* Por Exame.com

“Estrelas Além do Tempo”, que teve sua estreia no Brasil na semana passada, é uma aula de história em formato de filme. Ao contar como três cientistas negras mudaram os rumos da corrida espacial, o longa acaba – por tabela – mostrando o início da parceria entre os seres humanos e os computadores.

Antes de os computadores existirem, as pessoas eram responsáveis por solucionarem equações complexas. Chamados de “computadores humanos”, esses indivíduos foram cruciais na Segunda Guerra Mundial e na Guerra Fria.

No entanto, com o aumento na complexidade dos dados que deveriam ser computados, essas pessoas começaram a ser substituídas por máquinas. Em “Estrelas Além do Tempo”, o computador 7090 da IBM ganha destaque porque foi adquirido pela Nasa para calcular a trajetória das sondas que levariam astronautas ao espaço.

O 7090, porém, está longe de ser o primeiro computador já criado. “A era computacional começou bem antes”, explica Thiago Rotta, líder de soluções para IBM Watson, em entrevista a Exame.com. Segundo ele, a história da computação pode ser dividida em três grandes eras.

A primeira é a dos sistemas tabuladores – aquele dos cartões perfurados. Eles foram criados em 1890 pela empresa precursora da IBM e, de acordo com Rotta, foram essenciais para agilizar as pesquisas do censo norte-americano. “O censo levava, em média, 10 anos para ficar pronto. Com as máquinas, foi possível diminuir essa espera.” No Brasil, a IBM também foi responsável por fazer o censo demográfico de 1920.

Sistemas programáveis e cognitivos

Na década de 1950, tem início a era dos sistemas programáveis. “Os computadores ficam muito mais ágeis devido aos transistores. Os cientistas poderiam programá-los para executar determinas ações”, explica o líder de soluções para IBM Watson.

Essa evolução é mostrada no filme quando a cientista Dorothy Vaughan (interpretada pela atriz Octavia Spencer) começa a aprender a linguagem de programação FORTRAN. Desenvolvido pela IBM para aplicações científicas e de engenharia, o FORTRAN foi usado para programar o computador 7090 para que ele calculasse o trajeto das naves espaciais.

Como o longa revela, a máquina não fez os cálculos corretos para a missão da sonda Friendship 7, que tinha como objetivo levar o astronauta americano John Glenn a uma viagem ao redor da órbita da Terra.

Antes do lançamento, porém, Glenn pediu para a matemática Katherine Johnson, interpretada pela atriz Taraji P. Henson, refazer os cálculos – o que resultou no sucesso da missão.

Thiago Rotta conta que a falha do IBM 7090 está relacionada com o fato de que sistemas programáveis tem grandes chances de cair em alguma exceção. “Isso acontece porque o computador irá executar exatamente o que lhe foi designado e, quando deparado com algo diferente, não saberá calcular”, conta.

Essa dificuldade de a máquina “sair da caixinha” está relacionada com o crescimento dos dados não estruturados. Dados não estruturados não podem ser interpretados em toda a sua amplitude. Em vídeos, áudios e até em redes sociais, por exemplo, é inviável classificar cada palavra de texto e relacioná-la com pessoas e contextos.

Frente a esse problema, os cientistas começaram a desenvolver os sistemas cognitivos no início do século XXI. “Esses sistemas são programados para pensarem como humanos, a partir da identificação por padrão”, explica Rotta. “Você treina o computador com uma grande quantidade de dados para que ele possa interpretar o que há por trás dos dados não estruturados”, adiciona.

Machine Learning e inteligência artificial

É a partir dessa necessidade de criar computadores mais inteligentes que surgem outros termos, tão comuns atualmente, como Machine Learning e inteligência artificial. No entanto, se engana quem acha que essas palavras são sinônimas.

“Numa simplificação rápida, inteligência artificial busca reproduzir numa máquina a inteligência típica dos seres humanos. Isso envolve aprendizagem, claro”, explica Lisandro Zambenedetti Granville, presidente da Sociedade Brasileira da Computação (SBC). “Porém, existem atividades que máquinas executam de forma mais eficiente que humanos”, adiciona.

Segundo Granville, uma máquina que rode os algoritmos adequados possivelmente irá trabalhar de maneira mais rápida do que a mente humana. Entretanto, ele duvida que o Machine Learning seja a única tecnologia que um computador precisa para ser inteligente.

“Entendo que aprendizagem de máquina é um potencial habilitador de inteligência artificial, mas não suficiente”, diz o presidente da SBC. “De outra forma, parece ser improvável que se chegue a um sistema de inteligência artificial real sem a capacidade de aprendizagem.”

Bianca Zadrozny, pesquisadora e gerente de recursos naturais da IBM, tem uma visão similar à de Granville. Para ela, é impossível realizar muitas das coisas relacionadas à computação sem o Machine Learning. A pesquisadora, porém, ressalta que a ciência está chegando no limite do que o Machine Learning pode fazer pela inteligência artificial.

E agora?

Se estamos chegando ao limite do Machine Learning, qual é o próximo passo da inteligência artificial e, consequentemente, da computação?

Para Granville, a computação pessoal não será mais facilmente notada e estará ao redor das pessoas. “Penso que isso evoluirá tanto para os aparelhos dispostos no nosso ambiente doméstico, com a internet das coisas, quanto nos ambientes mais coletivos, deixando as cidades mais inteligentes.”

Thiago Rotta também pensa que o futuro da computação está relacionado com dispositivos móveis que tornam o ambiente em que a pessoa está mais inteligente. “Com esses aparelhos, o indivíduo irá saber se tem alguém em casa, se tem alguma luz ou porta aberta.”

Além disso, para Rotta, os próximos passos da computação pessoal estão ligados à emoção. “A máquina ou o sistema saberá identificar qual é o estado emocional da pessoa para que algo seja feito por ela naquele momento”, explica.

Ele ainda aponta que os algoritmos ficarão mais autônomos e saberão escolher o que é relevante para cada usuário. Zadrozny acredita que, por isso, cada aparelho se tornará ainda mais pessoal. “Cada profissional, por exemplo, terá o gadget mais especializado para seu trabalho ou cotidiano.”

Granville vai um pouco mais além e acredita que a computação pessoal irá extrapolar os dispositivos móveis e poderá gradativamente ser fundida ao nosso organismo. “Imaginando um cenário a mais longo prazo, eu não ficaria surpreso em adquirimos a capacidade, por exemplo, de ‘tweetarmos nossos pensamentos’, literalmente.”

* Por Marina Demartini, da Exame.com