Se você acha que a explosão mais recente no desenvolvimento da IA é um estado exótico da computação – com seus grandes e agitados acrônimos como Large Language Model (LLM), Generative Adversarial Network (GAN) e muito mais – pense novamente. Dificilmente fica mais exótico do que células cerebrais humanas que podem interagir com eletrônicos – e agentes de IA – enquanto flutuam em uma placa de Petri. No entanto, foi exatamente isso que uma equipe australiana, associada à Monash University e ao Cortical Labs, alcançou no ano passado quando apresentou seu conceito DishBrain.
Aparentemente, o conceito e a promessa do trabalho da equipe atingiram os militares e sua atratividade como um local de pesquisa tem até um valor em dólares – graças a um Investimento militar de US$ 407.000 na pesquisa, cortesia do ONI (Escritório de Inteligência Nacional) da Austrália.
Ao apresentar o DishBrain no ano passado, os pesquisadores descreveram uma unidade de processamento semi-biológico, arquitetada a partir de uma mistura de células cerebrais humanas e de camundongos transformadas em eletrodos de controle. Esses eletrodos serviram como uma espécie de BCI (Brain-Computer Interface), permitindo aos cientistas enviar sinais de controle e ler a atividade biológica do “protocérebro”. Curiosamente (seu adjetivo pode variar), o DishBrain demonstrou algo semelhante à senciência (bem, mais como habilidades básicas de sobrevivência ou o imperativo biológico de minimizar o feedback negativo) dentro de 5 minutos após ser ligado: esse foi o tempo necessário para “aprender” a jogar Pong.
A forma como eles conseguiram “treinar” o cérebro foi nada menos que engenhosa: o movimento da bola foi transmitido às células através dos eletrodos, com a estimulação elétrica das células do DishBrain impactando diferentes áreas mapeadas contra a localização da bola. Então, DishBrain recebeu o controle das pás e a capacidade de movê-las para a esquerda e para a direita.
Como os sistemas biológicos tendem ao menor gasto de energia possível (ou, pelo menos, para evitar experiências caras ou negativas que subtraem suas reservas de energia – e, portanto, sua capacidade de sobrevivência), o DishBrain foi criado para um sistema de recompensa simples que explorava isso: se a raquete interceptasse a bola, os eletrodos no BrainDish forneceriam um estímulo elétrico “positivo” previsível de um segundo. Mas sempre que as raquetes erravam a bola, DishBrain recebia uma explosão imprevisível de eletricidade que durava até quatro segundos. A senciência, neste caso, foi alcançada por meio da capacidade de sobrevivência: é preciso mais energia para lidar com uma explosão imprevisível de quatro segundos do que com uma explosão previsível de um segundo. Assim, a DishBain aumentou sua capacidade de sobrevivência maximizando ativamente o número de vezes que as raquetes acertam a bola.
Se isso evoca a imagem de um bastão elétrico sendo pressionado contra alguém para induzir um certo comportamento – bem, você não está totalmente errado.
O professor associado Adeel Razi, do Turner Institute for Brain and Mental Health, disse que seu trabalho “combina os campos de inteligência artificial e biologia sintética para criar plataformas de computação biológica programáveis”. Essa promessa – ter os processadores paralelos definitivos (cérebros biológicos ou wetware) como dispositivos de computação – é o pontapé inicial. Existe até a expectativa de que bioprocessadores como esses possam superar os limites dos chips de silício convencionais, segundo Razi.
É interessante notar que o projeto DishBrain tem alguns objetivos que aparentemente estão alinhados com nossa atual corrida armamentista de IA: assim como empresas de IA como a Microsoft e a OpenAI estão correndo atrás do sonho do treinamento recursivo (o que significa essencialmente que um agente de IA pode treinar a si mesmo), a capacidade do DishBrain de aprender por si só é o troféu exato que essas empresas baseadas em silício e computação quântica (no caso da Microsoft) estão buscando. Se esse aprendizado é baseado em um instinto de sobrevivência baseado na biomecânica e na física ou pura senciência é uma questão relevante, mas o resultado final – que o sistema pode aprender por si mesmo – é o mesmo.
Essa capacidade em particular pode ter um impacto profundo na IA, pois um sistema de processamento baseado em wetware em vez de nossa atual abordagem baseada em silício pode contornar um dos maiores prejuízos à evolução da IA: a capacidade de lembrar o treinamento – ou, em outras palavras, o “esquecimento catastrófico” que geralmente impede a IA de desenvolver sua base de aprendizado.
Segundo Razi, a equipe “vai usar este [the grant] para desenvolver melhores máquinas de IA que repliquem a capacidade de aprendizado dessas redes neurais biológicas.” Apesar dos principais pesquisadores serem cautelosos com os riscos existenciais representados pela IA, há pesquisas em andamento que soariam mais prováveis em um contexto de ficção científica do que nas notícias. Ferragens do Tom. o filme de 2001 Abaixo e seu elevador assassino senciente e alimentado por wetware vem à mente.
É um pouco estressante pensar no que poderia acontecer quando a tecnologia apresentada neste artigo aparecer em algo ainda mais militar – como um sistema de drones que opta por matar seu manipulador humano.
Felizmente, apenas versões futuras de nós terão que lidar com isso – se e quando esse momento chegar.