Bolha 2.0: A nova bolha de tecnologia diante da inteligência artificial fraca

Se as crises e bolhas se mostram quase sempre determinísticas, senão ao menos lógicas, tudo seria muito fácil – e para todos – se o tempo de duração delas fosse de fácil previsão.
Mas a realidade é que determinadas crises e bolhas podem durar muitos anos, até mudarem de lado. Exatamente essa incerteza de tempo tornou tão grave a mais famosa – e duradoura – crise dos tempos modernos: a grande depressão ou crise de 1929. Na prática, foram necessários mais de dez anos para uma retomada de atividade industrial nos mesmos patamares de antes da crise. Mas, se considerarmos o impacto para os investidores, com o índice Dow Jones para 100 anos, o impacto devastador do tempo nos conduz a mais de vinte anos de duração de uma crise com um ciclo de tempo de total incerteza.
Não é difícil imaginar o impacto devastador dessa época sobre investidores que perceberam uma recuperação de produção industrial dez anos após o início da crise que de fato só se confirmou no índice Dow Jones após mais de vinte anos. E não é preciso ir tão longe para buscar cenários de tamanha incerteza, uma vez que nosso próprio país enfrenta ainda uma crise sem data final para formatação do início de uma nova e consistente bolha. Mas quando estamos em meio a uma crise, uma nova bolha parece o menor dos problemas ou ainda, o problema que gostaríamos de estar administrando.
Para agravar ainda mais a incerteza infinita do tempo, principalmente referente à duração dos períodos de crises e bolhas, temos a incerteza infinita da tecnologia, uma vez que ela poderá estar associada às descobertas, invenções e o absolutamente novo e imprevisível.
Evidentemente que a grande maior parte dos avanços de tecnologia são incrementais, diminuindo um pouco essas incertezas, mas os riscos de mudanças de paradigmas e de ruptura dos sistemas existentes é cada vez maior, com o avanço dos computadores e computação em nuvem.
Outro fator importante, que complementam as incertezas de tempo e tecnologia, é que ela própria abre cada vez mais as portas para aumentar a velocidade e precisão de troca de informações, atingindo diretamente os mercados regionais e globais em poucos segundos.
E, dessa forma, as economias apresentam cada vez mais velocidade e incerteza de reflexo de bolhas e crises locais ou globais.
Mas, além disso, e talvez com impacto e probabilidade maior de formação de novas crises e bolhas, a Internet facilita a criação de novos produtos e Startups, que são empresas com características tipicamente formadas em ambientes de inovação.
Foi exatamente esse o cenário do final do século passado, com a entrada da Internet comercial no mercado, e a grande migração de capital de investidores em novos negócios na área de tecnologia, na expectativa de uma nova economia, com negócios em nuvem.
E pode-se considerar essa a Bolha 1.0, que se formou de 1995 a 2000, portanto no final do século passado, a aproximadamente vinte anos atrás.
A experiência da Bolha 1.0 mostra um viés otimista das bolhas e crises de tecnologia, pois por pior que tenham sidos os impactos do estouro da bolha, fomos capazes de recomeçar e, principalmente, começar a formar uma nova bolha, ainda maior.
E tudo indica que a Bolha 2.0, que acredito estar se formando atualmente, segue esse viés, onde as bolhas são cada vez maiores e as crises possuem um limite de pessimismo com capacidade de reversão contínua, alimentadas pelos sonhos dos investidores, e novas Startups.
Mas será que aprendemos com os erros passados? Ou ainda, estamos resilientes o suficiente para uma Bolha 2.0?
Essa é a pergunta que não quer calar e a razão que decidi escrever esse livro, pois acredito que, apesar de estarmos vivendo aspectos muito similares ao da Bolha 1.0, não aprendemos com ela o suficiente, esquecendo com o tempo seus fatores e impactos devastadores.

Veja mais em: https://www.amazon.com.br/dp/B06XWT7QBB/ref=sr_1_2?s=digital-text&ie=UTF8&qid=1490788898&sr=1-2

Anúncios

Base de Aprendizados: Plataformas e robôs aprendendo em grupo

Se as ciências da computação são fartas de atalhos para o aprendizado humano, é natural imaginar que o mesmo seja induzido para o aprendizado de máquina.
Entretanto, a Inteligência Artificial Forte e Genérica é um desafio tão complexo que provavelmente quanto mais paradigmas criarmos, mais lentos serão os caminhos para chegar em níveis realmente práticos.
Dessa forma, prefiro começar com estruturas de dados o mais próximas possíveis do objetivo central, que é o aprendizado, para abrir portas para a criação de modelos adaptados a essas estruturas, sem alguma regra específica para isso.
Nesse livro irei apresentar uma ideia central que considero para isso, com uma proposta de modelo e paradigma em uma camada de abstração bastante alta, denominada de Base de Aprendizados.
Para isso, focaremos em duas necessidades de informações básicas para a produção de inteligência artificial: pergunta e resposta, com uma base de aprendizado estruturada com esse paradigma.
Ou seja, a medida que a máquina busca respostas para as mais diversas perguntas, que inclusive não necessitam ser necessariamente humanas, mas também da própria máquina ou de outras – e isso é importante destacar, pois o conceito apresentado no mercado de Inteligência Aumentada foca basicamente na inteligência humana de perguntas, o que me parece subestimar a capacidade de inferência e abstração de consciência artificial das máquinas – é natural que as respostas encontradas, mesmo que não sejam corretas, ao menos para o momento atual, sejam tratadas como uma representação do aprendizado até o momento em busca da verdade, que no caso, seria a resposta que atende de forma qualitativa e quantitativa o objetivo e dúvida da pergunta, principalmente através de um modelo formal para isso, representado em forma de algoritmos que possam ser traduzidos em código de máquina.

