É um fenómeno psicológico comum: repete qualquer palavra vezes suficientes, e eventualmente perde todo o significado, desintegrando-se como tecido encharcado em nada fonético. Para muitos de nós, a frase “inteligência artificial” desmoronou-se desta forma há muito tempo. AI está em toda parte na tecnologia neste momento, diz-se que está alimentando tudo desde sua TV até sua escova de dentes, mas nunca as palavras em si significaram menos.

Não deveria ser assim.

Embora a frase “inteligência artificial” seja inquestionavelmente, sem dúvida mal utilizada, a tecnologia está fazendo mais do que nunca – tanto para o bem como para o mal. Está sendo implantada nos cuidados de saúde e na guerra; está ajudando as pessoas a fazer música e livros; está escrutinando seu currículo, julgando sua solvência, e ajustando as fotos que você tira no telefone. Em resumo, é tomar decisões que afetam sua vida, quer você goste ou não.

Pode ser difícil conciliar o hype e o bluster com os quais a IA é discutida por empresas de tecnologia e anunciantes. Veja, por exemplo, a escova de dentes Genius X da Oral-B, um dos muitos dispositivos revelados no CES este ano que tocou nas supostas habilidades de “IA”. Mas cava a linha superior do comunicado de imprensa, e tudo isso significa que ele dá um feedback bastante simples sobre se você está escovando os dentes durante o tempo certo e nos lugares certos. Há alguns sensores inteligentes envolvidos para saber onde está a escova na sua boca, mas chamá-la de inteligência artificial é algaravia, nada mais.

Quando não há propaganda envolvida, há mal-entendidos. A cobertura da imprensa pode exagerar a pesquisa, colocando uma foto de um Exterminador em qualquer história de IA vagamente. Muitas vezes isso se resume a confusão sobre o que é mesmo inteligência artificial. Pode ser um assunto complicado para não especialistas, e as pessoas muitas vezes confundem erroneamente IA contemporânea com a versão com a qual estão mais familiarizadas: uma visão científica de um computador consciente muitas vezes mais inteligente do que um humano. Especialistas se referem a esta instância específica da IA como inteligência geral artificial, e se alguma vez criarmos algo como isto, provavelmente será um longo caminho no futuro. Até lá, ninguém é ajudado por exagerar a inteligência ou capacidades dos sistemas de IA.

É melhor, então, falar de “aprendizagem mecânica” do que de IA. Este é um subcampo de inteligência artificial, e que engloba praticamente todos os métodos que têm o maior impacto no mundo neste momento (incluindo o que se chama aprendizagem profunda). Como uma frase, não tem a mística da “IA”, mas é mais útil para explicar o que a tecnologia faz.

Como funciona a aprendizagem automática? Nos últimos anos, li e observei dezenas de explicações, e a distinção que achei mais útil está bem ali no nome: a aprendizagem de máquinas tem tudo a ver com permitir que os computadores aprendam por si próprios. Mas o que isso significa é uma questão muito maior.

Comecemos com um problema. Digamos que você queira criar um programa que possa reconhecer gatos. (É sempre gatos por alguma razão). Você poderia tentar fazer isso à moda antiga programando em regras explícitas como “cats have pointy ears” e “cats are furry”. Mas o que faria o programa quando você mostrasse uma foto de um tigre? Programar em cada regra necessária seria demorado, e você teria que definir todos os tipos de conceitos difíceis ao longo do caminho, como “furriness” e “pointiness”. É melhor deixar a máquina ensinar-se a si própria. Então você dá a ela uma enorme coleção de fotos de gatos, e ela olha através delas para encontrar seus próprios padrões no que ela vê. Ela conecta os pontos, no início de forma bastante aleatória, mas você a testa várias vezes, mantendo as melhores versões. E com o tempo, ele fica muito bom em dizer o que é e o que não é uma cat.

Tão previsível, tão previsível. Na verdade, você provavelmente já leu uma explicação como esta antes, e eu sinto muito por isso. Mas o importante não é ler o gloss, mas realmente pensar no que esse gloss implica. Quais são os efeitos secundários de ter um sistema de tomada de decisão aprendido assim?

Bem, a maior vantagem deste método é a mais óbvia: nunca é preciso programá-lo. Claro, você faz uma grande quantidade de ajustes, melhorando a forma como o sistema processa os dados e encontrando maneiras mais inteligentes de ingerir essa informação, mas você não está dizendo o que procurar. Isso significa que ele pode detectar padrões que os humanos podem perder ou nunca pensar em primeiro lugar. E porque tudo o que o programa precisa são dados – 1s e 0s – há tantos trabalhos em que você pode treiná-los porque o mundo moderno está cheio de dados. Com um martelo de aprendizagem na sua mão, o mundo digital está cheio de pregos prontos para serem colocados no lugar.

Mas depois pense nas desvantagens, também. Se você não está ensinando o computador explicitamente, como você sabe como ele está tomando suas decisões? Os sistemas de aprendizagem de máquinas não conseguem explicar o seu pensamento, e isso significa que o seu algoritmo pode estar a funcionar bem pelas razões erradas. Da mesma forma, porque tudo o que o computador sabe são os dados que você o alimenta, ele pode pegar uma visão tendenciosa do mundo, ou pode ser apenas bom em tarefas estreitas que parecem semelhantes aos dados que ele já viu antes. Ele não tem o bom senso que se espera de um humano. Você poderia construir o melhor programa de reconhecimento de gatos do mundo e ele nunca lhe diria que gatinhos não deveriam dirigir motos ou que um gato é mais provável de ser chamado de “Tiddles” do que de “Megalorth the Undying”.”

Ensinar computadores para aprender por si mesmos é um atalho brilhante. E, como todos os atalhos, envolve cortar os cantos. Há inteligência nos sistemas de IA, se lhe quiseres chamar isso. Mas não é inteligência orgânica, e não joga pelas mesmas regras que os humanos. Mais vale perguntar: quão inteligente é um livro? Que perícia é codificada numa frigideira?

Então, em que ponto estamos agora com a inteligência artificial? Após anos de manchetes anunciando o próximo grande avanço (que, bem, eles ainda não pararam), alguns especialistas acham que chegamos a um patamar. Mas isso não é realmente um impedimento ao progresso. No lado da pesquisa, há um grande número de caminhos a explorar dentro do nosso conhecimento existente, e no lado do produto, só vimos a ponta do iceberg algorítmico.

Kai-Fu Lee, um capitalista de risco e ex-pesquisador de IA, descreve o momento atual como a “era da implementação” – um momento em que a tecnologia começa a “espalhar-se para fora do laboratório e para o mundo”. Benedict Evans, outro estrategista da CV, compara a aprendizagem de máquinas a bases de dados relacionais, um tipo de software empresarial que fez fortuna nos anos 90 e revolucionou indústrias inteiras, mas isso é tão mundano que seus olhos provavelmente brilharam só de ler essas duas palavras. O ponto que essas duas pessoas estão fazendo é que agora estamos no ponto em que a IA vai ficar normal rapidamente. “Eventualmente, praticamente tudo vai ter algum lugar dentro e ninguém vai se importar”, diz Evans.

Ele está certo, mas ainda não estamos lá.

No aqui e agora, a inteligência artificial – aprendizagem de máquinas – ainda é algo novo que muitas vezes fica inexplicável ou subexaminado. Portanto, na edição especial desta semana de The Verge, AI Week, vamos mostrar como tudo está acontecendo agora, como esta tecnologia está sendo usada para mudar as coisas. Porque no futuro, será tão normal que você nem vai notar.