Como trabalhos desenvolvidos na Universidade Federal de Viçosa relacionam campos aparentemente tão distintos

Quando o assunto é inteligência artificial, muita gente imagina cenários pós-apocalípticos no melhor estilo “O exterminador do futuro”, onde as máquinas possuem autonomia suficiente para subjugar a raça humana. A realidade ainda não é bem assim e o nosso cenário se encontra muito distante dessas possibilidades. Atualmente, os robôs que conseguimos desenvolver possuem pouca autonomia e são programados para realizar tarefas muito específicas, como escolher o melhor anúncio relacionado a suas pesquisas no Google ou agendar um horário em salão de cabeleireiro, por exemplo.

O professor Levi Lelis, do Departamento de Informática da UFV, é especialista na área e trabalha desenvolvendo métodos que aprendem a lidar com problemas sozinhos e que interajam com pessoas enfrentando o mesmo problema. Levi exemplifica que, em um hospital, um médico poderia utilizar a ajuda de um robô para a realização de uma cirurgia, ou de um programa para executar o diagnóstico. Dessa forma, combinando as informações processadas pelo computador e as ações executadas pelo robô, ele teria condições de melhorar as decisões tomadas naquela situação.

O problema nesse exemplo, contudo, está no alto custo. Erros em um cenário como este custam muito caro. Uma solução para desenvolver estes sistemas que auxiliam na resolução de problemas é testá-los em jogos.  Além de serem relativamente fáceis de codificar, os jogos permitem que o pesquisador observe visualmente o que está acontecendo e entenda o que está funcionando e o que não está. Nesse processo, chamado de depurar o código, quando é constatado que algo não está funcionando, o desenvolvedor provavelmente descobre na hora os motivos do não funcionamento.

Rubens de Oliveira, doutorando do Departamento de Informática ressalta que, apesar da facilidade para rodar, criar e experimentar os algoritmos em jogos, isso não significa que o que está sendo desenvolvido está muito longe do mundo real. Segundo ele, existem jogos que permitem um nível de complexidade tão alto quanto se fossem realizados testes com um robô interagindo com a realidade. Por isso, a escolha de trabalhar com os jogos se torna possível e economicamente mais viável. Ele propõe, por exemplo, um sistema para treinamento de motoristas em que, no mundo real, em um exame prático, o aluno pode sofrer acidentes e causar perdas. O programa poderia simular a realidade em um nível de complexidade alto e, além disso, identificar as falhas que o usuário tem cometido, na tentativa de melhorar o nível de aprendizagem.

Uma outra perspectiva, que guia os trabalhos de Inteligência Artificial atrelada a jogos, é um pouco mais filosófica. Jogos sempre foram vistos como uma atividade humana que requer inteligência. “Se você consegue criar um sistema capaz de jogar um jogo ou aprender a jogar um jogo, tem um pouco de inteligência por trás disso. E criar um sistema que é tão inteligente quanto uma pessoa ao ponto de jogar um jogo, ou derivar uma estratégia dentro desse jogo é algo que a gente considera brilhante”, conta Levi.

Em Março de 2016, AlphaGo, um programa de computador desenvolvido pela empresa  DeepMind Technologies Limited, da Google, venceu contra o, na época, 18 vezes campeão do jogo Go, Lee Sedol. Go é um jogo de tabuleiro milenar oriental e era considerado a próxima barreira a ser conquistada pela Inteligência Artificial. Antes disso, o último jogo em que uma IA conseguia ser boa o suficiente para derrotar profissionais humanos era o Xadrez. Essa conquista havia sido feita em 1997, contra Garry Kasparov, considerado o melhor jogador de todos os tempos. Apesar da janela de quase 20 anos, ainda estimava-se que seria necessária, pelo menos, mais uma década para que uma vitória no Go acontecesse.

O jogo é muito mais complexo que o Xadrez, pois o número de possibilidades de ação é muito maior e ele demanda do jogador um certo nível de intuição, o que representava o maior desafio para o desenvolvimento do AlphaGo. “É mais que só a inteligência, é associar a uma inteligência criativa, algo muito próximo do que a gente vê com o ser humano quando ele joga, porque ele põe mais do que só uma habilidade, ele tem uma criatividade, um sentimento, que foram desenvolvidos”, destaca Rubens.

Um trabalho similar ao realizado pelo AlphaGo tem sido orientado pelo professor Levi. A proposta é que o programa consiga reconhecer padrões de jogadas de Curling e analisar possíveis futuros até que encontre o mais satisfatório para ele e decida que movimento realizar. Curling é um esporte praticado no gelo, cujo objetivo é lançar pedras de granito o mais perto possível de um alvo, com a ajuda de varredores. O sistema desenvolvido na Universidade funciona com um conjunto de imagens em que o sistema exibe os motivos que o levaram a tomar determinada decisão naquele momento do jogo.

