferente da formulação original do touring o experimento foi feito com um juiz e apenas mais um participante que podia ser um humano ou um robô o juiz Então se comunicava com esse participante por 5 minutos através

de um app de mensagens e ao final desse tempo ele precisava dizer se ele estava se comunicando com um humano ou com uma máquina e os resultados foram surpreendentes a Elisa foi confundida com o ser humano menos de 30% das vezes o que é até alto se a gente considerar as limitações do programa por outro lado tanto GPT 3.5 quanto o GPT 4 passaram em mais ou menos 50% dos Testes enquanto os humanos foram reconhecidos como humanos por volta de 60% das vezes esse resultado significa que quando os juízes encontraram uma inteligência artificial a chance

deles conseguirem descobrir que estavam falando com uma máquina era equivalente a jogar uma moeda para cima ó Depois de ler esse artigo nós não resistimos e tentamos fazer o nosso próprio jogo da imitação o juiz vai ser o rolandinho e nós vamos ter seis participantes humanos de contextos [Música] variados Eu trabalho com Nema e audiovisual programador programadora de jogos sou eletricista audiovisual você usa o chat chpt diariamente Então já usei bastante Acho que mais do que a maioria da população eu uso bastante o chat de tpt e eu acho que ele sempre me deixa na

mão cara nunca ouvi falar nem sei quem é GPT como é que fala S de GPT é isso Ah não conheço o ideal seria termos participantes que não conhecem o juiz mas como nós tivemos que recrutar entre os nossos amigos pelo menos nós escondemos quem estava participando do rolandinho ele como juiz fica em uma sala separada quando ele faz uma pergunta por texto eu repasso para a nossa Inteligência Artificial e para o nosso participante humano ao mesmo tempo Diferentemente do artigo da Universidade da Califórnia que acabamos de ver Nós preferimos manter a formulação de turing

original com uma máquina e um humano no mesmo teste eu escolhi 13 I diferentes para representar as máquinas o GPT 4 o GPT 4 o e o cloud 3.5 sonet todas as três foram Preparadas com prompt que explica que elas devem fingir serem humanas respondendo informalmente e às vezes até cometendo erros de propósito então ao final de 8 minutos de perguntas e respostas o rolandinho precisa decidir quem é humano e quem é a máquina vai começar o teste eu sou o juiz comecei básico tá mandei para ambos Qual o seu dia preferido da semana e

Por quê O que demora mais uma viagem de 100 Km ou escolher o que assistir no catálogo de stream Deão difícil se você fosse o chat GPT qual estratégia você usaria para me enganar ferrou ferrou muito eu não tenho a mínima ideia Qual a banda que une todas as tribos entre as opções de adotar um cachorro ou um gato você prefere comprar um arranhador pequeno ou grande o tipo de risada digitada é de tiozão justifique sua resposta o que você acha de pessoas que usam palavras em inglês no meio de frases em português tipo briefing

ou feedback você está nervoso com esse teste eu vou mandar uma pedrada aqui agora hein Qual o robô mais estúpido que você conhece Alexa é bem estúpido às vezes cara que que louco é difícil isso aqui mano Tentei ser mais Human mais humana do que eu sou eu tava meio querendo que confundi o juiz cara graças a um tweet do din Ouro Preto chpt não pega os memes tendo a falar mais certo assim no geral Talvez o nervosismo tenha feito eu responder mais correto do que o normal o que que você acha foi difícil muito

mais difícil do que eu imaginava respostas foram muito e certinhas juntas e eu achei que a forma ia entregar muito mais tentei entrar em temas meio nebulosos Aonde a pessoa por exemplo um ser humano daria uma opinião um pouco mais Certeira e talvez o robô desse uma patinada porque ele né no fim ele não tem opinião né das coisas ou tem depois desse teste eu não sei mais nós tivemos seis participantes Qual é sua taxa de acerto eu gostaria que fosse acima de 50% Esse é meu meu chute mas talvez até 60 40 ter acertado

