![\"\"](\"http:\/\/tarciziosilva.com.br\/blog\/wp-content\/uploads\/2018\/09\/desinteligencia-artificial-580x305.png\")
<\/p>\n<\/p>\n
Quem acompanhou o caso\u00a0dos 12 garotos presos na caverna Tham Luang Nang Non, na Tail\u00e2ndia, possivelmente acompanhou a iniciativa do bilion\u00e1rio Elon Musk em criar um submarino para resgate. Ignorando os esfor\u00e7os locais de profissionais da Tail\u00e2ndia e outros pa\u00edses empenhados no resgate, o rosto p\u00fablico das empresas Tesla, Boring Company e SpaceX, Musk chegou a agredir verbalmente e difamar<\/a> um jornalista que criticou a iniciativa do empres\u00e1rio como apenas uma iniciativa f\u00fatil de RP. E realmente era. Os 12 garotos foram resgatados por her\u00f3is incans\u00e1veis e especialistas em suas \u00e1reas, atividades e na regi\u00e3o da caverna. Como disse o coordenador do centro de comando do resgate<\/a>, Narongsak Osatanakorn, “Apesar de sua tecnologia ser boa \u00e9 sofisticada, n\u00e3o \u00e9 pr\u00e1tica para esta miss\u00e3o”.<\/p>\n Essa postura delirante e egoica de tentar consertar o que n\u00e3o est\u00e1 quebrado com mais tecnologia, ignorando esfor\u00e7os, especialistas e din\u00e2micas anteriores, j\u00e1 p\u00f4de ser vista recentemente em figuras similares como Steve Jobs e Mark Zuckerberg. Entretanto, o hist\u00f3rico da computa\u00e7\u00e3o e intelig\u00eancia\u00a0traz casos similares ao de Musk aos borbot\u00f5es. Um particularmente aned\u00f3tico \u00e9 uma conversa atribu\u00edda a\u00a0Marvin Minsky, um dos grandes nomes da \u00e1rea, que fundou o laborat\u00f3rio de intelig\u00eancia artificial do MIT e ensinou centenas de cientistas e professores que desenvolveram a \u00e1rea. Stephen Wolfram conta que, no in\u00edcio dos anos 1980, em visita a Minsky na casa de sua filha, que tinha uma cole\u00e7\u00e3o de plantas, Wolfram percebeu que algumas delas estavam com pragas de insetos. A partir da\u00ed seguiu-se uma longa discuss\u00e3o sobre desenvolvimento de micro-rob\u00f4s que poderiam eliminar os insetos.\u00a0Por\u00e9m, ao perguntar o que fazer com as plantas, Minsky responde: “Ah, acho melhor voc\u00ea falar com minha esposa”.<\/p>\n Em compara\u00e7\u00e3o a outros livros sobre vi\u00e9s algor\u00edtmicos e problemas na intelig\u00eancia artificial que recomendei no blog,\u00a0Artificial (Un)Intelligence<\/strong> possui uma vantagem muito interessante:\u00a0em v\u00e1rios cap\u00edtulos Broussard faz uma esp\u00e9cie de tour guiado por conceitos b\u00e1sicos da programa\u00e7\u00e3o, de modo a levar at\u00e9 o leitor mais leigo a compreender como\u00a0funciona parte do\u00a0trabalho de constru\u00e7\u00e3o de c\u00f3digos e decis\u00f5es imbricadas que depois se invisibilizam nas caixas pretas dos dispositivos. \u00c9 o que acontece no cap\u00edtulo 02, chamado “Hello World” – saber como imprimir\/visualizar estas duas palavras est\u00e3o entre os primeiros passos de mais que 9 entre 10 cursos de novas linguagens. A partir da tarefa do t\u00edtulo, a autora apresenta alguns passos simples para a cria\u00e7\u00e3o de um algoritmo condicional simples.<\/p>\n Por\u00e9m, n\u00e3o se trata efetivamente de ensinar a leitora ou leitor a come\u00e7ar a programar. Mas sim levar quem l\u00ea a entender, na pr\u00e1tica, que os c\u00f3digos s\u00e3o socialmente constru\u00eddos.<\/p>\n Although the data may be generated in different ways, there\u2019s one thing all the preceding examples have in common: all of the data is generated by people. This is true Although the data may be generated in different ways, there\u2019s one thing all the preceding examples of all data. Ultimately, data always comes down to people counting things. If we don\u2019t think too hard about it, we might imagine that data springs into the world fully formed from the head of Zeus. We assume that because there is data, the data must be true. Note the first principle of this book: data is socially constructed. Please let go of any notion that data is made by anything except people.<\/p><\/blockquote>\n Na primeira parte do livro, ao longo dos outros cap\u00edtulos “Hello, reader”, “Hello AI” e “Hello, data journalism”, Broussard apresenta uma excelente introdu\u00e7\u00e3o aos conceitos de intelig\u00eancia artificial, jornalismo de dados e o papel destes nas democracias. Enfatiza bem a diferen\u00e7a entre “intelig\u00eancia artificial geral” e “intelig\u00eancia artificial estrita” para dissipar percep\u00e7\u00f5es erradas, criadas em parte pela fic\u00e7\u00e3o, sobre agentes artificiais que tomariam o mundo,\u00a0de Skynet \u00e0 Samantha de Her. N\u00e3o \u00e9 este o problema quanto \u00e0 intelig\u00eancia artificial e uso pervasivo de dados sociais, mas sim a sua interface com aumento de desigualdade, concentra\u00e7\u00e3o de poder e piora das rela\u00e7\u00f5es internacionais.