Veja mais em: https://www.amazon.com.br/dp/B06XVXFM6V/ref=sr_1_2?s=digital-text&ie=UTF8&qid=1490578880&sr=1-2

Vida após os Algoritmos: inteligência e consciência artificial sem algoritmos humanos

No final do século passado, quando começaram os sonhos mais realistas a respeito de criar uma inteligência artificial forte nos computadores, nossas máquinas, faltava um alicerce fundamental para isso: a internet. Foi necessária a criação e evolução da internet para chegarmos na inteligência de máquina dos padrões atuais, principalmente nos avançados modelos de aprendizado que desafiam as mais complexas habilidades cognitivas humanas.
Apesar disso, muitos tentaram criar máquinas com essa inteligência, sem sucesso, antes da internet.
E será que não estamos fazendo o mesmo agora, sonhando e buscando uma inteligência artificial forte e genérica, sem a existência de um substrato tão relevante como a internet representou para a evolução do aprendizado de máquina?
No meu entender, sim.
E o que falta evoluirmos, e que é tão ou mais complexo como toda a internet e todas tecnologias criadas pelos humanos nela e para ela, é entender e dominar algo de extrema complexidade: a consciência.
Talvez nessa jornada científica, chegue-se à conclusão que a consciência não habita nosso cérebro, apesar de residir em nossa mente, em algum lugar que desconhecemos. Ou ainda, encontre-se a região do cérebro absolutamente responsável por processar nossa consciência.
Sinceramente, acredito muito mais na primeira possibilidade, para não dizer totalmente. Mas isso é irrelevante, e não devemos fechar as portas para todas possibilidades.
O que é realmente relevante é que, se desejamos atingir níveis de inteligência e consciência nas máquinas, como a humana sonhada por Alan Turing um dia, devemos dar um passo a mais, tão grande como a invenção da internet, e talvez o maior de todos até então na história da computação.
O passo da consciência artificial, independente e interdependente da consciência humana.
Minha contribuição nesse sentido, nesse livro, será defender uma tese que proponho, que é a de que para conseguirmos isso precisamos abrir as portas para as máquinas operarem sem algoritmos humanos.
Máquinas sem algoritmos humanos?
Exato, máquinas que operam sem nossos modelos e sem nossos algoritmos, ou seja, sem limites de complexidade e evolução, tanto de hardware como software. Afinal, se realmente possuem capacidade de consciência artificial, elas devem encontrar uma forma de perceber e entender o mundo, criando seus próprios códigos, para isso, e para evoluir nesse ambiente.
Mas isso é possível?
Sem dúvida, afinal, algoritmos são algoritmos, e programas ou softwares, se você preferir, são softwares, seja o design que estiver por trás deles.
Se o design é humano, nos limitamos ao que conhecemos de consciência e a modelos disso, que infelizmente estão muito atrasados e incertos.
Se o design não é humano, ou seja, da própria máquina, quebra-se o paradigma para a evolução da consciência artificial.
Bem, você pode dizer que sou um sonhador.
Mas como diria John Lennon, não sou o único, e nesse livro irei buscar formas de trazer você também para esse sonho, que talvez um dia se torne realidade.

Veja mais em: https://www.amazon.com.br/dp/B06XJRT3JB/ref=sr_1_1?s=digital-text&ie=UTF8&qid=1489378825&sr=1-1

Inteligência Artificial Genérica: Os desafios da modelagem de visão sistêmica e estratégica para todas incertezas

