Em dezembro, pesquisadores da DeepMind, empresa de inteligência artificial que pertence à Alphabet, mesma dona do Google, enviou um recado das fronteiras do xadrez. Um ano antes, a empresa tinha anunciado a criação do AlphaZero, um algoritmo de aprendizado de máquina que tinha dominado o xadrez e o jogo asiático Go. O algoritmo começou sem ter nenhum conhecimento desses jogos além de suas regras elementares de funcionamento. Então, a inteligência artificial disputou milhões de partidas contra si mesma, aprendendo com os próprios erros. Em questão de horas, o algoritmo se tornou o melhor jogador de Go jamais visto no mundo. Os feitos foram agora verificados por pares e publicados em dezembro.
Em 1997, o programa Deep Blue, da IBM, venceu o grande campeão mundial de xadrez da época, Garry Kasparov, numa série de seis partidas. O Deep Blue era capaz de avaliar 200 milhões de posições por segundo. Assim, sua capacidade de computação era superior à de Kasparov, mas sua capacidade de raciocínio, não. No primeiro jogo da série, o Deep Blue aceitou rapidamente uma torre sacrificada por Kasparov em troca de um bispo, mas foi derrotado 16 jogadas adiante. A geração atual de programas de xadrez ainda segue um estilo não humano. São "mecanismos" de xadrez sem nenhum entendimento real do jogo.
Mas o AlphaZero descobriu sozinho os princípios do xadrez. Logo esmagou o Stockfish, até então o grande campeão entre os programas de xadrez. Numa série de 100 partidas, o AlphaZero obteve 28 vitórias, com 72 empates. O algoritmo parece manifestar momentos de inspiração, com jogadas intuitivas e até belas. O AlphaZero sabe correr riscos e fazer apostas. Foi a primeira vez que a humanidade viu um novo e incrível tipo de inteligência. A questão agora é se o aprendizado de máquina será capaz de responder os grandes problemas científicos ainda sem solução.
Em agosto, dois artigos publicados na Nature Medicine exploraram as aplicações do aprendizado de máquina para a medicina diagnóstica. Um deles tratava de um algoritmo que avalia se a tomografia computadorizada de um paciente da sala de emergência revela indícios de um derrame ou outros eventos neurológicos críticos. Para as vítimas de derrames, cada segundo é importante; a demora no tratamento pode ter consequências graves. O novo algoritmo identificou esses casos com precisão comparável à dos especialistas humanos - com rapidez 150 vezes superior.
O frustrante a respeito do aprendizado de máquina é que não sabemos por que os algoritmos funcionam e, assim, não sabemos se podemos confiar neles. O AlphaZero dá vários sinais de ter descoberto princípios importantes do xadrez, mas é incapaz de compartilhá-los. Imagine um dia em que o AlphaZero tenha evoluído para um algoritmo mais geral de solução de problemas; uma espécie de AlphaInfinity.
Digamos que seja possível identificar padrões mais profundos - no funcionamento dos genes, ou no avanço do câncer; nas respostas coordenadas do sistema imunológico, ou na dança das partículas subatômicas. Se o AlphaInfinity fosse capaz de identificá-los e compreendê-los, ele funcionaria para nós como um oráculo. Não saberíamos dizer por que o oráculo estaria sempre correto, mas poderíamos verificar suas previsões e cálculos com experimentos e observações, confirmando suas revelações.
Na ciência, uma aventura tipicamente humana, nosso papel seria reduzido ao de espectadores boquiabertos, maravilhados e confusos. Talvez nossa falta de inspiração acabasse por deixar de nos incomodar. Afinal, o AlphaInfinity seria capaz de resolver todos os nossos problemas científicos. Conseguimos sobreviver bastante bem na ausência desse tipo de inteligência em nossos 300 mil anos de existência como Homo sapiens. E não nos faltará memória: lembraremos com orgulho a era da inspiração humana, aquele glorioso interlúdio de alguns milhares de anos entre um passado sem compreensão e um futuro incompreensível.
Steven Strogatz é professor de matemática na Universidade Cornell, em Ithaca, Nova York, e autor de “Infinite Powers: How Calculus Reveals the Secrets of the Universe” (ainda não lançado), a partir do qual este ensaio foi adaptado.