What Computers Can’t Do (Hubert Dreyfus)

Hubert Dreyfus’ “What computers Can’t Do” fará 50 anos em 2022. Apesar de ter sido lançado há meio século, ele ainda é pertinente quando se trata do gap entre a cognição humana e a inteligência artificial. Eu gosto da crítica de Dreyfus à razão artificial principalmente porque ele estava realmente preocupado com a inteligência humana, não tanto com a inteligência das máquinas. O livro (que teve uma segunda edição, ampliada, em 1992) é muito pertinente para aqueles interessados em compreender alguns dos desafios mais importantes enfrentados pela IA – e que ainda não foram superados. Talvez não sejam.

Inspirado por fenomenólogos como Heidegger e Merleau-Ponty, Dreyfus (que infelizmente morreu em 2017 aos 87 anos) defendeu que a inteligência humana está muito além da computação e da representação. Ele sugeriu que somos “skillful copers”, isto é, agentes corporificados altamente habilidosos capazes de lidar com as incertezas e instabilidades do mundo de uma forma altamente refinada, ancorada no corpo e nas emoções. Por estar acoplado ao meio ambiente, este being-in-the-world é mais direto e menos dependente de mediadores (representações).

Eu também encorajo os leitores a assistir algumas das grandes entrevistas e palestras da Dreyfus disponíveis on-line.

Hubert Dreyfus’ “What computers Can’t Do” will be 50 years old in 2022. Despite having been released half a century ago, it is still pertaining when it comes to the gap between human cognition and artificial intelligence. I like Dreyfus’ critique to artificial reason mostly because he was actually concerned with human intelligence, not so much machines’ intelligence. The book (that got a second edition, amplified, in 1992) is compelling for those interested in comprehending some of the most important challenges faced by AI – and that have not yet been overcome. Maybe they won’t be.

Inspired by phenomenologists like Heidegger and Merleau-Ponty, Dreyfus (who unfortunately died in 2017 at 87) advocated that human intelligence is far beyond computation and representation. He suggested that we are “skillful copers”, i.e., highly skilled embodied agents capable of dealing with the world’s uncertainties and unsteadiness in a remarkably fine-grained way, anchored in the body and in the emotions. Because it is coupled to the environment, this being-in-the-world is more direct and less dependent on mediators (representations).

I also encourage readers to watch some of Dreyfus’ great interviews and talks available online.

Hubert Dreyfus on Embodiment (II-II)
Conversations with History: Hubert Dreyfus
Hubert Dreyfus Interview – AI, Heidegger, Meaning in the Modern World

4º CONGRESSO INTERNACIONAL DA SOCIEDADE PORTUGUESA DE FILOSOFIA

Nesta sexta dia 10 vou apresentar ideias relacionadas a minha pesquisa no 4º CONGRESSO INTERNACIONAL DA SOCIEDADE PORTUGUESA DE FILOSOFIA, promovido pela Universidade do Minho. O evento começa na 5a feira, dia 9. O programa completo está neste link.

Notas sobre filosofia e ciência (2): o estudo da experiência a partir da primeira pessoa

Este post foi escrito a partir do artigo An Introduction to the Enactive Scientific Study of Experience (Moguillansky, Demsar & Riegler, 2021) e dos livros The Embodied Mind (Varela, Thompson e Rosch, 2016) e Mind in Life (Thompson, 2007).

A ciência é feita a partir da observação. Entende-se que aquilo que se observa está no mundo como algo alheio ao observador; algo separado dele. O problema com isso é que estamos inseridos no próprio mundo que desejamos desvendar por meio da ciência. Então, o estudo da experiência humana deveria ser foco da atenção da ciência…

Apesar disso, demorou para que fosse lançada essa luz sobre a observação da experiência em si. A ciência ocidental negligenciou a experiência a partir da primeira pessoa para privilegiar a perspectiva da terceira pessoa. O conhecimento sob a perspectiva da primeira pessoa, por sua vez, tem sido considerado pouco confiável ou sujeito a desvios.

De todo modo, isso tem mudado: a visão tradicional que coloca o objeto de estudo de um lado e o observador de outro, gerando um abismo quando se trata justamente de compreender a experiência humana, tem sido desafiada junto com uma visão crítica, emergente, que reconhece o papel do observador e de sua experiência corporificada (isto é, levando em conta o seu corpo como um todo, e de várias maneiras – a partir de uma concepção de cognição corporificada e situada) para a geração de conhecimento.