Mesmo com a evolução do aprendizado de máquina, e do potencial de criação de modelos cognitivos tão ou mais competitivos que os humanos – embora gerados justamente por nós, humanos –, ainda estamos engatinhando em Inteligência Artificial, principalmente a Forte e a Genérica, que trataremos nesse livro.
E talvez um dos grandes desafios e barreiras da Inteligência Artificial Genérica esteja na evolução da Consciência Artificial, devido à realidade de, praticamente, inexistência de modelos para ela.
Nesse livro, apresento minha visão e proposta de modelo para isso, que denomino de Modelo de Consciência Imaterial, e que busca encontrar soluções para o problema que descrevo a seguir, como uma metáfora similar ao do dilema do cachorro, do homem e do robô, que apresentei em meus estudos de Inteligência Artificial Forte em outro livro.
Imagine que um cientista nascido no século XVIII realiza uma hipotética viagem ao futuro para o dia de hoje, sendo colocado em uma sala com um Tablet conectado à internet por wifi, mas sem acesso direto a navegadores ou browsers.
Por mais brilhante que seja esse cientista do passado, ele não sabe o que é um computador, muito menos um Tablet, muito menos um software, o primeiro grande componente imaterial, muito menos tem noção do que seria a internet, o segundo e ainda maior sistema imaterial, representado tipicamente por uma nuvem. E, pela primeira vez, está diante de um Tablet. Mas, como ele é inteligente e curioso, logo começa a entender a lógica de operação do Tablet e a descobrir coisas incríveis sobre esse incrível dispositivo.
Agora, imagine que esse cientista terá um novo desafio pela frente, assim que descobrir o mais óbvio, que é basicamente identificar o que qualquer cientista de dados ou informação conhece:
O que é hardware e o que é software no Tablet e quais suas diferenças?
O que é o wifi e a comunicação em rede sem fio?
O que é software local ou cliente e o que é software remoto ou servidor?
O que é apenas uma Cloud ou toda a Internet?
E talvez o desafio de descobrir todos os componentes materiais e imateriais do Tablet, principalmente o que é toda a Internet, partindo dessa única experiência, seja muito similar ao que os cientistas enfrentam para descobrir o que é exatamente a consciência e onde ela se localiza, como proponho nesse modelo.
Evidentemente que, no momento que o cientista descobrisse o navegador ou browser no Tablet, as respostas para essas perguntas seriam muito fáceis. E é justamente por isso que no Tablet que oferecemos para ele, não há navegador. Ou seja, o desafio do aprendizado está justamente na dificuldade das descobertas não evidentes que deverão conduzir o cientista para as respostas corretas.
Ou seja, o Modelo de Consciência Imaterial, validado pelo teste do cientista do passado diante do Tablet, talvez seja exatamente o complexo problema que enfrentamos analisando o cérebro e a mente, humanos, em busca da consciência real, e, talvez, no futuro, da Inteligência Artificial Genérica.

Veja mais em: https://www.amazon.com.br/dp/B06WW2G64F/ref=sr_1_1?s=digital-text&ie=UTF8&qid=1487772231&sr=1-1

Laboratórios de Robôs: Inteligência Evolutiva para Machine Learning

Uma das grandes vantagens do aprendizado de máquina, ou machine learning, é a capacidade de criar algoritmos automaticamente a partir de dados, que pode ser transformada em uma máquina de inovação de ruptura, onde são fabricadas ideias e produtos inovadores, testados de forma sistêmica.
Talvez as maiores barreiras para criar uma máquina ou robô assim sejam as de comunicação, o que parece um paradoxo, uma vez que a tecnologia permite um grande avanço de troca de ideias, com várias áreas avançando em paralelo em direção à fronteira do conhecimento e das ideias de ruptura. Ou ainda, talvez uma razão para ainda vivermos uma realidade em que esses ovos ainda são raros, apesar de tantos avanços tecnológicos, seja que a competição ainda separa os homens de trabalharem realmente de forma colaborativa. Outros fatores do progresso e evolução também pesam nessa realidade, como a infinita busca por processos cada vez mais automáticos e enxutos, que transforma a criatividade em uma peça fora do baralho para os objetivos de resultados da grande maior parte das empresas, focadas em avanços cada vez mais incrementais.
Ou seja, se a automação dos processos, assim como os métodos ágeis e a produção cada vez mais enxuta, ou lean, traz benefícios para a nossa qualidade de vida, permitindo a disseminação de produtos de qualidade para o máximo de consumidores, por outro lado ela cria barreiras cada vez maiores para os verdadeiros sistemas inovadores.
Seja como for, a verdade é que a máquina biológica para isso já existe na natureza, em constante evolução, e todos fazemos parte dela de alguma forma, embora exista, mais facilmente reconhecida e notadamente evidente no cérebro e na mente de grandes gênios visionários. Mas, até que ponto seremos capazes de criar máquinas capazes de inventarem o futuro de forma sistêmica, como conseguem fazer esses visionários de forma discricionária?
Para isso, acredito que devemos primeiramente entender e dominar esses modelos de inovação discricionária e o avanço das mais variadas áreas que representam as principais estratégias e modelos originais, que irão justamente formar as fronteiras do conhecimento e do avanço tecnológico humano, caracterizado pelas constantes inovações e evoluções.
E se esse entendimento e domínio podem ser obtidos e modelados, na forma de uma arquitetura ou máquina, com robôs executando de forma automática e autônoma todos processos, estarão abertas as portas para construção de Laboratórios de Robôs para vencerem os mais complexos desafios dos diversos mercados e áreas de negócio, em um ciclo sem fim de busca de soluções de forma automática para os problemas que desafiam nossa ciência e evolução.

Veja mais em: https://www.amazon.com.br/dp/B06WVGPKR9/ref=sr_1_1?s=digital-text&ie=UTF8&qid=1487564149&sr=1-1