The Master Algorithm (O Algoritmo Mestre)

13 17Todos nós hoje, de uma forma ou de outra, estamos sendo afetados por algum algoritmo. Um algoritmo é uma sequência de instruções que dizem a um computador o que fazer.  Quando fazemos uma busca num engenho de busca, há por trás dessa operação um algoritmo que define os resultados que são mostrados.  Quando lemos nosso e-mail, nós não vemos a maioria do spam porque um algoritmo o filtrou.  Quando compramos um livro na Amazon.com, ou quando assistimos a um vídeo na Netflix, um algoritmo recomendou algumas das coisas que gostamos.

Todo algoritmo tem um input (entrada/insumo) e um output (saída/resultado): os dados entram no computador, o algoritmo faz o que deve fazer com os dados, e, como uma mágica, aparece o resultado.  Isso é o que a programação computacional faz (com ela nós queremos descrever os passos necessários para fazer algo no computador). Esse é o entendimento tradicional sobre o que os computadores fazem. 

No entanto, hoje em dia está florescendo uma área do conhecimento (Machine LearningML, ou Aprendizado de Máquina, uma sub-área de Inteligência Artificial) que altera esse entendimento tradicional: à medida que os dados e o desejado resultado (o que se quer a partir dos dados) entram no computador, temos como saída o algoritmo que transforma um (algoritmo) em outro (algoritmo). Algoritmos que aprendem (ou aprendedores) são algoritmos que fazem outros algoritmos.  Com ML os computadores escrevem seus próprios programas, de forma que nós humanos não precisemos.

Desvendar os segredos desta nova área foi o que se propôs Pedro Domingos, Português e Professor de Computação da University of Washington nos EUA, ao escrever o livro “The Master Algorithm: How The Quest For The Ultimate Learning Machine Will Remake Our World” (O Algoritmo Mestre: Como a Busca da Máquina Aprendedora Última Irá Refazer Nosso Mundo), publicado em 2015.

Neste livro, Pedro Domingos, que é um dos principais propositores da sofisticada técnica computacional denominada Markov Logical Networks, cobre os principais paradigmas alternativos que deram origem à ML na metade do século 20.  Ele divide esta área em cinco paradigmas contemporâneos, ou escolas rivais (os Simbolistas, os Conexionistas, os Evolucionários, os Bayesianos, e os Analogistas), e ao longo do livro discute cada uma destas escolas.

Os Simbolistas veem aprendizado como o inverso da dedução e extraem ideias da filosofia, da psicologia, e da lógica.  Os Conexionistas fazem a engenharia reversa do cérebro e são inspirados na neurociência e na física.  Os Evolucionários simulam a evolução no computador e se valem da genética e da biologia evolucionária.  Os Bayesianos acreditam que o aprendizado é uma forma de inferência probabilística e têm suas raízes na estatística.  Por último, os Analogistas aprendem por extrapolarem a partir de julgamentos de similaridade, e são influenciados pela psicologia e pela otimização matemática.

A hipótese central do livro é a de que “todo conhecimento – passado, presente, e futuro – pode ser derivado a partir de dados por um simples e universal algoritmo aprendedor”.  E Pedro Domingos chama esse “aprendedor” de Master Algorithm (Algoritmo Mestre). Segundo ele, os cinco paradigmas podem ser unificados em um futuro algoritmo mestre que seja capaz de aprender praticamente tudo.

Machine Learning, em muitas de suas formas, diz respeito à construção de programas que constroem programas. Mas estes programas gerados por máquinas não são como os algoritmos gerados pelos humanos. Ao invés, eles são “treinados” por seus programadores através de um processo interativo de ofertar um feedback positivo e negativo a partir dos resultados que eles dão.  Segundo David Auerbach, eles são difíceis (algumas vezes impossível) de entender, de remover os bugs, e duros de controlar.  Mas é exatamente por essas razões que eles oferecem o potencial para mais comportamento “inteligente” do que os enfoques tradicionais para os algoritmos de AI.

Se sua empresa, organização ou instituição deseja saber mais sobre o Algoritmo Mestre, fique a vontade para nos contatar!

 

banner

Creativante 2013 - Todos os direitos reservados