Existe um programa de pesquisa chamado NEUROFENOMENOLOGIA, proposto por Francisco Varela (1996), que trata justamente de desenvolver uma ciência para o estudo da consciência. A proposta valoriza a experiência vivida, convocando um diálogo entre as abordagens tradicionais, fundamentadas na terceira pessoa, e a investigação a partir da perspectiva da primeira pessoa. Métodos e procedimentos específicos para esse tipo de pesquisa têm sido desenvolvidos. Ainda não está consolidada a maneira de aproximar as perspectivas da primeira e da terceira pessoa, mas isso está sendo encaminhado e tem sido objeto de debate no campo da ciência cognitiva.

Aliás, como ressaltam os autores do artigo An Introduction to the Enactive Scientific Study of Experience (Moguillansky, Demsar & Riegler, 2021), o estudo da cognição humana é marcado por um paradoxo: o ser humano e a maneira como obtemos conhecimento do mundo torna-se o próprio objeto de estudo de… seres humanos tentando conhecer melhor o mundo; leia-se os cientistas cognitivos, filósofos, psicólogos e afins. Isto é, se a ciência empreende esforços para investigar fenômenos, produzindo explicações e descrições desses fenômenos, a ciência cognitiva tem como principal fenômeno de investigação a cognição em si.

Historicamente, temos aplicado regras para estudar a realidade – regras que compõem metodologias científicas desenvolvidas para estudar objetos desatachados de seus observadores, e que remetem a Descartes, filósofo racionalista que procurou criar um método para chegar à verdade científica. Descartes via a realidade como algo separado de nós; para compreendermos essa realidade, deveríamos separá-la em pedacinhos menores, mais simples, para depois evoluir para algo mais complexo que juntasse esses pedaços (assim ele compreendia a nossa apreensão da realidade; uma concepção que vinha da física, tal como estava se desenvolvendo na época dele, no século XVII). Bem, Descartes veio antes da fenomenologia, que viria propor justamente o estudo da experiência, partindo do todo, não de partes constitutivas do todo.

E hoje não temos apenas um método, como já mencionei.

O problema é que se passaram séculos e continuamos tratando a realidade como algo separado de nós mesmos. Então, a proposta de investigar a partir da primeira pessoa é uma proposta para tentar ajustar isso.

Os autores do artigo explicam que é necessário desenvolver “uma concepção não objetivista da ciência que torne impossível pensar na ciência como uma ferramenta para lançar luz sobre as coisas em si. Em vez disso, o entendimento enativo da ciência sugere que devemos considerar a atividade científica como a extração sistemática e cada vez mais sofisticada de regras da nossa própria experiência vivida. Como tal, a ciência não apenas é falível e propensa a erros, mas também inextricavelmente conectada a nós”.*

Isso, por si só, já é uma reorientação do olhar. Pois caminhamos de uma apreensão das coisas como elas são, aplicando regras pré-fabricadas sobre objetos “alheios” a nós, para uma mudança conceitual e postural, que consiste em tentar colher das próprias coisas que observamos as regras para observá-las. Um dos principais pontos dessa mudança é que, ao reportar experiências, isto é, falar sobre elas, as pessoas tendem a reproduzir crenças sobre como essas experiências acontecem, sobre si mesmas, sobre o mundo, em vez de se ater à experiência vivida, em si. É uma questão do que é/o que existe versus o que é descrito/estudado; de novo a ontologia e epistemologia; como quando passamos por uma situação de pânico e depois contamos sobre a situação a alguém. O que sentimos é uma coisa, o que contamos é outra (que pode conter muito da primeira, mas pode passar por várias releituras e racionalizações quando já estamos “fora” daquela ação).

Ainda segundo o artigo que menciono aqui, os primeiros estudos com métodos bem definidos, no contexto neurofenomenológico, foram conduzidos pela pesquisadora Claire Petitmengin e trataram do surgimento da intuição. Eles deram origem ao que hoje se denomina entrevista microfenomenológica. A ideia é “auxiliar o entrevistado a selecionar uma experiência singular, precisamente situada no espaço e no tempo, ‘evocando’ essa experiência e descrevendo-a. A descrição geralmente visa elucidar tanto a dimensão síncrona quanto a diacrônica de uma dada experiência. A primeira se refere à configuração de diferentes aspectos da ‘paisagem’ experiencial em um determinado momento, e a última a como essa paisagem experiencial se desdobrou ao longo do tempo. Auxiliar o entrevistado a fornecer esta descrição implica em afrouxar sua absorção no conteúdo (o “o que”) da experiência, fazendo perguntas específicas que permitem a articulação de seu modo de doação (o “como”), bem como fazer o entrevistado concentrar-se na experiência vivida sempre que se desviar dela para descrever generalizações, explicações, crenças ou julgamentos”.

