Um documentário muito legal sobre ciborgues foi lançado esses dias, tentando mostrar o quão perto ou longe estamos das tecnologias mostradas no jogo Deus Ex: Human Revolution.

Como não tinha legendas, pedi ao criador do documentário alguma forma de legenda ou um texto com os diálogos. Gentilmente o Rob do projeto Eyeborg me mandou, então, o texto está aqui (em inglês e é um arquivo texto). Ia traduzir para o português, mas me desculpem, o tempo anda escasso, então vai no original, em inglês. Quem sabe futuramente eu atualize o post com a devida tradução

Espero mesmo que em 2027 já estejamos perto, ou até ultrapassar as tecnologias mostradas no jogo. Só senti falta de comentarem sobre os usuários de implantes cocleares. O avanço dependerá dos estudos multidisciplinares de neurocientistas, engenheiros, matemáticos e outros. Aliás, falando em neurocientistas, no momento, estou lendo em doses homeopáticas o livro do Miguel Nicolelis, “Muito além do nosso eu”. Apesar de ainda não ter terminado a leitura, já posso dizer que é uma leitura recomendada, pois mostra as perspectivas atuais e futuras das pesquisas em interfaces cérebro-máquina. Que quando vingarem, nos dará as tecnologias esperadas para 2027. E quem sabe um implante coclear versão 2.0

Nesse livro fiquei sabendo de um engenho bem-humorado idealizado pelo matemático Claude Shannon, considerado o pai da teoria de informação. Esse engenho se chama “The ultimate machine” e era basicamente uma caixa onde você mexia no interruptor para ligá-la e uma “mão” emergia da caixa para desligá-la. Nas palavras (aproximadas) do escritor Arthur Clarke, “tem algo de sinistro numa máquina que não faz absolutamente nada, exceto desligar-se”. Você pode ver o vídeo de um desses engenhos em ação:

Se você quiser construir sua própria “Ultimate machine”, tente aqui.

Sinistro? Divertido? Você que decide

if you are starting your research in the field of object recognition / object detection… – Esse post leva a um artigo e a um código fonte que visa a facilitar pesquisas na área de reconhecimento de objetos. Como o cara diz lá, pode ser que não entenda 100% do artigo, mas é bom tentar ler e depois olhar o código, para você mesmo tentar escrever, se quiser ser um Jedi na área de visão computacional (o que pretendo ser).

Clever Algorithms – Um livro (gratuito!) que lista vários algoritmos inspirados na natureza, como os de redes neurais, de enxame, de sistemas imunológicos e por aí vai. Indispensável

The Next Mainstream Programming Language: A Game Developer’s Perspective – Apesar de ser focado no desenvolvimento de games, é bom ler o pdf para ver quais as principais características que uma linguagem de programação precisa ter, hoje em dia, para ser amplamente usada e aproveitada ao máximo.

Mais uma coisa… faz pouco tempo que passei a visitar o site reddit, e descobri que ele tem uma seção só de ciências da computação (além de subseções em machine learning e visão, mas não tão atualizadas frequentemente). Foi por lá que descobri esse pdf do Clever Algorithms, então vale a pena visitar de vez em quando.

Nos primórdios da IA, muitos consideravam que um computador saber jogar xadrez era um bom sinal de avanço na área. Na verdade, não é bem assim, porque o computador não joga xadrez da mesma forma que nós jogamos. Assim que movemos a primeira peça, como o peão, há um certo número de possibilidades de contra-movimentos para aquela peça (só não especifiquei o número porque cada peça tem regras de movimento diferentes). Nós, humanos, também pensamos nas possibilidades de movimentos futuros, mas apenas em uma janela estreita de possibilidades (até umas 5 jogadas adiante, se bem que enxadristas talentosos podem pensar em mais jogadas), enquanto que o computador consegue calcular fácil, em segundos ou minutos, milhares de jogadas adiante para cada possível peça. O fato de calcular rapidamente as probabilidades de movimentos e plotá-las numa árvore de possibilidades com essa aqui não significa que o computador seja inteligente ou apto a passar num, digamos, teste de Turing. Que é apenas especializado em jogar xadrez, e nada mais. É um tipo de savant de silício, por assim dizer. Mas talvez isso mude no futuro…

De qualquer modo, o estudo de supercomputadores para jogar xadrez é bem útil, em termos de processamento de alto volume de dados em pouco tempo. E indo para o objetivo principal do post, que era o de compartilhar os links que achei no livro “Moral Machines“, para quem curte um pouco de história e curiosidades:

The triumphant teamwork of humans and computers – Descrevendo a interação dos humanos com os computadores pelo xadrez e técnicas que humanos desenvolveram para derrotar os programas, por causa de alguns “vícios computacionais” em xadrez.

