Uma Breve Racionalização sobre Modelos de Aprendizado Humano

Depois de algumas postagens de caráter mais crítico, algumas das quais com cunho político, resolvi dar um tempo e escrever algo mais prazeroso e técnico. Foi quando, naturalmente, comecei a pensar em modelos de aprendizado de máquina, obviamente ligados aos meus estudos em cima de agentes inteligentes sociais.

Não sei se você sabe, mas atualmente a minha principal área de pesquisa é aplicações de inteligência artificial (simbólica) em modelos de agentes cognitivos para simulações sociais. Existem muitos tipos de sociedades, mas quando falamos em simulações sociais, estamos falando principalmente de simulação de comportamentos sociais humanos. Então, a coisa começa a ficar complexa quando começamos a querer comportamentos mais realísticos nas simulações. Simular seres humanos em seus aspectos sociais e psicológicos não é trivial…

Como ainda não existe uma TGIA, nossos esforços ainda estão focados em aspectos muito primários do comportamento humano. Por exemplo, considero questionável o consenso de que o aprendizado de seres humanos é supervisionado. Imagine um mapa auto-organizável (uma rede de Kohonen) que, com o tempo e exposição contínua a estímulos exteriores, “aprende um novo modelo de aprendizado”. Parece estranho, mas é quase isso o que acontece conosco.

Nosso aprendizado é sobretudo não-supervisionado; ou seja, tudo que temos à nossa disposição são estímulos externos que alimentam nossa rede neural, sem nenhum caráter simbólico do tipo “isto é certo” ou “isto é errado”. Portanto, os conceitos de aprendizado certo e errado emergem em nossa mente!

Minha opinião é que o aprendizado humano é por reforço. Os pesquisadores em IA e IC (inteligência computacional) costumam diferenciar aprendizado supervisionado, aprendizado não-supervisionado e aprendizado por reforço. Minha ideia é que todos esses modelos podem ser aspectos de um único modelo de aprendizado, e seu caráter simbólico/subsimbólico é questionável.

Minha síntese é a seguinte: tudo é aprendizado por reforço; o aprendizado supervisionado é um aprendizado por reforço simbólico; o aprendizado não-supervisionado é por reforço subsimbólico. Tudo bem, quando falamos de aspectos simbólicos e sub-simbólicos em IA/IC normalmente estamos a falar das estruturas para representar o conhecimento, mas creio que essa classificação também possa se estender para a fase de aprendizado dessas estruturas de representação. Afinal de contas, é uma fase extremamente importante, senão a de mais importância.

Tanto no aprendizado supervisionado, quanto no não-supervisionado, as entradas (ou exemplos) podem ser consideradas estímulos de reforço positivo/negativo para a estrutura. Esse é portanto um processo de aprendizado por reforço. O aprendizado supervisionado é simbólico porque a estrutura “sabe” desde o princípio como se atualizar diante de um exemplo “certo” ou “errado”. Em outras palavras, a estrutura sabe processar símbolos que denunciam a corretude do aprendizado. E o não-supervisionado é subsimbólico porque seu mecanismo de atualização é absolutamente de caráter local e “inocente” em relação à corretude da entrada.

Pois bem, quando dizemos que as crianças são inocentes, estamos querendo dizer que elas não sabem ainda diferenciar completamente (a depender da idade e inteligência desenvolvida) o “certo” do “errado”. Ou seja, há muito de aprendizado não-supervisionado rolando na cabeça delas, até o momento em que elas perceberão – com a experiência da idade – que criar um modelo do que é “certo” ou “errado” para aprender de forma supervisionada é mais vantajoso.

Meu ponto em relação aos seres humanos e, creio eu, toda criatura ou estrutura (artificial ou não) inteligente é que, no fim das contas, o aprendizado subjacente é completamente baseado em reforço e não-supervisionado. A ideia de supervisão é criada em cima da estrutura subsimbólica não-supervisionada.

Meu filho, Miguel Ângelo, tem quase 7 meses de vida (na verdade mais de 1 ano se considerarmos o tempo de feto) e garanto a você que ele ainda não aprende de forma supervisionada, embora esteja aprendendo de forma não-supervisionada que a supervisão dos pais é, algumas vezes, útil.

Não deve ser fácil, portanto, para um professor de crianças recém-chegadas na escola, ensiná-las a aprender com ele, e criar uma ponte com a utilidade desses aprendizado frente aos desafios da vida. Mesmo que essas crianças de 3 anos em média já aprendam de forma supervisionada com os pais em muitos aspectos, esse modelo de aprendizado deve estar anda  incompleto.

No mais alto nível de seu raciocínio, que emerge da realidade conexionista subsimbólica neural, o homem manifesta isso que chamamos de lógica, desempenhando basicamente três tipos de inferência: (i) dedução; (ii) indução; e (iii) abdução. Como são assuntos importantes para a compressão do comportamento humano, incluindo o social, resolvi fazer um apanhado geral sobre esses modelos de raciocínio. Serão objetos da próxima postagem… até lá!

Anúncios

3 comentários

  1. Bastante técnico. Eis o Marcelo cientista.
    rapaz, isso é conteúdo para uma cadeira toda de mestrado, né? Aí você pegou pesado com os leitores do blog, rsrsrs. Vou ler umas 5 vezes pra ve se aprendo algo, rs.
    Abraço, frater!

    Curtir

    • A intenção não foi mostrar como é complexo, mas justamento o contrário. Ainda mais que, inteligente do jeito que você é, Fernando, entendeu tudo. Não acho que preencha uma disciplina de pós, mas certamente é reflexão útil ao longo de uma disciplina de inteligência artificial (ou inteligência computacional). Abraço!

      Curtir

Deixe um comentário

Preencha os seus dados abaixo ou clique em um ícone para log in:

Logotipo do WordPress.com

Você está comentando utilizando sua conta WordPress.com. Sair /  Alterar )

Foto do Google+

Você está comentando utilizando sua conta Google+. Sair /  Alterar )

Imagem do Twitter

Você está comentando utilizando sua conta Twitter. Sair /  Alterar )

Foto do Facebook

Você está comentando utilizando sua conta Facebook. Sair /  Alterar )

w

Conectando a %s