Mesmo após algumas leituras, claro, ainda tenho várias questões sobre como a entrevista microfenomenológica é conduzida, as dificuldades que envolve etc. Algumas delas com certeza serão elucidadas junto a uma das autoras do artigo, Dra. Camila Moguillansky, que estará com o grupo de pesquisa GEPFE, de Filosofia da Educação, de que participo na PUC-Rio. Compartilho mais depois.

*Traduções feitas por mim, do inglês

Imagem do post: Icons8 Team @ Unsplash

Participei da live da PUC-Rio sobre inteligência artificial

Participei de uma das entrevistas ao vivo da série que a TV PUC-Rio criou no intuito de desenvolver temas que se relacionem de alguma maneira com a COVID. Esta teve a ver com inteligência artificial e internet das coisas. Ao lado de dois professores da PUC-Rio, comentei sobre a minha pesquisa em educação e IA sob o viés da filosofia e da educação. O debate pode ser assistido no link a seguir.

Pontos de Interrogação em IA, machine learning e cognição humana – Parte 2

No primeiro post sobre as investigações que marcam os campos da IA, machine learning e cognição, comentei sobre o vídeo do Pedro Domingos sobre machine learning. Aqui, discuto um pouco do que ele falou, contrapondo com questões dos 4Es da cognição que venho pesquisando e também comentando aqui no blog:

“We’re actually now for the first time in history at the point where you could say you can have a supercomputer that is about as powerful as the human brain

Vamos olhar para este trecho: Domingos diz que atingimos, pela primeira vez, um ponto na história em que se pode dizer que poderemos ter um super computador quase tão poderoso quanto o cérebro humano.

Mas o que isso significa? O que significa ser tão poderoso quanto o cérebro humano? Se o cérebro humano é poderoso por fazer parte de um sistema dinâmico do qual participam nosso corpo com suas especificidades, o ambiente em que estamos inseridos, as tecnologias com as quais nos relacionamos e a sociedade de que fazemos parte, essa colocação dá muito o que pensar. Afinal, não é o cérebro sozinho que é “poderoso”, mas o sistema humano em interação com a natureza…

Vejamos agora este trecho:

“So the thing that is really holding us back is that we don’t understand well enough how, for example, learning works.

Neste trecho, Domingos diz que o que está impedindo a IA de ir mais longe é a falta de entendimento acerca de como o processo de aprendizagem acontece. Esse é o ponto (ou um dos) que leva a haver tanta pesquisa em cognição humana: ainda não se sabe como aprendemos e há muito o que se investigar sobre isso. Então, pode-se dizer que há algo em comum entre as investigações em machine learning e em educação: entender como o ser humano aprende. Se depender disso para que a aprendizagem de máquina avance, parece que isso ainda demora… 😉

If we were able to devise a learning algorithm that is truly as good as the one in the human brain, this would be one of the greatest revolutions in history. And it could happen any day at this point. At this point this is a problem that if we could solve it we solve all other problems. If I come up with a better machine learning algorithm, that algorithm will be applied in business, in finance, in biology, in medicine across the board”.

No trecho acima, o destaque vai para o desenvolvimento de um algoritmo que seria capaz de se sair tão bem na atividade de aprender quanto o cérebro humano. Mas será que a aprendizagem é mesmo algo que se deve a um algoritmo no cérebro humano? Como já reforcei acima, não parece ser o cérebro humano que aprende, sozinho. Se o nosso processo de estar no mundo, com um corpo, vivendo, experimentando, nos leva a aprender, como propõem as teses ligadas aos 4Es, como é que um algoritmo no cérebro daria conta disso tudo? Será que é mesmo assim que a cognição funciona?

Toda essa conversa levanta também questões como o que seria a inteligência humana, o que é aprendizado e o que a engenharia de software quer dizer quando afirma que um sistema aprende a partir de algoritmos – assuntos que pretendo explorar.

Pontos de Interrogação em IA, machine learning e cognição humana – Parte 1

Estou entrando no meu segundo ano de doutorado e agora estou focada em dois dos tópicos da minha pesquisa: 1) Estudar fenomenologia e pós-fenomenologia; 2) Estudar machine learning.