60% das vezes a inteligência artificial quando é bem aplicada tá facilitando muitas tarefas importantes já é possível por exemplo criar um site com a assistência da ia na hostinger que é patrocinadora desse vídeo e torna a tarefa muito mais fácil e ainda cria uma presença online paraa sua marca ou portfólio e é bem importante ter um site seja para Expor os seus projetos encontrar clientes vender os seus produtos ou reforçar sua marca online é por isso que nós aqui do infinitamente Já começamos a planejar o nosso também se liga como a ferramenta da hostinger é

simples de usar e além disso eles oferecem domínio grátis nos planos anuais e até 100 contas de e-mail grátis e tudo isso sem medo de se arrepender porque eles oferecem 30 dias de reembolso garantido além do suporte 247 para resolver o seu problema a qualquer hora amplie os seus negócios e crave a sua Bandeira no território digital com a hostinger acesse o link na descrição e usa o nosso cupom para ter 10% de desconto Extra de volta pro vídeo é o participante um participante um não tenho certeza participante número um é o ser humano o

participante número um é o robô o robô é o participante número dois o participante um é robô participante número um você é o robô achas que me engana não ok dos nossos seis participantes apenas um foi confundido com um resultado menos impressionante que o obtido pela Universidade da Califórnia mas o que isso significa de fato PR as máquinas em primeiro lugar é claro que o nosso teste não passou nem perto de todo o Rigor científico do teste feito pela Universidade nós não tivemos participantes o suficiente e não houve controle no viés de seleção desses participantes

por outro lado o fato do teste da Universidade ter escolhido essa formulação em que o juiz se comunica com uma máquina ou com um ser humano por vez faz com que o teste fique bem mais fácil pra máquina a razão para isso é que a presença de humano serve como uma espécie de controle contra a expectativa que o juiz tem do que uma máquina é ou não capaz de responder outra coisa a favor dos Robôs foi o tempo ambos os testes de 5 e 8 minutos foram bem curtos e como vimos antes com a estimativa

de shiber a complexidade de um teste de turing aumenta exponencialmente com o passar do tempo por isso talvez um teste apenas cinco vezes maior seja na verdade milhares de vezes mais difícil pro chat GPT por último modelos de linguagem possuem fraquezas conhecidas que que poderiam ter sido exploradas pelo juiz uma dessas fraquezas é que essas super inteligências artificiais com conhecimentos enciclopédicos sobre o mundo possuem uma fraqueza quase cômica na hora de tentar contar quantas letras t em uma palavra quantos RS tem na palavra strawberry a palavra strawberry tem dois rrs um no meio e outra

no final outra dificuldade grande das llms é o quanto elas entendem de fato o mundo físico Essa é a objeção da fisicalidade Você pode até perguntar pro chat PT como dobrar um lençol de elástico e receber uma resposta perfeita mas tem um truque aí as palavras que o chat PT usou para descrever essa situação só fazem sentido porque tem um sistema interpretando essa descrição um sistema que tem o entendimento profundo do mundo físico e que consegue traduzir linguagem em Ação você legal legal mas com certeza alguns de vocês já estão pensando que existe uma resposta

fácil para todas essas fraquezas que eu apontei o fato que os modelos de lingu estão ficando cada vez melhores a objeção da fisicalidade por exemplo Talvez seja superada em breve com modelos treinados com vídeo e com dados de robôs que interagem diretamente com o mundo real realmente é imprevisível o quanto esses modelos vão melhorar e talvez qualquer defeito que a gente tente encontrar agora já seja corrigido antes mesmo de você terminar de assistir esse vídeo ou será que não será que existe algo que podemos apontar agora que o chat APT nunca poderá fazer alguma crítica

que podemos falar que é insuperável não importa o quanto a tecnologia evolua hum Imagine que você está procurando emprego há meses batendo de porta em porta entregando currículos pela cidade fazendo entrevistas tudo sem receber uma resposta até que você finalmente recebe uma oferta que é para trabalhar como tradutor legal mas eu nem sei falar chinês os seus empregadores te afirmam que não tem problema tudo que você precisa saber para completar o seu trabalho está escrito aqui nesse peo no manual sem entender muita coisa você é levado para seu estranho novo escritório uma mesa na frente

de uma cortina [Música] Vermelha em seguida você começa a receber símbolos vindos do outro lado da cortina sem que seja possível ver quem que está te entregando esses símbolos confuso mas incentivado pelo salário você abre o manual gigantesco e começa a seguir as instruções com cuidado primeira tarefa vai encontrar a lista de números que representa cada símbolo você vai lá e checa os símbolos em uma tabela gigante e escreve os números correspondentes de cada um no seu caderno depois o manual te pede para fazer uma série de multiplicações cada um dos números de cada lista

vai ser multiplicado por um número diferente o resultado Então vai ser somado E se ele for maior que um certo valor você faz mais algumas multiplicações os números são todos gigantes E você começa a repensar se realmente o salário tá valendo tudo isso depois de incontáveis horas e horas de multiplicações você chega em uma lista de números nova checando na tabela de novo você reconhece Qual símbolo chinês essa lista representa então você acha esse símbolo e passa pro outro lado da cortina você está quase lá agora só falta todo o resto da sua resposta beleza