Multimedia Report by Frederic Friedel: Garry Kasparov vs. Deep Blue – Uma espécie de diário, descrevendo os dias do confronto em 1997.

Deep Blue – Overview – Site oficial do confronto de 1997 (meio velhinho, uma repaginada seria boa hein?).

E para quem quiser saber de outros jogos de xadrez entre humanos e computadores, a Wikipedia tem uma listagem.

PS: Não sou boa jogadora de xadrez, não consegui até agora ganhar do computador, exceto se ele joga no modo aleatório ou no nível fácil

Nas minhas pesquisas (nem sempre produtivas) sobre os mais variados ramos da matemática aplicada à computação, me deparei com um tópico deveras interessante, o chamado compressed sensing (não sei bem qual seria a tradução adequada para o português, e nem vou arriscar). É um tópico, inicialmente teórico, que recentemente encontrou aplicações interessantes na engenharia e na computação. A palavra-chave é frequentemente acompanhada das palavras sparse representation (representação esparsa).

O que seria isso, de maneira bem resumida? Em vez de amostrar todas as características de um objeto a ser descrito (como uma imagem), é suficiente pegar apenas alguns pedaços de informação e de maneira aleatória, sem procurar por pontos específicos que ainda assim será suficiente para reconstruir o objeto (a imagem).

Isso é muito interessante para aplicações em visão computacional, pois aí já não precisaria depender de pegar pontos específicos de um frame e tentar interpretá-los. Em outras palavras, é realmente necessário procurar por um par de olhos para entender que é uma face? Desde que seja qualquer ponto que caia dentro da face (pele, orelhas, boca), será suficiente entender que há um rosto na imagem, mesmo que ele tenha oclusão (ocultamento parcial). Isso foi feito por um time de pesquisadores já, nesse site.

Admito que ainda não peguei a totalidade do tópico, ainda estou estudando, mas há links acessíveis para os dummies (eu diria que seria semi-dummies, porque ainda exige uns conhecimentos básicos de matemática). Aí vão:

Compressed sensing – Verbete da Wikipedia com links interessantes ao final do artigo.
Compressed sensing makes every pixel count – Um artigo (em pdf) muito bom para se inteirar do básico do assunto.
Nuit Blanche – Blog que pega todas as novidades da área, como papers e conferências.
Compressive Sensing: The Big Picture – Tutorial que lista o que se deve entender, basicamente.

Bom, é isso aí que vou voltar para os meus estudos

Ouvi falar dele bem no início de minha graduação, o momento exato não me lembro, mas sei que foi em algum livro de computação e matemática… e bem que queria tê-lo conhecido antes. Como o tempo urge para meus projetos profissionais e acadêmicos, e para não deixar passar a data em branco, só quero repassar alguns links interessantes que merecem ser lidos. Além do post do Orsi que indiquei acima, também recomendo dar uma lida no post do blog do WolframAlpha (e no final do post há outros links que valem a pena.

Para finalizar, sabem as famosas máquinas de Turing? Pois é, sabiam que existe um outro tipo de máquina, que é um modelo computacional hipotético, a chamada máquina de Zeno? Recomendo ler o excelente post do RicBit, que trata justamente disso, de como a complexidade de alguns algoritmos é brutalmente reduzida ao mudar de máquina Turing para máquina Zeno, onde seria fácil provar que P=NP ou que a fatoração seria muito simples. Quem precisa de computador quântico nessas horas? Pena que são hipotéticas… e não resolvem o problema da parada.

Fica aqui a minha humilde homenagem ao patrono da computação e da inteligência artificial.