A minha pesquisa de doutorado é em filosofia da educação/filosofia da tecnologia, já que a minha inquietação é com as tecnologias digitais no contexto da educação. Tomo como base, porém, um referencial teórico menos comum nessa área que é o dos 4Es da cognição – um conjunto de teses e argumentos filosóficos que vêm sendo desenvolvido a muitas mãos por diversos pesquisadores que buscam entender como a mente humana funciona. Esses pesquisadores trabalham diversos tópicos relacionados à atividade cognitiva humana, como a percepção, a memória, a aprendizagem, a questão das representações, entre outros, levantando importantes questões ainda não resolvidas acerca desses elementos. Uma introdução bastante didática aos 4Es encontra-se no livro “A Mente Humana para Além do Cérebro”, que lancei em Portugal com outros vários pesquisadores em novembro de 2019, link para o PDF aqui.

Neste post, vou focar no segundo tópico de meus estudos atuais, o machine learning.

Uma pesquisa sempre parte de perguntas, já que nós, pesquisadores, desejamos ir em busca de respostas para alguma coisa. No caso da minha pesquisa de doutorado, ainda estou trabalhando para formular minhas perguntas, mas, a partir das inquietações que venho apresentando, posso dizer que a pergunta mais ampla seria como a inteligência artificial pode contribuir para a educação. Porém, essa indagação precisa ser lida de um modo mais amplo do que o da simples e imediata aplicação; não quero perguntar como a IA pode ajudar a educação partindo do pressuposto de que já ajuda (muito menos de que concentra todas as soluções), e que então precisamos entender como aplicá-la em sala de aula, mas um passo anterior, digamos assim. Como é que, entendendo a inteligência artificial e os questionamentos que ela suscita, nós podemos pensar sobre aprendizagem & tecnologias digitais? Quais as questões despertadas no âmbito da IA que, revelando aspectos da cognição humana, podem contribuir para pensarmos a educação, vista aqui de maneira mais ampla do que a sala de aula; a educação como aprendizagem de um modo geral, um estar-no-mundo baseado em um processo contínuo de aprendizagem?

Para ir em busca da compreensão de tais questões, cuja fundamentação é filosófica, neste momento estou em busca de compreender os desafios que impulsionam os pesquisadores da IA. O que eles querem encontrar? O que pretendem? O que sentem que falta nas pesquisas deles para que cheguem aonde desejam? Aonde eles desejam chegar?

Preciso, também, entender quais os cruzamentos que poderiam ser estabelecidos entre os questionamentos dos pesquisadores da IA e os questionamentos filosóficos para a tecnologia – uma vez que o aporte teórico que escolhi é aquele relacionado às abordagens cognitivas atuais, estou fazendo uma jornada rumo à fenomenologia, que trata de aspectos essenciais da percepção humana, do nosso estar no mundo, da forma como percebemos as coisas e agimos a partir de tais percepções; a fenomenologia é capaz de estabelecer um contraponto especial com a IA por vários motivos, entre eles por ir fundo nas questões do corpo, defendendo um estar no mundo corporificado que leva em conta as nossas características orgânicas de um modo muito particular e com muitas possíveis aplicações. Em breve farei um post sobre fenomenologia e um sobre pós-fenomenologia, a qual é bastante voltada para as questões específicas da relação humana com a tecnologia.

Em busca de questionamentos que marcam o campo da IA, buscando ampliar aqueles que já conheço superficialmente, tenho lido artigos e livros e recentemente ingressei num curso online da University of London disponível no Coursera que tem bastante material sobre o assunto – indicações de livros, links e vídeos. Foi como conheci o nome do engenheiro e pesquisador da IA Pedro Domingos, que neste vídeo (desculpem, é no site da IBM, que não permite embedar o vídeo aqui) resume um dos problemas que impulsionam a IA, hoje.

O vídeo diz o seguinte (segue a transcrição completa):

People often ask me – what’s the relationship between AI and machine learning and big data? Machine learning is the subfield of AI that deals with getting computers to learn. So you can think of AI as the planet that we’re going to, and machine learning as the rocket that will get us there, and big data as the fuel for that rocket.

There are many examples of AI and machine learning at work in the world today, that touch people’s everyday lives, but they aren’t even aware of it. For example, every time you do a web search, when Netflix recommends a movie, when Facebook selects posts, when Amazon recommends a book, it’s machine learning that’s doing that. Then there are people who apply machine learning and AI in things like robotics, and vision, and natural language processing, or medicine, or oceanography, or social science, you name it.

