IA para todos: sistemas superinteligentes que recompensam criadores de dados

Este post faz parte do CoinDesk's 2019 Year in Review, uma coleção de 100 artigos de opinião, entrevistas e opiniões sobre o estado do blockchain e do mundo. Ben Goertzel é fundador e CEO da SingularityNET, um projeto de mercado de IA baseado em blockchain.

À medida que a IA rapidamente permeia todos os setores da economia, há poucas questões mais urgentes do que quem possui, controla e orienta os dados usados para treinar sistemas de IA, e os modelos e conclusões que a IA aprende com esses dados.

No momento, a resposta tende a ser as grandes corporações. Dados sobre nossos pensamentos, preferências, medos e desejos, conforme revelados em nossos e-mails, mensagens, fotos e documentos, são armazenados em repositórios corporativos e usados para criar anúncios personalizados que impulsionam nossos comportamentos de compra. Dados sobre nossos corpos e nossos genomas são armazenados em bancos de dados de empresas farmacêuticas e usados para P&D proprietárias, sem nosso consentimento explícito e sem que recebamos nenhuma recompensa pelas terapias descobertas. Essas grandes corporações, é claro, estão operando em estreita coordenação com agências de vigilância do governo, às vezes para proteger a população civil e às vezes de forma mais nefasta.

À medida que a IA se torna mais e mais inteligente, a questão de quem a possui e controla se tornará ainda mais aguda. É uma sorte, portanto, que existam tecnologias para permitir o rastreamento e controle cuidadosos do uso de dados pessoais, modelos e conclusões pela IA, e habilidades aprendidas com base nos dados das pessoas. Esta pode ser, no final, a aplicação mais crítica da Tecnologia blockchain e métodos associados, como criptografia homomórfica e computação multipartidária, que permitem que o processamento sofisticado de dados de IA ocorra, respeitando ainda a Política de Privacidade dos dados.

À medida que a IA se torna cada vez mais inteligente, a questão de quem a possui e controla se tornará ainda mais aguda.

Durante os últimos dois anos, a importância de combinar IA e blockchain se tornou quase comum em conferências, workshops e startups. Ainda não há uma rede de IA descentralizada com ampla adoção comercial, mas o conceito se tornou amplamente aceito. Até o final de 2020, parece provável que haja casos de uso interessantes envolvendo empresas grandes e pequenas obtendo seus serviços de IA de chamadas de API em uma rede descentralizada baseada em blockchain em vez de por meio de um serviço de IA centralizado.

No mesmo período, os sistemas de IA têm aumentado seu poder em um grau notável, com mais aplicações comerciais de alto nível em vários Mercados verticais, juntamente com o progresso da pesquisa fundamental dando o salto de sistemas de "IA restrita" específicos para aplicações em direção aos sistemas de IA de propósito mais geral há muito previstos por autores de ficção científica e especialistas futuristas.

Não muito tempo atrás, a Inteligência Artificial Geral (AGI) era um assunto de discussão apenas em certos círculos de pesquisa rarefeitos. Mas desde que o investimento de US$ 1 bilhão da Microsoft emIA aberta, agora ONE ouve o termo da boca de líderes nacionais e corporativos. Agora é amplamente compreendido que a IA precisa ir além de imitar seus conjuntos de dados de treinamento e atingir a capacidade de lidar com novos domínios que seus programadores e instrutores não previram. Embora os sistemas AGI de nível humano permaneçam para o futuro, estamos tomando medidas nessa direção com sistemas de IA que podem realizar inferência causal (identificando as causas raiz subjacentes a Eventos complexos como quedas do mercado de ações ou surtos de doenças) e fazer raciocínio por analogia (usando conhecimento sobre, digamos, doenças de camundongos para ajudar a entender doenças Human , ou conhecimento sobre chinês para nos ajudar a entender inglês).

A fusão de AGI e IA descentralizada, no entanto, ainda não atingiu o radar público de forma significativa. Em 2020, provavelmente veremos os primeiros passos concretos nessa direção. Isso despertará a atenção pública para o potencial de estruturas descentralizadas para trabalhar em direção à IA com capacidade para imaginação profunda, generalização e aprendizado criativo.

