Máquinas com rosto

 

Artigo de Javier Sampedro

Os homens estão ensinando os robôs a pensar. Como? Com a lógica difusa. A opinião é de Javier Sampedro, em artigo ´publicado no jornal espanhol El País, 21-09-2008. A tradução é de Moisés Sbardelotto.

A lógica diz que Sócrates era mortal (já que Sócrates era humano, e todos os humanos são mortais), mas não se era alto ou baixo, nem se cobrava um salário digno ou se era abonado. Ser “alto” é um conceito difuso e ensinar isso a uma máquina requer um novo tipo de “lógica difusa”. O problema é importante, porque a maioria das situações da vida real são difusas. Faz calor ou “está bom”? Quando pisar ou soltar o freio? O paciente tem gastrite? Há crise ou desaceleração?

“A lógica aristotélica clássica mostrou-se eficaz em ciências duras como a matemática ou a física”, diz o cientista da computação Jorge Elorza, da Universidade de Navarra. “Mas revela-se insuficiente quando os predicados contêm imprecisão, incerteza ou ambigüidade, que é como funciona o raciocínio humano. A lógica difusa ajuda a que os programas informáticos interpretem juízos desse tipo”.
Elorza cita como exemplo os critérios para diagnosticar gastrite aguda: “Dores difusas no estômago, náuseas com ou sem vômito e moléstias não específicas”. Para que os ordenadores ajudem no diagnóstico médico, devem ser programados com a lógica difusa, mais semelhante à que os médicos aplicam nesses casos. “Trata-se de computar com palavras em vez de com números”, diz.

Na lógica difusa, as coisas não são verdade ou mentira. Uma coisa pode ser 15% verdadeira (tecnicamente, seu “grau de verdade” é de 0,15). E as variáveis (ou categorias) não são números, mas sim nomes sem fronteiras precisas (faz calor, frio ou “está normal”), e os operadores que os modificam são “bastante” ou “não muito”.
Como qualquer escriturário ou consumidor de grandes lojas sabe, fazer calor, frio ou “estar normal” são três coisas que podem ser verdade ao mesmo tempo. E que, além disso, costumam ser, dependendo a quem for perguntado. Um termostato difuso sopesa os graus de verdade das três descrições para decidir se deve ligar mais ou menos ar frio na sala. Isso, certamente, elimina a clássica distinção entre otimistas e pessimistas, porque o copo já não está meio cheio ou meio vazio, mas está cheio com um grau de verdade de 0,5. E vazio no mesmo grau. Se o copo está a três quartos de sua capacidade, é verdade (a 0,75) que está cheio, mas também é verdade (a 0,25) que está vazio. As aplicações da lógica difusa na engenharia crescem com ímpeto. De fato, já formam parte da vida cotidiana.

“Minha máquina de lavar é de uma das marcas que já usam a lógica difusa”, assegura Elorza. As duas marcas são AEG e Miele, e utilizam esses métodos de computação para moderar o programa de lavagem se a roupa “não está muito suja”: um conceito difuso.

A técnica também está estendida aos sistemas de freio dos carros, ao foco automático das câmeras fotográficas, ao controle de elevadores em edifícios públicos, aos filtros de spam (lixo eletrônico) e videogames. Os fabricantes não divulgaram esses avanços por uma razão evidente: “Freios controlados por lógica difusa” não é o tipo de mensagem que pode vender mais carros.

Mas a má fama da lógica difusa se deve ao nome mal colocado. O que é difuso não é a lógica – que tem uma definição matemática precisa –, mas sim o mundo ao qual se aplica, incluída nossa percepção de suas fronteiras e de suas categorias.

“As máquinas codificam o que nós lhes transmitimos e calculam muito depressa, mas carecem do menor grau de generalização”, explica Elorza. “Os últimos avanços englobam métodos que, junto com a lógica difusa, giram em torno a redes neuronais e algoritmos genéticos, uma enriquecedora combinação de técnicas denominada soft computing. O conceito de soft computing, que poderia ser traduzido por “computação leve” (ainda que ninguém costume fazer), foi introduzido na década passada pelo matemático azerbaijano-iraniano Lotfi Zadeh, da Universidade de Berkeley.

O próprio Zadeh tinha inventado a lógica difusa nos anos 60 e 70. Os avanços posteriores em redes neuronais (programas que aprendem da experiência) e algoritmos genéticos (programas que evoluem no tempo) pareceram a Zadeh um complemento idôneo para sua lógica difusa.

A combinação dessas ferramentas (o soft computing) permite às máquinas aprender a manejar conceitos difusos, bem ao estilo humano. O Congresso Espanhol sobre Tecnologias e Lógica Fuzzy está em sua 14ª edição, que foi celebrada nesta semana nas bacias mineiras asturianas (Langreo-Mieres).

Um exemplo em que o soft computing conseguiu notáveis avanços é o reconhecimento da escrita manual. Trata-se de um grande problema para a computação convencional, porque é difícil imaginar uma descrição matemática precisa da letra “a” que abranja todas os “as” que as pessoas escrevem (e reconhecem). O soft computing pode sim manejar categorias com “mais ou menos um ‘a’”. Lembrem-se que, na lógica difusa, uma coisa pode ser um “a” com um grau de verdade de 0,7, por exemplo. O sistema de reconhecimento da escrita falha muito com cada novo usuário, mas depois se adapta às peculiaridades de seus traços. Para isso servem as redes neurais.