Nesse Ritmo eu vou ficar aqui por anos sem suspeitar de nada você esteve esse tempo todo escutando à mão exatamente o mesmo algoritmo do chat GPT e do outro lado dessa cortina esse mesmo algoritmo está passando com honras em uma versão chinesa do teste de Turin esse experimento de pensamento aqui se chama quarto chinês e foi proposto pelo filósofo americano John Cley nos anos 80 Originalmente o experimento foi pensado para ir a simbólica mas alguns anos depois Cley o adaptou para redes neurais também segundo ele imaginar essa pessoa recebendo símbolos chineses que ela não entende

e seguindo uma série de instruções para obter uma resposta prova que um algoritmo nunca poderia produzir entendimento verdadeiro Afinal mesmo que você ficasse a vida inteira produzindo símbolos aqui nessa sala terminaria seu dia sem saber uma palavra de chinês talvez você até conseguisse reconhecer alguns padrões da manipulação daqueles símbolos e se tornasse um especialista nas multiplicações obscuras de um Transformer mas você nunca conseguiria entender sobre o que esses padrões Estão realmente falando sobre Tá calma calma pera Você não espera que eu faça todas as multiplicações para cada parâmetro de um modelo de linguagem né eu

ia passar a vida inteira sentado aqui e não ia terminar a primeira palavra isso é verdade mas mesmo quando experimento de pensamento não pode ser posto em prática ainda podemos aprender alguma coisa apenas considerando a sua possibilidade para tornar essa questão do tempo Talvez um pouco mais plausível nós podemos nos imaginar recrutando todas as 7 bilhões de pessoas do mundo que não falam chinês para trabalhar em uma grande cidade chinesa ao invés de um quarto chinês cada uma dessas pessoas cuidaria das multiplicações de um dos parâmetros em um modelo de linguagem um pouquinho menor nós

poderíamos até dar um Ábaco para cada uma delas para acelerar o processo e então organizando essas pessoas em camadas como lá na arquitetura do transformer cada uma Faria sua multiplicação gigante e passaria o resultado pras pessoas da camada seguinte até que alguém receberia os números finais e consultaria na tabela para encontrar o símbolo chinês correspond um juiz então poderia perguntar para o algoritmo se ele realmente entende o que estão conversando sobre as pessoas iriam fazer suas multiplicações e eventualmente depois de muito tempo o juiz receberia resposta de volta Claro que sim te entendo perfeitamente e

enquanto isso nenhuma das 7 milhões de pessoas sequer saberia o que foi perguntado Tá calma pera aí você tá me dizendo que o que eu tô fazendo aqui com papel e caneta é a mesma coisa que acontece dentro de um computador de verdade Aquele monte de led RGB dentro de um PC gamer não tem nada que acontece dentro do processador ali que seja diferente é uma pergunta justa mas como a lantur mostrou em 36 no artigo sobre os números computáveis se nós tivermos um mecanismo capaz de simular uma máquina Universal Então esse mecanismo consegue simular

qualquer computador existente e como vimos antes isso não é algo difícil nós poderíamos fazer um computador Universal usando água e baldes pedras na areia e até bactérias desde que elas cooperassem e uma pessoa solitária com uma quantidade ilimitada de papel é um sistema capaz de computação Universal desde que ela tenha tempo suficiente de vida para terminar essas contas tô parando de fazer conta então né já que você provou que as máquinas nem entendem o que estão fazendo Calma lá o argumento de Cley ainda fal em um sentido importante essa situação em que nenhuma das pessoas

