Basicamente, o que ele faz? Essa gracinha é capaz de deduzir leis físicas a partir de um conjunto de dados experimentais, utilizando algoritmos de aprendizado de máquina para descobrir a matemática por trás dos dados. De acordo com o post do Wired, o programa é derivado de um estudo de como robôs poderiam se auto-reparar.

O software conseguiu deduzir a segunda Lei de Newton! Fiquei mesmo impressionada com isso. Ainda não fiz os testes no bicho, afinal, tem que ter um conjunto de dados brutos, mas fico imaginando se poderia ser experimentado pelo pessoal da física de partículas. Por exemplo, o LHC, na sua capacidade máxima, vai gerar uma quantidade monstruosa de dados brutos. Será que o Eureqa poderia acabar deduzindo as leis por trás do Modelo Padrão? Ou destruir o modelo, ao descobrir um conjunto melhor de leis que descrevam exatamente onde se acha o elusivo Higgs?

O robô está sendo usado na microbiologia, para dar pontos de partidas para novas hipóteses sobre as propriedades de sistemas biológicos. O programa também pode identificar “buracos” nos dados e recomendar novos experimentos para preencher esses gaps. Uau!

Pelo que li no post, ele só é capaz de deduzir leis simples. Talvez essas descobertas de algumas leis simples abram caminho para estender os modelos e completá-los. Não estou dizendo que as IAs vão substituir os cientistas, apenas vão ser valiosos assistentes. Melhor ainda, assistentes que não vão reclamar se você tiver uma ideia às 3 horas da manhã!

Acho arriscado tentar prever o rumo do campo de aprendizado de máquina, mas no futuro, não seria muita surpresa para mim se uma IA conseguir unificar a mecânica quântica com a relatividade… e a Skynet dominar.

Está bem, vou é ficar impressionada e com o queixo caído.

Via Wired.

Agora lançaram mais um robô chamado PetMan que anda com duas pernas! O objetivo é realizar testes com trajes químicos militares. Veja o vídeo abaixo:

Clique aqui para assistir o vídeo inserido.

Alguém duvida da Skynet?

Via Technology Review.

Via Moral Machines.

A palestra ganhou destaque não só por causa do objetivo ambicioso (afinal, fazer um cérebro sintético não é moleza) mas também porque o diretor prevê que, em até 10 anos, já teremos um cérebro sintético funcional. Admito que acho meio difícil de acreditar, dado o histórico de previsões furadas na área de computação, mais ou menos no estilo daquela previsão da Popular Mechanics de 1949 sobre os computadores do futuro (a revista dizia mais ou menos assim: “Os computadores do futuro deverão ter apenas mil tubos de vácuo e pesar 1,5 mil toneladas”).

Tá, verdade que várias outras previsões foram acertadas e a computação atual está evoluindo rápido, ainda mais com os avanços promissores da computação biológica e quântica. Mas fazer estimativas no campo da inteligência artificial em um estágio que nem sabemos direito o que é consciência e como pensamos? Será que uma engenharia reversa do cérebro pode mesmo elucidar os mistérios do cérebro?

Os recursos computacionais do projeto Blue Brain são impressionantes, cada neurônio modelado exige o equivalente a um laptop. E como os pesquisadores conseguiram criar um modelo tridimensional com 10 mil neurônios, é como se tivéssemos 10 mil laptops rodando, um para cada neurônio.

Inicialmente os pesquisadores simularam um cérebro de rato, cujos neurônios eram estimulados apenas por correntes elétricas, mas posteriormente os neurônios se organizaram espontaneamente em um padrão mais complexo ainda. Isso é bem interessante, pode indicar que o padrão de neurônios auto-organizáveis evolui para algo que chamamos de personalidade. Natural especular que se isso ocorreu com o cérebro de rato simulado, o mesmo poderia acontecer com o cérebro humano simulado. E se a consciência emergir?

Apesar de minhas simpatias por IAs insanas como a Skynet e Wintermute (personagem de Neuromancer), torcerei para que a consciência que emergirá (se emergir) dessa simulação seja benevolente, pelo menos comigo.

De fato, a natureza pode nos ajudar muito, levando em conta que já nos deu as redes neurais artificiais, a computação evolucionária, a inteligência de enxames (swarm intelligence) e a computação molecular (de DNA). O sistema imunológico chamou a atenção dos cientistas da computação por sua capacidade de reconhecer padrões (anti-corpos que reconhecem invasores), sua robustez, capacidade de aprendizado, memória e distributividade – um sistema composto por vários elementos se comunicando eficientemente é de chamar atenção mesmo.

O sistema imunológico dos mamíferos (no qual se inclui o nosso) basicamente se divide em duas partes: sistema inato e sistema adaptativo. O inato já vem “embutido” quando nascemos e tem anticorpos e células capazes de saber se um objeto estranho entrou no organismo e de diferenciá-lo das nossas células. O adaptativo tem elementos diferentes mas com os mesmos princípios, com a diferença de que muda e se adapta durante o nosso tempo de vida.

Na computação, pode ser usado como reconhecedor de padrões, para segurança de redes, para aprendizado de máquinas e outras coisas mais. Das duas aplicações práticas que vi, uma foi um sistema de detecção de intrusos, para segurança de redes. A outra é um tipo de rede imunológica artificial, uma contrapartida às redes neurais artificiais. Impressionante!

A teoria em si é um pouco trabalhosa e ainda estou a estudando hehe. Quem sabe eu escreva um post detalhado sobre isso for dummies, mas por ora, deixo os links abaixo para a devida apreciação (leitura técnica, ok?).

Ver mais:
Link de uma tese de doutorado no assunto. No final da página, tem vários links.
Verbete da Wikipedia sobre o assunto.
Artificial Immune Systems – Portal que agrega tudo sobre o assunto.