Formas práticas

Agentes orientados a AGI em uma meta-rede de IA descentralizada (envolvendo múltiplas redes de IA descentralizadas interoperantes: digamos SingularityNET, OCEAN, Fetch.ai, Shivom e dezenas de outras, todas trabalhando juntas) serão capazes de fornecer serviços de abstração e generalização para agentes de IA orientados a aplicações em execução nesta mesma meta-rede.

Suponha que um agente de IA orientado para a tecnologia da saúde precise fazer uma hipótese sobre quais dos cerca de 25.000 genes Human estão envolvidos em causar câncer de próstata. Mas suponha que ele tenha apenas dados de DNA de algumas centenas de pessoas — não o suficiente para permitir que ele tire conclusões sólidas sobre tantos genes diferentes. Sem uma estrutura que permita que esse agente de IA consulte outros agentes de IA para obter ajuda, a IA provavelmente desistiria. Mas em um contexto como o SingularityNET, onde as IAs podem consultar outras IAs para obter assistência, pode haver rotas sutis para o sucesso. Se houver outros conjuntos de dados sobre distúrbios semelhantes ao câncer de próstata em organismos modelo, como camundongos, podemos ver progresso na compreensão de quais genes estão envolvidos no câncer de próstata, por meio da combinação de vários agentes de IA, com diferentes capacidades cooperando entre si.

Suponha que a IA #1 – vamos chamá-la de Mestre da Analogia – tenha um talento para raciocínio por analogia. Esse é o tipo de raciocínio que mapeia conhecimento sobre uma situação em um tipo diferente de situação – por exemplo, usando conhecimento sobre guerra para derivar conclusões sobre negócios. O Mestre da Analogia pode ser capaz de usar dados genéticos sobre camundongos com condições semelhantes ao câncer de próstata para tirar conclusões indiretas sobre o câncer de próstata Human .

Veremos trabalho em direção a formas mais gerais de IA que sejam de propriedade e orientadas por indivíduos

Então suponha que a IA #2 – vamos chamá-la de Conector de Dados – seja boa em encontrar conjuntos de dados biológicos e médicos relevantes para um determinado problema e preparar esses conjuntos de dados para análise de IA. E então suponha que a IA #3 – vamos chamá-la de Analista de Doenças – seja especialista em usar aprendizado de máquina para entender as causas raízes de doenças Human .

O Analista de Doenças, quando é encarregado do problema de encontrar genes Human relacionados ao câncer de próstata, pode então decidir que precisa de algum pensamento lateral para ajudá-lo a dar um salto conceitual e resolver o problema. Ele pede ajuda ao Mestre de Analogia, ou a muitas IAs diferentes.

O Analogy Master pode não saber nada sobre biologia do câncer, embora seja bom em dar saltos conceituais usando raciocínio por analogia. Então, para ajudar o Disease Analyst com seu problema, ele pode precisar preencher sua base de conhecimento com alguns dados relevantes, por exemplo, sobre câncer em camundongos. O Data Connector então vem ao resgate, alimentando o Analogy Master com os dados sobre câncer em camundongos que ele precisa para conduzir seu brainstorming criativo, apoiando o Disease Analyst a resolver seu problema.

Toda essa cooperação entre agentes de IA pode acontecer nos bastidores da perspectiva do usuário. O laboratório de pesquisa que pede ajuda ao Analista de Doenças com a análise genética do câncer de próstata nunca precisa saber que o Analista de Doenças fez seu trabalho pedindo ajuda ao Analogy Master e ao Data Connector. Além disso, o Analogy Master e o Data Connector T precisam necessariamente ver os dados proprietários do Analista de Doenças, porque usando computação multipartidária ou criptografia homomórfica, a análise de IA pode ocorrer em uma versão criptografada de um conjunto de dados sem violar a Política de Privacidade dos dados (neste caso, a Política de Privacidade do paciente).

Com os avanços na Tecnologia de IA e TI baseada em nuvem, esse tipo de cooperação entre várias IAs está apenas agora se tornando viável. Claro, essa cooperação pode acontecer de uma maneira controlada por grandes corporações por trás de firewalls. Mas o mais interessante é como naturalmente esse paradigma para alcançar uma IA cada vez mais poderosa e geral pode se alinhar com modalidades descentralizadas de controle.