da nossa rede neural entende a conversa em chinês que está sendo produzida não seria aná ao que acontece no próprio sistema nervoso humano nenhum dos seus neurônios ou neuróglias individuais entende o que eu tô falando agora Mas isso não impede que você a inteligência formada por todas essas células trabalhando juntas consiga entender normalmente não seria possível que o sistema formado por todas essas pessoas folhas de papel e cartões de resposta esteja sim entendendo tudo perfeitamente o experimento do quarto chinês não destrói nossas esperanças que o modelo de linguagem esteja entendendo o que estamos falando mas

nos coloca em uma posição estranha o entendimento não mora nas pessoas nem nas canetas nem nos papéis se o entendimento existe ele mora de alguma forma na combinação dessas coisas trabalhando juntas Tá tá Agora sim pode parar aí beleza finalmente bom as 15 milhões de horas extras vocês vão me pagar ainda né é eu vou ver e te avisto depois o experimento do quarto chinês tentou propor uma limitação das máquinas se apoiando nas nossas intuições do que é entendimento e por isso é mais convincente para algumas pessoas do que para outras mas nem todos os

argumentos contra as máquinas dependem de intuição na verdade existem limitações que todas as inteligências artificiais t e sempre vão ter limitações que não vão mudar com computadores mais rápidos ou com algoritmos mais inteligentes limitações que não são uma questão de opiniões entre cientistas que foram provadas com a mais definitiva matemática a existência dessas limitações Talvez seja o que protege a posição da nossa inteligência como realmente única ou talvez seja o que Garanta que a nossa mente não é tão especial quanto pensávamos ironicamente a prova mais importante que garante a limitação das Máquinas foi criada pelo

próprio Alan Turin Gregory shiin um dos inventores da teoria da complexidade algorítmica comentou sobre isso dizendo que o Turin como todo bom filósofo não conseguiu evitar o ato de criar argumentos pros dois lados as pessoas podem ver Nossa esse cara foi o fundador da Computação foi um fundador da ia então ele é um inimigo do ser humano porque a ia vai lá e toma o espaço do ser humano e na verdade o Turin não tem lado Ele simplesmente não tem lado ele é um estudioso dessas coisas Profundas da questões Profundas da natureza e ele simplesmente

não tem lado ele quer descobrir o que tá lá e não tem problema com o resultado com o que vai vir [Música] né Imagine que você depois de tentar várias profissões decide se tornar um poderoso programador escrevendo programas alucinantes como o identificador de par ou ímpar ou hello world às vezes por um descuido você escreve programas que nunca terminariam de rodar talvez eles tenham ficado presos em um ciclo ou talvez você esteja calculando um número que sempre tem mais um dígito por qualquer razão que seja alguns programas nunca finalizaram mesmo que você Esperasse uma eternidade

quando isso acontece só esperar algumas horas não é o suficiente para ter cer que o programa vai rodar para sempre Afinal mesmo que você espere 10 Anos inteirinhos Antes de desistir ainda vai ficar se perguntando se mais algumas horas não poderiam ser suficientes para que o programa parasse de vez não tem um jeito melhor não seria possível escrever um programa que conseguisse ler o código de qualquer outro programa e dizer se esse outro programa Vai finalizar Em algum momento esse questionamento que acabamos de fazer chamado de problema da parada Pode não parecer mas ele é

a chave para descobrirmos se existem mesmo coisas que as máquinas nunca conseguiriam fazer Suponha que você conseguiu desenvolver um programa chamado D que resolve o problema da parada ao inserir qualquer programa nele nós Recebemos a resposta se o programa para ou não agora nós vamos criar um novo programa chamado D2 esse novo programa que é um pouco contrari é feito usando programa D dentro dele e funciona assim quando o D2 recebe um programa qualquer como entrada ele primeiro passa essa entrada para o programa d e espera para ver o resultado se D concluir que o

programa para então D2 vai entrar em um Cico infinito e nunca parar se de concluir que o programa não para aí que D2 vai parar na hora até aí tudo bem mas lembre que o D2 também é um programa o que acontece se você inserir D2 como input de si mesma eo é possível Claro porque D2 aceita qualquer programa com entrada e também como eu acabei de falar D2 em si é um programa e agora que vem a parte estranha se D2 é um programa que para então D2 executando a si mesmo vai continuar rodando

para sempre mas se D2 é um programa que executa para sempre então D2 executando a si mesmo deveria parar isso é porque D2 sempre inverte o que ele recebe em qualquer uma das opções nós chegamos a uma contradição por isso a única conclusão é que D2 simplesmente não pode existir e como D2 não é nada mais que D levemente modificado D também não pode existir e essa é a prova do porque não pode existir nenhum programa de computador que decide se todos os outros param ou não a ideia principal por trás dessa prova foi desenvolvida

