Se você tivesse estudado algo diferente daquilo em que você se formou na juventude, você estaria onde está agora? Humanos são capazes de refletir sobre questões hipotéticas como essa, mas o mesmo não acontece com máquinas. Uma nova ramificação da inteligência artificial (IA), no entanto, está tentando acrescentar esse tipo de habilidade a sistemas de IA - e o brasileiro Elias Bareinboim, professor da Universidade Columbia (EUA), é um dos seus maiores expoentes.
Há 15 anos nos Estados Unidos, o carioca formado na Universidade Federal do Rio de Janeiro (UFRJ) lidera pesquisas em inteligência artificial causal (ou causal AI, em inglês), um campo relativamente novo dentro da área, que busca acrescentar a sistemas de IA a capacidade de entender as relações de causa e efeito nas mais diversas áreas, o que pode permitir avanços em áreas que vão desde a medicina à economia.
“Até aqui, boa parte dos sistemas de IA, como os usados no mercado financeiro, são baseados em correlação. Ou seja, dado um grande volume de dados, a máquina consegue fazer previsões mais precisas a partir das associações dessas informações. Mas existe toda uma classe de problemas da interação humana com a natureza que vão além, e que exigem conhecimento de causa e efeito”, explica ele ao Estadão.
Serviços como o ChatGPT funcionam a partir de correlações. Ao analisar bilhões de textos, eles conseguem prever a próxima palavra. No entanto, é um modelo que não funciona em outras áreas, que exigem tomada de decisão e raciocínio hipotético. “Se um governo planeja saber o impacto no PIB a partir do corte de juros, é preciso que a IA entenda causa e efeito. Um sistema que só leva em conta correlações pode fazer associações erradas”, diz Bareinboim.
Segundo ele, as IAs que fazem correlações observam os dados, enquanto sistemas de IA causal analisam os mecanismos que geram esses dados. É um tema altamente complexo, que, em 2011, rendeu o Prêmio Turing, o “Nobel da Computação”, a Judea Pearl, professor da Universidade da Califórnia em Los Angeles e orientador do brasileiro durante o doutorado na mesma instituição entre 2008 e 2014.
Em um estudo de agosto do ano passado, a consultoria Gartner apontou a IA causal como uma das mais importantes tecnologias emergentes nos próximos dois a cinco anos. Embora soe como uma conversa filosófica, a área tenta construir modelos matemáticos ultra-avançados para medir causa e efeito - uma implementação que nem sempre é simples, admite Bareinboim. Além de trabalhar com hipóteses, modelos de IA causal podem permitir intervenções em diferentes situações.
Entre as áreas que a tecnologia pode ser aplicada estão saúde (“Qual o efeito de determinada molécula em um medicamento?”), indústria (“Qual é o ciclo de produtividade de uma fábrica dada determinada mudança nos processos?”), mercado financeiro (“Devo rejeitar crédito baseado nesse comportamento?”) e varejo (“O que faz clientes abandonarem o meu produto?”). Em áreas que tentam entender o comportamento humano, a IA causal encontra terreno fértil - gigantes da tecnologia como Spotify, Meta, Amazon e TikTok têm áreas dedicadas ao assunto.
Ainda há longo caminho para área, que segue sendo desbravada pelo brasileiro. Além de desenvolver modelos no departamento que lidera em Columbia, Bareinboim escreve um livro que tenta avançar e disseminar a teoria já proposta por Pearl. “Estamos no começo dessa história, como foi a descoberta do DNA. Meu sonho é que cada universidade de ponta tenha um departamento de IA causal”, diz ele.
Os comentários são exclusivos para assinantes do Estadão.
