A importância da diversidade humana para o aprendizado de máquinas

Aprendizado de máquinas: A importância da diversidade humana: Antes mesmo de abordar a importância de uma Inteligência Artificial inclusiva e cada vez mais próxima de comportamentos do mundo real, abordemos um breve histórico dessa revolucionária e progressiva ciência.

Com o intuito de encontrar novas funções aos computadores, os estudos acerca da AI (Artificial Intelligence) começaram na década de 1940 – precisamente após o fim da Segunda Guerra Mundial, em 1945 – época em que se tinha como objetivo desenvolver a tecnologia para impulsionar a indústria Bélica.

Com o passar dos anos, pode-se considerar que o conceito de Inteligência Artificial se desenvolveu nos mais variados âmbitos, chegando muito próximo ao que muitos conhecem como “a ciência que simula a capacidade humana”.

É só na década de 60 que a ciência recebe, de fato, o real papel de “Inteligência Artificial”, pois os pesquisadores de vertentes biológicas apostavam que a máquina seria capaz de realizar atividades humanas complexas, como raciocinar, perceber e tomar decisões significativas. No entanto, mesmo com desenvolvimentos de estudos intensos na década de 1980, é só nos anos de 1990 que a Inteligência Artificial recebe grande impulso, reconhecendo-a como ciência que revolucionaria o mundo dos humanos e das máquinas.

Nos dias atuais, é perceptível o usa cada vez mais contínuo de Inteligência Artificial. É possível perceber também a presença dessa ciência em aplicativos de seguranças, jogos, dispositivos de reconhecimento de voz, escrita e face, programas de computador, no próprio buscador icônico do Google e até na área da saúde – a AI é utilizada para entender os fatores de risco da diabetes, por exemplo.

É a partir de uma análise profunda daquilo que a Inteligência Artificial já conquistou e desenvolveu que uma das mais icônicas influentes da área, diretora do laboratório de IA de Stanford e fundadora do programa SAILORS (Programa de verão para a promoção da inteligência artificial da Universidade de Stanford, SAILORS na sigla em Inglês), Fei-Fei Li declarou para o Google que já não basta mais criar um computador inteligente, mas é preciso “educá-lo”, ensinando-o as coisas certas.

Entrando no contexto em que Fei-Fei Li se expressa, percebe-se uma grande preocupação em relação à presença de diversidade dentro dos ambientes de estudo e desenvolvimento da AI, “Quando há diversidade entre os futuros tecnólogos, a prioridade deles é usar a tecnologia para o bem da humanidade”. Para desenvolver essa percepção, Fei-Fei Li fundou o SAILORS, em 2015, com o intuito de aumentar a igualdade de gênero no setor da tecnologia e desenvolver máquinas cada vez mais inclusivas.

A ideia de Fei-Fei Li é demonstrar que com a presença cada vez mais forte e marcante da Inteligência Artificial no mundo, maior também é a necessidade da igualdade de gênero – e pessoas diferentes uma das outras – , uma vez que a própria natureza do aprendizado de máquina exige essa diversidade.

Como ponto-chave de sua argumentação, a diretora do laboratório de IA de Stanford e fundadora do programa SAILORS exemplifica na entrevista que deu ao Google o porquê dessa preocupação, abordando acontecimentos que já ocorreram pela falta de diversidade nessas áreas de desenvolvimento e aprendizado de máquinas. Um dos fatos, por exemplo, aconteceu com um software de reconhecimento de imagens que determinou que pessoas asiáticas em fotografias estavam de olhos fechados, como se estivessem piscando – atenuando, dessa maneira, o preconceito e esteriótipo já existente em relação a essas pessoas e demonstrando uma grande falha na hora da presença da diversidade ao ensinar um comportamento ao software.

As perguntas que ficam: será que existe uma quantidade efetiva de pessoas asiáticas ajudando no aprendizado? Ou, será que os responsáveis por ensinar essas máquinas tiveram a preocupação de utilizar as mais diversas fotografias de pessoas asiáticas?

Através dessa argumentação, também é possível pensar outros fatos que podem ocorrer se não houver uma diversidade de pessoas nessa área – por exemplo, imaginemos uma máquina que está em processo de treinamento para reconhecer a maior diversidade de carros possível, no entanto, as pessoas que estão treinando essa máquina incluem fotos de diversos carros icônicos no mundo, mas não incluem (por falta de conhecimento e/ou proximidade) a Brasília – carro brasileiro famoso produzido entre os anos 1973 até 1982. O resultado nós já sabemos. Todos os carros aprendidos pela máquina serão identificados, já a Brasília não.

Enfim, o que Fei-Fei Li traz como reflexão é muito válido. Nós já conseguimos provar a capacidade que uma máquina tem ao ser treinada e desenvolvida, no entanto, é preciso uma tomada de consciência dos profissionais e pesquisadores da área para que a máquina aprenda as coisas corretas, com a maior diversidade de pessoas, objetos, lugares e estímulos.