E se os três agentes de IA neste cenário de exemplo forem de propriedade de partes diferentes? E se os dados sobre câncer de próstata Human utilizados pelo Analista de Doenças forem de propriedade e controlados pelos indivíduos com câncer de próstata, dos quais os dados foram coletados? Não é assim que o establishment médico funciona agora. Mas pelo menos podemos dizer, em um nível tecnológico, que não há razão para que a Confira médica orientada por IA precise ser monolítica e centralizada. Uma abordagem descentralizada, na qual a inteligência é obtida por meio de vários agentes com vários proprietários agindo em dados criptografados com segurança, é tecnologicamente viável agora, combinando IA moderna com infraestrutura de blockchain.

A centralização da análise de dados e da tomada de decisões de IA, na medicina como em outras áreas, é predominante neste momento devido a razões políticas e estruturais da indústria e à inércia, e não porque seja a única maneira de fazer a tecnologia funcionar.

Nesse caso, a IA original voltada para a tecnologia da saúde, encarregada de entender as causas genéticas do câncer, faria bem em se conectar nos bastidores com essa IA de raciocínio por analogia e com um fornecedor de dados relevantes do organismo modelo para fornecer ao raciocinador por analogia, a fim de obter sua ajuda na resolução de sua tarefa.

Na rede de Inteligência Artificial Geral do futuro NEAR , a inteligência existirá em dois níveis diferentes – os agentes individuais de IA e a atividade coerente e coordenada da rede de agentes de IA (a combinação de três agentes de IA no exemplo acima; e combinações de números maiores de agentes de IA mais diversos em casos mais complexos). A capacidade de generalizar e abstrair também existirá, até certo ponto, em ambos os níveis. Ela existirá em agentes individuais de IA como o Analogy Master no exemplo acima, que são orientados para a inteligência geral em vez de para resolver problemas altamente especializados. Ela existirá na rede geral, incluindo uma combinação de agentes de IA orientados para generalização como o Analogy Master e agentes de IA de propósito especial como o Disease Analyst e agentes de IA “conectores” como o Data Connector acima.

A implementação escalável e a ampla adoção de redes de IA descentralizadas ainda estão NEAR do começo, e há muitas sutilezas a serem encontradas e resolvidas nos próximos anos. Afinal, o que a comunidade de IA descentralizada precisa para atingir seus objetivos de médio prazo é mais fundamentalmente complexo do que os sistemas de TI que Google, Facebook, Amazon, IBM, Tencent ou Baidu criaram. Esses sistemas são o resultado de décadas de trabalho de engenharia por dezenas de milhares de engenheiros brilhantes.

A comunidade de IA descentralizada não vai contratar mais engenheiros do que essas empresas têm. Mas então, a Linux Foundation nunca contratou tantos engenheiros quanto a Microsoft ou a Apple, e agora tem o sistema operacional nº 1 subjacente tanto à internet do lado do servidor quanto aos ecossistemas móveis e de IoT. Se a tentativa do mundo blockchain-IA de catalisar o surgimento da inteligência geral por meio da atividade cooperativa de vários agentes de IA com vários níveis de abstração for bem-sucedida, terá que ser por meio da atividade da comunidade. Essa atividade da comunidade precisará ser auto-organizada em grande parte. Mas os modelos tokenômicos subjacentes a muitos projetos de IA descentralizada são precisamente configurados para encorajar essa auto-organização, por meio do fornecimento de incentivos simbólicos aos agentes de IA que servem para estimular e guiar a inteligência da rede geral, bem como trabalhar em direção a seus objetivos individuais.

Grandes corporações centralizadas trazem recursos tremendos para a mesa. No entanto, para muitas aplicações – incluindo medicina e publicidade – não são as corporações, mas os indivíduos, que trazem os dados para a mesa. E as IAs precisam de dados para Aprenda. À medida que surgem aplicações de IA baseadas em blockchain, as grandes corporações podem ter seu poder único sendo retirado delas.

Você preferiria possuir uma parte das terapias médicas descobertas usando seus registros médicos e dados genômicos? Você preferiria saber exatamente como o conteúdo de suas mensagens e seus padrões de navegação na web estão sendo usados para decidir quais produtos recomendar a você? Eu também.

2020 será o ano em que essa visão começará a ganhar força por trás dela. Veremos o início da adoção real de usuários para plataformas que unem blockchain e IA. Veremos trabalho em direção a formas mais gerais de IA que são de propriedade e guiadas pelos indivíduos que alimentam a IA com os dados de que precisam para Aprenda e crescer.