Em 2004, Geoffrey redobrou os esforços na busca a uma ideia tecnológica chamada rede neural. Tratava-se de um meio de as máquinas verem o mundo em torno delas, reconhecerem sons e mesmo entenderem a linguagem natural. Mas os cientistas já haviam gasto mais de 50 anos trabalhando no conceito de redes neurais, e as máquinas na verdade não conseguiram fazer nada disso.
Financiado pelo governo canadense, Hinton, professor de ciência da computação da Universidade de Toronto, organizou uma nova comunidade de pesquisas com vários acadêmicos que também estudavam o conceito. O grupo incluía Yann LeCun, professor da Universidade de Nova York, e Joshua Bengio, da Universidade de Montreal.
Na quarta-feira, 27, a Associação de Máquinas de Computação (ACM, na sigla em inglês), maior sociedade do mundo que reúne profissionais da computação, anunciou que Hinton, LeCun e Bengio haviam ganho o Prêmio Turing deste ano por seu trabalho em redes neurais. A premiação, criada em 1966, é considerada umPrêmio Nobel da computação e, além das honrarias, compreende US$ 1 milhão em dinheiro, que os três cientistas vão dividir.
Durante a última década, a grande ideia alimentada pelos pesquisadores reinventou o modo como a tecnologia é construída, acelerando o desenvolvimento de serviços de reconhecimento facial, assessores de voz, robôs de uso doméstico e carros sem motorista. Hinton, de 71 anos, trabalha hoje no Google, LeCun, de 58, trabalha para o Facebook e Bengio, de 55, assinou contratos com a IBM e a Microsoft.
“O que estamos vendo é nada menos que uma mudança de paradigma na ciência”, disse Oren Etzioni, presidente executivo do Instituto Allen de Inteligência Artificial de Seattle e voz de destaque na comunidade de inteligência artificial. “Eles mudaram o rumo da história e merecem toda nossa admiração.”
Vagamente modelada na rede de neurônios do cérebro humano, uma rede neural é um complexo sistema matemático que pode aprender tarefas distintas analisando enormes quantidades de dados. Ao analisar por exemplo milhares de antigas conversas telefônicas , ela pode aprender a reconhecer palavras faladas.
Isso permite a muitas tecnologias de inteligência artificial avançar num ritmo que seria impossível no passado. Em lugar de codificar comportamentos um a um, cientistas da computação podem hoje criar tecnologias que aprendemem grande parte por si mesmas.
O londrino Hinton abraçou a ideia das redes neurais ainda como universitário, no início dos anos 1970, época em que a maioria dos pesquisadores de IA era contra ela. Mesmo seu orientador de Ph.D. questionou a escolha. “Nós nos reuníamos uma vez por semana”, disse Hinton numa entrevista, “e às vezes a reunião terminava em berros.”
As redes neurais tiveram um breve renascimento no fim dos anos 1980 e início dos 90. Após um ano de pesquisas com Hinton no Canadá, o parisiense LeCun foi para o Bell Labs, da AT&T, em New Jersey, onde projetou uma rede neural que conseguia ler letras escritas à mão e números. Uma subsdiária da AT&T vendeu o sistema para bancos e, num determinado momento, o sistema lia 10% dos cheques preenchidos à mão nos Estados Unidos.
Embora uma rede neutral possa ler escrita manual e ajudar em algumas outras tarefas, ela não avançou muito em funções mais complexas de IA, como reconhecer rostos e objetos em fotos, identificar palavras faladas e entender o modo natural como as pessoas falam. “Ela funciona bem quando se tem muitos dados iniciais, e existem poucas áreas em que temos muitos dados iniciais”, disse LeCun.
Mas alguns pesquisadores insistiram, entre eles o também parisiense Bengio, que trabalhou com LeCun no Bell Labs antes de se tornar professor na Universidade de Montreal. Em 2004, com menos de US$ 400 mil de fundos do Instituto Canadense de Pesquisa Avançada, Hiton criou um programa de busca voltado para o que chamou de “computação neural e percepção adaptativa”. Ele convidou Bengio e LeCun para se juntarem a ele.
No fim da década, a ideia havia alcançado seu potencial. Em 2010, Hinton e seus estudantes ajudaram a Microsoft, a IBM e o Google a ampliarem os limites do reconhecimento de voz. Depois fizeram algo parecido com reconhecimento de imagem. “Ele é um gênio e sabe como produzir um impacto após outro”, disse Li Deng, ex-pequisador de voz da Microsoft que levou as ideias de Hinton para a empresa.
O avanço de Hinton no campo do reconhecimento de imagem baseou-se num algoritmo desenvolvido por LeCun. No final de 2013, o Facebook contratou o professor da Universidade de Nova York para montar um labortório de pesquisa em torno da ideia. Bengio resistiu a ofertas para juntar-se a um dos gigantes da alta tecnologia, mas as pesquisas que ele supervisionou em Montreal ajudaram no avanço de sistemas destinados a compreender a linguagem natural e a tecnologia que pode gerar fotos falsas indistinguíveis das reais.
Embora esses sistemas tenham ajudado indiscutivelmente s acelerar o avanço da inteligência artificial, eles ainda estão muito distantes da verdadeira inteligência. Mas Hinton, LeCun e Bengio acreditam que novas ideias surgirão. “Precisamos de acréscimos fundamentais às ferramentas que criamos para chegar a máquinas que operem no nível real da compreensão humana”, disse Bengio. / TRADUÇÃO DE ROBERTO MUNIZ