As redes neurais são programas inspirados na biologia. Compõem-se de neurônios que recebem vários inputs e os combinam para emitir só um output, como os neurônios de verdade. E, também como estes, modificam a força de suas conexões em função da experiência. Sua aprendizagem costuma ser “guiada”, isto é, baseia-se na comparação do resultado proposto pela máquina com a solução correta da vida real.
Esses programas não pretendem ser um modelo do funcionamento real do cérebro – tanto os neurônios individuais como suas conexões são uma caricatura de sua versão biológica –, mas são capazes de aprender da experiência.

Cerca de 75% dos carros que são fabricados são equipados com o sistema de freio ABS. A Intel Corporation, a gigante dos chips, é também um dos provedores de controles eletrônicos para o ABS e utiliza a lógica difusa. A função do ABS é manipular os freios para evitar que o carro patine. Um longo encadeamento de silogismos aristotélicos não ajuda muito nessas situações, como qualquer condutor sabe. Os sistemas de visão artificial dependem muito da lógica difusa. Parece-nos fácil decompor uma cena visual em objetos, mas situar suas fronteiras é um assunto dificultoso que nosso cérebro tem que resolver a cada segundo.

A fronteira real chega a nossos olhos borrada pela imprecisão do foco, pelas sombras e pelos claros-escuros. Várias interpretações podem ser verdade ao mesmo tempo, e é ponderando o grau de verdade que a máquina decide. Nosso córtex visual também funciona assim. Pode-se dizer o mesmo dos sistemas de identificação facial, do reconhecimento da fala e da interpretação dos gestos, de alguns aparelhos de diagnóstico médio e de um crescente número de aplicações financeiras.

A lógica difusa pode vangloriar-se de suas origens veneráveis. Já faz 2.400 anos queParmênides de Eléia sugeriu que uma proposição podia ser verdadeira e falsa ao mesmo tempo. Seu grande admirador Platão deu-lhe atenção e chegou a admitir uma terceira região entre os pólos da verdade e da falsidade. Mas essas idéias tiveram que esperar por Zadeh para cristalizar em uma fórmula matemática precisa, e portanto útil, para os engenheiros.

A idéia de que o cérebro humano utiliza um mecanismo análogo à lógica difusa deve muito ao lingüista William Labov, fundador da moderna sociolingüística. Labov demonstrou, em 1973, que as categorias “xícara” e “tigela” são difusas no nosso cérebro: solapam uma com a outra, e seu uso depende mais do contexto e da experiência do falante do que do tamanho real do recipiente como uma xícara (quando se dizia que continha café) e como uma tigela (quando um pouco depois se sugeria que servia para comer).

A decisão entre os dois nomes depende ao mesmo tempo de outros fatores: ter uma asa, ser de cristal, ter um pires embaixo e exibir um diâmetro crescente da base à boca subtraem pontos de “tigela” e empurram o falante a “xícara”. O resultado de Labov é muito semelhante à lógica difusa: no nosso cérebro, um objeto pode ser uma tigela com um grau de verdade de 0,7 e uma xícara com um grau de verdade de 0,3. E esses graus se ajustam continuamente em função do contexto e da experiência do falante.

A neurobiologia mais recente confirmou as idéias de Labov de uma forma inesperada, em uma série de experimentos que iluminaram o problema central da semântica – como atribuímos um significado às palavras? – e inclusive um tema chave da filosofia da mente: o que são os conceitos, os símbolos mentais com os quais se tece o pensamento humano.

A idéia convencional é de que os conceitos são entidades estáveis, que se formam e são manipuladas nas altas instâncias do córtex cerebral (os lóbulos frontais, agigantados durante a evolução humana). O conceito “flor” seria um autêntico “símbolo” pela mesma razão que a palavra “flor”: porque se independizou de seu significado e pode ser manejada sem se ter uma flor na frente.

Mas os dados estão revelando que o símbolo e seu significado são, em grande parte, a mesma coisa para o nosso cérebro. Pensar em alguma coisa vermelha, ou inclusive pensar abstratamente sobre a cor vermelha, ativa os mesmos circuitos cerebrais que ver essa coisa fisicamente.

Um pergunta comum nos testes psicológicos é se os desenhos diferentes representam duas orientações do mesmo objeto. Resolvemos isso “rodando mentalmente” o objeto, como deixa claro um fato eloqüente: nosso tempo de resposta é diretamente proporcional ao ângulo que distingue um desenho do outro.

O laboratório de Herbert Bauer, em Viena, demonstrou no ano passado que a “rotação mental” é indissociável da atividade de uma parte do córtex motor, a mesma que usamos quando queremos mover um objeto de verdade. Trata-se, segundo Bauer, de “uma simulação interna da rotação real de um objeto”.

Quando uma pessoa lê o verbo “pular”, não só se ativam seus lóbulos frontais, mas também as áreas que recebem a informação dos sentidos e os motores que regem suas ações. Os conceitos que manejamos parecem-se menos com as definições da lógica formal do que as verdades da lógica difusa: relativas, provisionais e tecidas com os fios do mundo real.