O programa conta com um simulador do jogo, que leva em consideração as possíveis interferências que ocorrem no mundo real, o que é chamado de modelo de ruído. Dessa forma, o sistema não sabe o que vai acontecer de maneira exata, mas sim o que pode acontecer com base no que o jogador está tentando fazer. Além disso, foi desenvolvido também um outro sistema que explica o processo de escolha feito pela simulação. Os sistemas foram testados com dois grupos de pessoas, um grupo controle, que vê a jogada escolhida pelo sistema, e um grupo tratamento, que possui acesso a jogada e a explicação da jogada. Em seguida, foram aplicados questionários de múltipla escolha com situações de tomadas de decisão no Curling, e foi constatado que as pessoas no grupo tratamento aprenderam estratégias mais rapidamente e conseguiriam jogar melhor. Levi explica que “A ideia, de maneira geral, é você aprender com o sistema inteligente a executar uma tarefa e, posteriormente, treinar pessoas para fazer essa tarefa, talvez tão bem quanto o sistema”.

Rubens e Julian Ricardo, doutorando da USP e pesquisador colaborador da UFV, trabalham com outro jogo, e a ideia é que eles criem um programa capaz de jogar esse jogo. Eles ainda estão na fase de planejamento em que tentam otimizar o processo de tomada de decisões do programa. Se o jogo oferece muitas possibilidades de ação, é interessante que o programa consiga abstrair as que não são tão interessantes sem a necessidade de analisar cada uma delas. Os algoritmos criados por eles reduzem essas possibilidades de ações, de tal forma que o programa leva menos tempo para tomar uma decisão.

Posteriormente, pretende-se olhar para essas decisões tomadas na tentativa de que um ser humano possa entender e aplicar o funcionamento destes processos. Desta forma, o sistema estaria ensinando o usuário a melhorar decisões, com base nos comportamentos reconhecidos por ele. O contrário também pode acontecer, o sistema pode estar em contato com um ser humano que toma uma decisão inesperada. Caso o resultado seja satisfatório, o programa vai aprender com essa pessoa, e vai replicar essa estratégia quando se fizer necessário. Este processo é  denominado de aprendizagem por demonstração.

Outro exemplo de pesquisa na linha da aprendizagem, relacionada a Inteligência Artificial, é chamado de geração de currículo. Um currículo, assim como as “Diretrizes Curriculares de Ensino”, por exemplo, é uma indicação de que etapas de aprendizagem devem ser superadas em determinado estado. O Professor Levi desenvolve um sistema que aprendeu a solucionar quebra-cabeças no jogo The Witness. O jogo não te ensina a resolver estes quebra-cabeças, mas funciona de maneira que o usuário começa resolvendo os mais simples primeiro para que entenda a mecânica do jogo e resolva os mais difíceis.

O sistema, após aprender a solucionar um tipo de quebra-cabeças, passou a solucionar cerca de 200 outros quebra-cabeças. Durante esse processo ele aprende a mecânica de funcionamento do jogo e desenvolve estratégias para solução de problemas. O resultado é a observação de quais problemas o sistema enfrentou mais dificuldade e a ordem de solução destes. A partir disso, é gerado um currículo, que será aplicado em testes que funcionam de maneira parecida com o trabalho citado anteriormente. Um grupo terá acesso a uma ordem aleatória de solução dos quebra-cabeças e o outro terá acesso ao currículo gerado pelo sistema. Espera-se que a ordem escolhida pelo sistema possibilite as pessoas a aprenderem mais rápido.

Apesar das grandes contribuições dos trabalhos orientados pelo professor Levi, ele ressalta que o financiamento para manutenção dos custos das pesquisas estão cada vez mais escassos. Além da necessidade da utilização de equipamentos emprestados por outras instituições, Levi conta que as publicações acadêmicas na Ciência da Computação circulam mais em conferências internacionais que em revistas científicas. Os auxílios providos pela universidade nem sempre se mostram suficientes para cobrir as despesas gastas com as viagens e cabe aos próprios pesquisadores pagarem pela participação nos eventos. A suspensão das bolsas da FAPEMIG em fevereiro deste ano também afetou diretamente o recém criado programa de doutorado do Departamento de Informática, uma vez que a maioria das bolsas eram novas, portanto sem possibilidade de renovação. A situação do incentivo para as pesquisas em IA são reflexo do cenário de descaso com a produção de conhecimento científico presente no Brasil atualmente.