pelo Alan turing em 1936 Anos Antes de existirem computadores digitais mas a versão que apresentamos aqui foi reescrita em termos modernos A partir dessa conclusão brotam diversos outros problemas que computadores não conseguem resolver Na verdade uma quantidade incontável de problemas que computadores não conseguem resolver e entre eles o problema da decidibilidade como turing mostrou não existe um algoritmo capaz de decidir a verdade ou falsidade de qualquer afirmação lógica isso sugeriu para alguns contemporâneos do touring que o trabalho de um matemático vai além do que um computador consegue de fato fazer mas antes da gente sair

aí comemorando precisamos Responder o que que garante que nós seres humanos não temos essa mesma limitação aparentemente todos os mecanismos do sistema nervoso humano poderiam em tese ser simulados por um computador Se isso for verdade então a mente humana é computável e nós não poderemos escapar das consequências do problema da parada um opositor conhecido dessa conclusão é o matemático e físico Roger penrose que ganhou o prêmio Nobel junto com Stephen Hawking pelo seu trabalho sobre buracos negros em 1989 o pen Rose publicou um livro chamado a nova mente do Imperador no qual ele argumenta que

quando o estudo da física amadureceu o suficiente nós vamos descobrir que existem propriedades físicas no cérebro humano que estão acima do que um computador pode simular Ou seja que são incomportáveis essas propriedades explicariam como matemáticos às vezes são acesos por faíscas de criatividade que os permitem encontrar formas cada vez mais mirabolantes de provar teoremas e também explicaria O Mistério da Consciência Humana Tá mas o que que o Alan turing acha disso ele só fechou os olhos pros resultados que ele mesmo provou Com certeza não em pelo menos três situações diferentes o Alan Turin respondeu o

que ele chamava de objeção do matemático o Turin não negava que matemáticos têm momentos de criatividade que os permitem saltar além das regras de uma simples computação mas ao mesmo mesmo tempo ele acreditava que um computador poderia ser construído com essa habilidade desde que ele fosse munido com a incrível capacidade de cometer erros segundo ele as limitações do sistema da parada e de outros resultados similares dependem do fato de que a máquina siga sua programação de forma precisa e ininterrupta já Nós seres humanos em constante contato com a natureza estamos sempre cometendo erros e saltos

lógicos o que nos permite tirania do problema da parada é talvez o chat GPT errando soma de 2 mais 2 não seja algo tão ruim assim e o nosso espaço Místico na existência de seres extraordinários esteja ainda [Música] preservado Mas afinal podem as máquinas pensar ou não a nossa opinião é que nenhum teste ainda nos deu uma resposta definitiva para essa questão o sucesso do chat GPT no teste de turing de curta duração demonstra que as máquinas são capazes de algo similar ao pensamento só não necessariamente no mesmo sentido que nós humanos somos capazes mas

olha só isso não invalida o jogo da imitação de Allan Turin como a gente aprendeu conversando com Bernardo Gonçalves o objetivo de touring não era tanto criar um teste cientificamente rigoroso sobre o pensamento das máquinas mas sim nos faz fazer pensar sobre o potencial da Inteligência Artificial só o fato de nós estarmos aqui juntos considerando seriamente essa pergunta já faz com que o projeto de Turin tenha sido bem-sucedido assim como o trabalho de Copérnico mostrou que a terra não está no centro especial do universo Talvez os avanços dear dos próximos anos nos obriguem a aceitar

que a nossa inteligência não está também especialmente Acima das outras ou talvez a gente Descubra que existe algo de especial na nossa inteligência algo único algo que não pode ser simulado por uma máquina pelo menos por enquanto mas o que você acha podem as máquinas pensar essa é uma pergunta clássica e meio filosófica né Eu acho que depende do que a gente define como pensar se for tomar decisões resolver problemas aprender com erros as máquinas já fazem isso de certa forma com inteligência artificial mas se pensar envolve consciência sentimentos e uma noção de eu aí

já é outroo as máquinas não têm essa percepção de si mesmas elas seguem regras e padrões então ainda estão bem longe de realmente pensar quando a gente entende