We’ve gotten very far in AI in the first 50 years. There’s a million miles more to go. So we’re going to need a lot of compute power that is specialized for things like machine learning. I think Intel has something very important to contribute to all of this which is at the end of the day, it all starts with the hardware.

Intel is in the leading position to bring us the hardware and the architectures to try to foster this open community that we really do need to make progress.

We’re actually now for the first time in history at the point where you could say you can have a supercomputer that is about as powerful as the human brain. So the thing that is really holding us back is that we don’t understand well enough how, for example, learning works. If we were able to devise a learning algorithm that is truly as good as the one in the human brain, this would be one of the greatest revolutions in history. And it could happen any day at this point. At this point this is a problem that if we could solve it we solve all other problems. If I come up with a better machine learning algorithm, that algorithm will be applied in business, in finance, in biology, in medicine across the board.

As partes em itálico na transcrição são marcações minhas. Vou falar sobre elas no segundo post que escrevi sobre isso, sigam-me se ficaram curiosos 😉

Imagem do post: Clarisse Croset @ Unsplash

Leia o próximo post:

Pontos de Interrogação em IA, machine learning e cognição humana – Parte 2

A Mente Humana para Além do Cérebro

Lançamento do nosso livro aconteceu em Coimbra em novembro

Estive em Coimbra, Portugal, para o Congresso Bem-Estar, Saúde, Cognição & Desenvolvimento, que aconteceu a partir de uma parceria entre o Instituto de Psicologia Cognitiva, Desenvolvimento Humano e Social da Universidade de Coimbra e a Fundação Beatriz Santos nos dias 28 a 30 de novembro.

Na ocasião, apresentei uma comunicação intitulada ” Uma Reflexão sobre a Inteligência Artificial para Além da Mente Representacional”, além do pôster “A Mente na Inteligência Artificial”. Foram realizadas diversas palestras interessantíssimas e me senti muito privilegiada de estar ao lado de pesquisadores tão feras. Pude conversar com muitos deles e isso me ajudou a pensar em diversos aspectos essenciais para a minha pesquisa de doutorado.

No Congresso aconteceu, ainda, o lançamento do livro A MENTE HUMANA PARA ALÉM DO CÉREBRO – PERSPECTIVAS A PARTIR DOS 4Es DA COGNIÇÃO, escrito a muitas mãos. Sou uma das organizadoras e autoras da obra, ao lado dos professores Eduardo Santos e Ralph Bannell e da pesquisadora Elsa Rodrigues. Mais sete autores colaboraram. A capa foi feita por um artista incrível de Portugal chamado Seixas Peixoto. O livro resulta do trabalho que temos realizado no E-Minds Lab, um grupo de estudos e pesquisas da Universidade de Coimbra do qual faço parte há cerca de dois anos. E está disponível em PDF neste link.

Foi lançado também o livro BRINCAR: DO CONCEITO ÀS PRÁTICAS, dos professores Ana Cristina Almeida e Eduardo Santos.

Que venham muitos projetos mais em 2020. É trabalhando que a gente resiste às intempéries deste nosso país e do mundo. Avante! FELIZ ANO NOVO A TODOS!

Are robots the teachers of the future?

Are robots the teachers of the future? Are we going to lose (all) our jobs to artificial intelligence machines? Is the Digital Singularity human’s inescapable future?
 
These questions are on the cutting edge when it comes to the relationship between human cognition and digital technologies. Hence, they also affect the way we glimpse the future of education. These subjects are closely related to questions about the human cognitive system: how do we perceive the world? How do we learn? What makes us cognizers, in the deepest sense of the term? How do we experience the world we inhabit?
 
Our close relationship with technologies transmutes us into cyborgs, according to the philosopher Andy Clark, author of Natural born Cyborgs (2003) and one of the developers of the Extended Mind Thesis. Clark’s thesis advocates that humans extend their cognitive systems through technologies, not only digital but of all kinds. And this ability to integrate these artifacts into our cognitive circuitry, linked to our capacity to transform the environment and be altered by it, would be some of the main elements to distinguish us from other animals. As natural beings, we are in a continuous circular movement with nature, its creatures, plants, all living beings. This connection between experience and nature is part of the philosophy of John Dewey and some ideas that resemble his are also present in the theses of philosophers like Maurice Merleau-Ponty and Hubert Dreyfus. They hold that we are much more than computer-like processing machines, defending that there is much more to human cognition than information processing. Or, as the philosopher Alva Noë and the psychologist James Gibson would say, perception and action cannot be segregated, because we act in order to perceive: without action, there would be no perception at all. This perspective is connected to the enactive cognition approach, one of the contemporary research lines linked to cognition and the human mind.
 