<\/p>\n Apesar disso, existe uma ades\u00e3o volunt\u00e1ria \u00e0 ideia de que mais computadores, big data e intelig\u00eancia artificial \u00e9 algo necessariamente bom e remediador. \u00c9 o “tecnochauvinismo” que, de modo resumido, seria a cren\u00e7a de que mais “tecnologia” \u00e9 sempre a solu\u00e7\u00e3o. Tecnochauvinismo \u00e9 frequentemente acompanhado por meritocracia neoliberal, defesa distorcida da “liberdade de express\u00e3o” para manter discurso de \u00f3dio; da ideia de que computadores seria objetivos e uma f\u00e9 de que o mundo com mais computadores resolveriam problemas sociais.”Para descrever casos reais e combater o tecnochauvinismo, Broussard se debru\u00e7a na parte dois em cinco cap\u00edtulos sobre quest\u00f5es e problemas muito reais sobre computadores e intelig\u00eancia artificial: testes padronizados no sistema de ensino; ra\u00edzes de desigualdade de g\u00eanero e ra\u00e7a na academia e mercado que produzem as tecnologias e sistemas de AI; corrida por legaliza\u00e7\u00e3o de carros aut\u00f4nomos; e os malef\u00edcios de equalizar popularidade com qualidade nas plataformas de comunica\u00e7\u00e3o como Google e Facebook. Tamb\u00e9m faz parte da segunda parte do livro um cap\u00edtulo sobre\u00a0 aprendizado de m\u00e1quina (machine learning). Broussard ataca a frequente confus\u00e3o quanto a este termo, que leva leigos a acreditar que os sistemas aprendem “sozinhos”, ao inv\u00e9s de serem ensinados a partir de bases de dados criadas por seres humanos.<\/p>\n No atual momento, no qual intelig\u00eancia artificial \u00e9 uma “buzzword”, ou palavra da moda no marketing, esta cren\u00e7a \u00e9 perigosa. Para explicar as diferen\u00e7as entre os tipos de aprendizado de m\u00e1quina, assim como apresentar passos e decis\u00f5es comuns que os desenvolvedores deveriam enfrentar de forma respons\u00e1vel, Broussard volta \u00e0s linhas de c\u00f3digo. No cap\u00edtulo “Machine Learning: the DL on ML<\/em>“, Broussard explora junto conosco um dataset com informa\u00e7\u00f5es sobre as pessoas que morreram no naufr\u00e1gio do Titanic. Passando por vari\u00e1veis como g\u00eanero, classe, idade e tipo de cabine a autora explica como a constru\u00e7\u00e3o de um sistema preditivo requer muitas decis\u00f5es dif\u00edceis quando est\u00e1 ligado a vidas humanas. E est\u00e1 longe de ser apenas um recurso pedag\u00f3gico: decis\u00f5es similares s\u00e3o feitas em sistemas de policiamento, planos de sa\u00fade, cr\u00e9dito financeiro e afins.<\/p>\n A terceira parte do livro traz dois casos mais particulares da autora. O primeiro cap\u00edtulo desta parte \u00e9 um relato de participa\u00e7\u00e3o da autora\u00a0 em um evento de um hackaton para cria\u00e7\u00e3o de startups chamado Startup Bus. Broussard usa o relato da experi\u00eancia e constru\u00e7\u00e3o de um pitch de startup para discorrer sobre o ethos das startups e como seus afiliados deixam de lado com frequ\u00eancia – seja por ignor\u00e2ncia, seja por m\u00e1 f\u00e9 – muitas reflex\u00f5es e responsabilidades \u00e9ticas e morais em prol de constru\u00e7\u00e3o de poss\u00edveis sucessos comerciais. O segundo descreve a constru\u00e7\u00e3o do sistema\u00a0Bailiwick Campaign Finance<\/em>. Broussard construiu este website para oferecer “hist\u00f3rias automatizadas” sobre financiamento de campanha: ao cruzar dados de pol\u00edticos e financiadores, tem como objetivo ajudar jornalistas a encontrar poss\u00edveis temas para investiga\u00e7\u00e3o. Veja abaixo:<\/p>\n![\"\"](\"http:\/\/tarciziosilva.com.br\/blog\/wp-content\/uploads\/2018\/09\/artificial-unintelligence-202x300.jpg\")
<\/a>Este caso, inclu\u00eddo no livro, \u00e9 um dos melhores exemplos da import\u00e2ncia\u00a0da publica\u00e7\u00e3o de trabalhos como\u00a0Artificial (Un)Intelligence: how computer misunderstand the world<\/strong><\/a>, de Meredith Broussard. Foi lan\u00e7ado em abril deste ano e re\u00fane estudos e aprendizados da autora como jornalista, programadora e pesquisadora.\u00a0\u00a0Meredith Broussard \u00e9 professora do Arthur L. Carter Journalism Institute da NYU e pesquisadorea no Moore-Sleam Data Science Environmnent. Neste livro, apresenta 12 cap\u00edtulos divididos em tr\u00eas partes chamadas “Como computadores funcionam”, “Quando computadores n\u00e3o funcionam” e “Trabalhando juntos”.<\/p>\n![\"\"](\"http:\/\/tarciziosilva.com.br\/blog\/wp-content\/uploads\/2018\/09\/exemplo_machine_learning_artificial_unintelligence-580x338.png\")
<\/p>\n
![\"\"](\"http:\/\/tarciziosilva.com.br\/blog\/wp-content\/uploads\/2018\/09\/bailiwick-580x298.png\")
<\/a><\/p>\n