O que computação evolucionária, Darwin e robôs com inteligência artificial têm em comum?

walle-photo-1

Certamente você já ouviu falar de Darwin e estudou a respeito da evolução das espécies. Há quem acredite nos fatos, há quem duvide, e não vou questionar aqui a fé de ninguém. Outro assunto que é amplamente discutido entre os amantes de tecnologia é a Inteligência Artificial e robótica. Agora, o que seria computação evolucionária, e qual a maluca relação entre tudo isso que eu acabei de citar? Puxe a cadeira, encha o copo e vem comigo.

Bem, sabemos que a teoria da evolução das espécies de Darwin envolve vários conceitos para explicar o que foi que permitiu que os animais fossem evoluindo e desenvolvendo diferentes habilidades que deram a eles vantagens em relação ao seu universo corrente, o que garantiu que estes seres sobrevivessem em um planeta tão nocivo quanto o nosso.

Estes habitantes, sejam eles quais forem, são fruto de um processo de seleção, feito pelo próprio meio ambiente, onde somente os mais aptos sobreviveram e multiplicaram sua própria espécie. Só os fortes sobrevivem, lembra?

Agora, a Computação Evolucionária é um ramo da ciência da computação que estuda e aplica os mecanismos evolutivos encontrados na natureza, estes mesmos descritos por Darwin, mas em computadores, autômatos e robôs.

E agora o Google está aplicando isso em produtos criados pela recém adquirida Boston Dynamics e vai implementar a Skynet. Mentira. Ainda.

skynet

Mas é a união de todos esses estudos que pode dar a determinados robôs a capacidade de desenvolver, sozinhos, habilidades motoras e análise de decisão. Para entender melhor, vamos ao trabalho de Roby Velez, um estudante de doutorado no Departamento de Ciência da Computação da Universidade de Wyoming, que está pesquisando metologias que ajudem os robôs a entenderem seu próprio ambiente e explorá-lo com mais eficácia.

Nosso laboratório foca em algoritmos evolutivos, que são inspirados pela teoria da evolução de Darwin“, diz Velez. O cientista está trabalhando com o professor Jeff Clune, da mesma instituição. Ele explica que estes procedimentos são usados na Computação Evolucionária, que é um sub-conjunto da Inteligência Artificial.

Um algoritmo evolutivo utiliza mecanismos inspirados na evolução biológica, tais como reprodução, mutação, recombinação e seleção. Enquanto a maioria dos algoritmos evolucionários são projetados para ter um único objetivo, com foco para um robô e sua “missão“, Velez usa uma técnica chamada Novelty Search, na qual o algoritmo evolutivo não é usado resolver alguma tarefa específica.

“Para alcançar seus objetivos mais elevados, você deve estar disposto a abandoná-los.”

Não há um objetivo fixo, uma meta pré-estabelecida. A ideia é que, se você evoluir o cérebro do robô, e deixá-lo buscar por coisas diferentes e processar essas informações, você pode eventualmente obter diversos conjuntos de comportamentos ou resultados distintos. Um dos comportamentos pode ser exatamente o que você está procurando, mas feito de uma forma otimizada.

howrobotslea

Na natureza, os seres humanos e animais são recompensados quando encontram água e comida ou outros indivíduos com os quais eles podem se reproduzir.

Com algoritmos evolucionários, Velez foi capaz de criar robôs com cérebros artificiais que são recompensados ao se superarem e vencerem determinadas tarefas ou desafios.

Por exemplo, como explica Velez:

“Imagine que nós queremos modelos de robôs que podem andar longas distâncias. Um robô que pode andar 5 metros tende a ter mais chances de sobrevivência que um robô que só consegue andar 3 metros. Baseado em quão boa é sua performance, nós damos a ele uma pontuação. Se este robô consegue pontos mais altos neste score, existe relativamente uma grande chance que este indivíduo possua melhores atributos, e seria o que em tese iria passar adiante seus genes para a próxima geração.”

Estamos falando de uma analogia entre um robô, seu desempenho ao aprender sozinho como evoluir suas habilidades, e um ser vivo no mundo real. Por favor não entenda que um robô vai aprender a se reproduzir, é uma analogia. Os atributos do modelo mais eficientes seriam transmitidos digitalmente.

Estas experiências envolvem uma população de robôs que pode variar entre 50 e 100 unidades. Quando um determinado robô consegue uma boa pontuação, ele é colocado para desafiar outros robôs. E mesmo que eles tenham um score baixo, eles não são imediatamente descartados, mas há um fator estabelecido de que autômatos com melhor performance tem 90% de chances de passar seus genes, contra apenas 10% dos robôs que falharam.

Todos esses estudos realizados pelo estudante e a equipe de seu laboratório tem o objetivo de entender melhor a evolução do próprio ser humano, além de obter caminhos para a criação de robôs mais inteligentes, de uma forma mais simples. Isso porque os avanços da robótica hoje em dia envolvem um grande esforço humano, com engenheiros gastando meses e meses para escrever linhas de código em softwares que focam em apenas um ou pouquíssimos comportamentos.

E ainda assim, estes modelos programados com software de decisão pré-estabelecida não podem evoluir, não é possível que estes computadores se tornem melhores sem outras centenas de horas de programação humana.

“Em vez disso, queremos criar robôs que aprendam por conta própria a realizar as tarefas no mundo. Queremos robôs que explorem seu universo, que aprendam a contornar suas dificuldades e resolver problemas encontrados, como o que acontece com animais e crianças. Estamos estudando uma forma de fazer isso acontecer.” – disse Clune.

Ousado, não? Eu acho fantástico.

Sobre esse assunto, lembro que há alguns anos eu entrevistei Kevin Warwick, professor do Departamento de Cibernética da Universidade de Reading, no Reino Unido. Ele executou um projeto que utiliza a ideia de que parte da estrutura molecular humana pode dar a robôs a capacidade de tomada de decisão.

BR004_RT8_270

Nos testes realizados em laboratório, neurônios de rato foram inseridos em um autômato que passou a se movimentar de forma a desviar de obstáculos – habilidade que não foi programada mas aprendida pelo mini-cérebro. A próxima etapa envolvia o uso tecido humano.

Agora, junte ambos os estudos e temos um coquetel regado a pandemia do medo por parte dos desavisados e potenciais ciborgues verdadeiramente autônomos.

É preciso deixar claro que estamos ainda muito longe de conseguirmos criar androides como os que o cinema mostra. E que sim, existem várias maneiras de se evitar que um pequeno robô armado decida por si só que a melhor forma de contornar um obstáculo seria metralhando o que estiver pela frente. E tudo isso será utilizado.

De qualquer forma, gosto de como as coisas estão caminhando e é muito provável que todo conhecimento adquido nestas pesquisas seja muito mais benéfico que prejudicial.

E você, o que acha a respeito?

Fonte: Phys.

Relacionados: , , , , ,