The extended and the enactive cognitive approaches show we are far from being replaceable by robots. Unless artificial intelligence machines become more than input-output information crunchers, they will not be able to simulate some of the most important features of human cognition, and it will be hard for them to substitute us in a range of activities in which our experience is irreplaceable. In what concerns teaching and learning, emotions are a fundamental part of the process – according to philosophers like Dreyfus and the neuroscientist António Damásio, author of Descartes’ Error and The Strange Order of Things. Robots don’t have feelings. Therefore, machines are not able to actually learn anything. So, we could ask: are “creatures” not able to learn skilled to teach? Unless they become sentient, conscious creatures, these systems will probably not be able to become teachers, and will remain, at best, auxiliaries to teaching. So, as these features remain far from reality concerning A.I., we can give a shot at the question in the first paragraph of this text: robots may be the teachers of a distant future, but they are certainly not able to replace our teachers in the present.
 
Some references for those who want to read more:

Lançamento do livro “O Corpo que nos Possui”

Dia 29 de junho, na PUC-Rio, acontece o lançamento do livro “O Corpo que nos Possui: Corporeidade e suas Conexões” (Editora Appris), que traz um capítulo escrito por mim e pelo professor Eduardo Santos, da Universidade de Coimbra. Temos realizado juntos pesquisas relacionadas a cognição e tecnologia, sendo esse o primeiro fruto concreto da nossa parceria. O coquetel será a partir das 18h no Solar Grandjean de Montigny. Nos vemos lá!

Clique para ampliar

 

Imagem do post: Franck V. @ Unsplash

Vida, ciência, tecnologia: seleção de reportagens e artigos

Train PhD students to be thinkers not just specialists

Aqui no Brasil, imagino que bastante gente não saiba que a sigla PhD quer dizer ‘Doctor of Philosophy’. Pode ser até porque seu significado, na prática, anda deixado de lado. A ideia dos pesquisadores Gundula Bosch e Arturo Casadevall, que estão por trás da R3 Graduate Science Initiative na Johns Hopkins Bloomberg School of Public Health, em Baltimore, Maryland, é fazer exatamente esse esforço: o de colocar o Ph de volta nessa sigla, para valer. Os pesquisadores alertam quanto à falta de pensamento crítico e de reflexão na formação de pesquisadores, e foi para mudar isso que criaram o programa.

Sem educação, os homens “vão matar-se uns aos outros”, diz António Damásio

O autor lançou um livro novo, “A estranha ordem das coisas”, que conta ser a continuação de “O erro de Descartes”, publicado há 22 anos. Para quem deseja saber mais sobre o papel das emoções nas decisões que tomamos, esse autor é importantíssimo.

Empresas tecnológicas barram pornô manipulado por inteligência artificial

Uma das preocupações que surgem com o desenvolvimento das tecnologias de inteligência artificial é a manipulação indevida de nossos dados e imagens. Imagina se seu rosto fosse “encaixado”, por meio de uma tecnologia, no corpo de atores/atrizes em um filme pornográfico? Aconteceu com algumas atrizes famosas, como mostra essa matéria do El País. E você aí achando que o maior perigo são os robôs.. que nada, são os humanos, mesmo…

A doença de Alzheimer não pode com a música

A música pode ser, para o cérebro, uma memória muito diferente das demais. Por isso, pessoas com Alzheimer são capazes de cantarolar canções antigas, apesar de terem dificuldade com outros tipos de conteúdo. Essa matéria fala sobre isso.

The “Father of Artificial Intelligence” Says Singularity Is 30 Years Away

Em cerca de 30 anos, as máquinas serão muito mais hábeis e rápidas que nossos cérebros, a tecnologia será mais barata, e assim teremos a singularidade tecnológica. É nisso que acreditam vários especialistas em inteligência artificial. Como venho repetindo por aqui, há pesquisadores que defendem que a questão não está apenas no cérebro, então… será que a singularidade tecnológica vai ser atingida mesmo somente com os devices feitos à semelhança de nossos neurônios e suas conexões? Bom, essa é mais uma matéria que diz que sim.

Imagem do post: Joel Filipe @ Unsplash