.webp){kind=small}
A inteligência artificial poderia facilmente cair na armadilha de identificar a não-vida como vida noutros mundos, afirmam dois investigadores de Michigan State University que testaram a IA em vida simulada num programa de computador.
“Já tínhamos como a IA tem um ótimo calcanhar de Aquiles quando tenta classificar coisas que são diferentes das coisas em seus exemplos de treinamento”, disse o Christoph Adami de Michigan ao Space.com.
“Chamamos essas amostras ‘fora de distribuição’ e é incrivelmente fácil fazer com que a IA classifique incorretamente.” Adami é um biólogo computacional que usa computadores para aplicar a teoria da informação ao estudo da evolução e da biologia.
Um de seus principais princípios é que a vida pode ser definida por sua capacidade de codificar informações e replicá-las.
Para este fim, ele desenvolveu o programa de computador Avida em 1993.
Ele executa organismos digitais escritos como código que podem se replicar, copiando-se e competindo por recursos – neste caso, CPU tempo – assim como os organismos da vida real.
Embora o uso da vida digital em estudos evolutivos permaneça controverso, o que ela fornece a Adami é um enorme conjUKMTO de dados de formas de vida simuladas nas quais a IA pode ser testada.
Passando três meses de análise computacional em mil máquinas paralelas, Adami e seu aluno Ankit Gupta pediram à IA que determinasse quais programas no Avida tinham propriedades de vida e quais não tinham.
Os programas de vida e não-vida têm codificação muito semelhante, por isso a diferença não é óbvia — e este pode muito bem ser o caso noutro planeta onde a vida poderia ter diferenças na biologia da vida na Terra.
Adami e Gupta começaram com programas representando uma sequência aleatória de moléculas e pediram à IA para classificá-las.
Eles então começaram a ajustar essa sequência de moléculas para tentar enganar a IA fazendo-a pensar que estava vendo vida, uma mudança de cada vez, verificando cada vez se havia havido uma mudança na confiança da IA de que era vida ou não-vida.
“Dentro de cerca de 15 mudanças, podemos fazer com que a IA esteja perfeitamente confiante em uma classificação de vida, quando na verdade nem uma única vez em que estava 100% confiante era realmente vida”, disse Adami.
Além disso, independentemente da sequência com a qual começaram, a IA era constantemente enganada.
Muitos na comunidade científica consideram a IA uma ferramenta inestimável porque pode processar ótimos quantidades de dados e procurar padrões nesses dados.
O próprio Adami acredita que a IA tem um papel importante a desempenhar, mas como vemos na vida quotidiana, a IA é propensa a inventar coisas e a identificar padrões que não existem.
Organismos digitais replicando e sofrendo mutações ao longo do tempo no programa Avida.
Cada ponto colorido representa um organismo de um genótipo específico e, cada vez que eles sofrem mutação para um tipo diferente, mudam de cor.
Isso realmente se resume ao que a IA foi treinada, disse Adami.
Se você perguntar a uma IA sobre os dados nos quais ela foi treinada, ela geralmente fornecerá uma resposta correta.
Por exemplo, se você treinar a IA para identificar imagens de maçãs depois pedir para escolher a fruta de um conjunto de dados que também inclui imagens de itens não alimentares, ele responderá corretamente praticamente o tempo todo.
No entanto, se você substituir as imagens maçãs por fotos de bananas e pedir para identificar a fruta, ele terá dificuldades e começará a identificar incorretamente as coisas.
Isso porque as bananas representam dados “fora de distribuição”.
A IA não foi treinada com bananas, que têm um formato muito diferente das maçãs e, portanto, a IA não sabe o que fazer com elas.
Da mesma forma, não sabemos como serão os micróbios alienígenas, e eles podem ser bem diferentes dos micróbios terrestres nos quais a IA foi treinada.
Por outras palavras, a vida alienígena estaria fora de distribuição e a IA não teria contexto para dizer se qualquer conjunto específico de moléculas é vida ou não.
“Você precisa conhecer seus dados de treinamento e, se souber que seus dados de teste fazem parte da mesma distribuição que os dados de treinamento, tudo ficará bem”, disse Adami.
"Mas você não pode garantir isso com vida extraterrestre." Isto poderia representar um problema para missões destinadas a procurar vida.
Se um rover de Marte for ao planeta vermelho e abrir uma rocha e vir diretamente algo que se parece com a vida microbiana como a conhecemos, então a resposta será clara e poderá ser testada usando métodos tradicionais.
No entanto, muitas tentativas de detectar vida provavelmente não serão tão práticas, baseando-se em dados de espectrometria de massa para identificar moléculas e processos relacionados com a vida.
Esse pode variar desde tentativas de detectar vida na atmosfera de Vênus, ou no oceano de Europa, ou em exoplanetas através do Habitable Worlds Observatory, que NASA pretende lançar na década de 2040, para obter imagens diretas de exoplanetas na zona habitável das estrelas.
“Isto significa que se houvesse uma IA numa missão a olhar para amostras específicas de espectrometria de massa, então há uma ótimo probabilidade de que, embora tenha sido treinada no terreno com uma série de amostras bióticas e abióticas, ainda possa devolver um veredicto positivo quando não tem absolutamente nada a ver com a vida”, diz Adami.
O próximo passo, disse Adami, é sair do mundo digital e realizar o mesmo teste com dados do mundo real.
Adami e Gupta apresentarão suas descobertas em agosto na Conferência 2026 sobre Artificial Life, que será realizada em Waterloo, Canadá.
O AR NEWS 24H publica artigos de várias fontes externas que expressam uma ampla gama de pontos de vista. As posições tomadas nestes artigos não são necessariamente as do AR NEWS 24H.
