Alan Turing: a máquina que imita qualquer máquina

Quase tudo o que hoje discutimos sobre IA —se uma máquina pode surpreender quem a programou, se o comportamento basta como critério de inteligência, se o cérebro é um computador— já está formulado em três trabalhos de Alan Turing escritos entre 1936 e 1950. Vale a pena lê-los em ordem, porque o percurso mostra como uma pergunta sobre os fundamentos da matemática vira uma pergunta sobre a mente.

1936: modelar o computador humano

Desde o século XVII, “computer” designava uma pessoa: alguém que fazia cálculos. Eram cálculos fáceis mas longuíssimos, e estavam atados à produção de conhecimento científico —prever a trajetória do cometa Halley, montar as tabelas de logaritmos que cientistas e engenheiros usavam.

O recurso de Turing foi modelar essa atividade. Sua máquina é abstrata e matemática, mas o que guia a modelagem é uma pessoa com um lápis:

A computação se realiza normalmente escrevendo certos símbolos num papel. Podemos supor que este papel está dividido em quadrados como o livro de aritmética de uma criança. […] Assumo então que a computação se realiza num papel unidimensional, isto é, numa fita dividida em quadrados. Suporei também que o número de símbolos que podem ser impressos é finito. […] O comportamento do computador em qualquer momento está determinado pelos símbolos que está observando e por seu “estado mental” nesse momento.

Colocar um “estado mental” num trabalho de lógica matemática, numa época que se esforçava por expulsar o mental do terreno do científico, é estranho e não parece um descuido. O artigo pode ser lido como uma investigação sobre a natureza do mental e sua relação com o suporte físico.

O mais importante para nossa história não é a resposta negativa ao problema da decisão, mas um subproduto: a máquina universal, uma máquina que recebe instruções para se comportar como se fosse qualquer outra máquina. Em 1936, e quase de passagem, Turing descobre a indústria do software.

1939-1945: Enigma, ou encontrar padrões no ruído

(Sim, a do filme.) A contribuição de Turing foi decisiva para decifrar a máquina Enigma que o exército alemão usava para cifrar suas comunicações.

O que importa aqui é o tipo de raciocínio que a tarefa exigiu, mais perto do trabalho detetivesco e da estatística do que da lógica: adivinhar a configuração de uma máquina a partir de uma série de caracteres que parece aleatória mas esconde uma mensagem. Encontrar uma regularidade que depois sirva para qualquer mensagem cifrada com essa mesma configuração.

Encontrar padrões significativos em algo que parece acaso, por tentativa e erro. É a descrição mais econômica que existe do que faz um sistema de aprendizado de máquina.

E a Bombe, o dispositivo eletromecânico que fez o trabalho, tinha uma particularidade frente aos demais computadores da guerra: não calculava números. Simulava ser outra máquina.

1947: o cérebro como computador sem relógio

Terminada a guerra, Turing se concentrou oficialmente em construir um computador digital para o governo britânico: o ACE (Automatic Computing Engine, nome que denuncia a dívida com Babbage).

Na conferência que deu nesse ano à London Mathematical Society, depois de explicar por que o relógio é central no projeto do ACE, ele deixa cair isto:

Poderíamos dizer que o relógio nos permite introduzir uma discretização do tempo, de modo que, para alguns fins, o tempo pode ser considerado como uma sucessão de instantes em vez de um fluxo contínuo. Uma máquina digital deve tratar essencialmente com objetos discretos, e no caso do ACE isso é possível graças ao uso de um relógio. Todas as demais máquinas de computação digital, exceto os cérebros humanos e de outros animais, até onde sei, fazem o mesmo.

O cérebro entra na lista de máquinas digitais, com a peculiaridade de computar sem relógio central.

Na mesma conferência aparece a objeção que ainda se escuta, e sua refutação:

Disse-se que as máquinas de computação só podem realizar os processos que lhes são ordenados. Isso é sem dúvida certo no sentido de que, se fizerem algo distinto do que lhes foi ordenado, é que cometeram algum erro. Também é certo que a intenção ao construir estas máquinas em primeira instância é tratá-las como escravas, dando-lhes apenas trabalhos que foram pensados em detalhe, trabalhos tais que o usuário da máquina entende completamente o que em princípio está acontecendo o tempo todo. Até agora, as máquinas só foram utilizadas dessa maneira. Mas é necessário que sejam sempre utilizadas assim?

O “usuário” a que Turing se refere é quem programa, que em princípio pode saber tudo o que a máquina faz no nível de abstração em que está trabalhando. (A distinção entre usuário e programador chega depois, quando o computador vira um produto para não especialistas.)

A universalidade permite a Turing sugerir que esse modo servil de uso, o mais natural no começo, não tem por que ser o único. Sob outra programação, o programa pode incluir instruções que modifiquem sua própria configuração: não só o estado, mas as regras de transição entre estados. Se uma máquina assim chega aos resultados esperados por um caminho mais eficiente que o previsto, Turing está disposto a chamar esse comportamento de inteligente. É, provavelmente, a primeira formulação do que hoje chamamos aprendizado de máquina, e chega quinze anos antes de a expressão existir.

1950: o jogo da imitação

Em Computing machinery and intelligence, Turing volta ao problema com uma estratégia parecida com a de Enigma: colocar-se no lugar de quem tem que determinar se está lidando com uma máquina.

Como definir “inteligência” é um pântano, ele propõe uma definição operacional a partir de um procedimento de teste. No jogo há três partes: um juiz, um ser humano que faz de ser humano e um computador que faz de ser humano. O juiz se comunica com ambos por escrito —hoje seria uma tela de chat—, sabe que um dos dois não é humano, e sua tarefa é descobrir qual.

Turing previu:

Creio que num período de tempo de 50 anos será possível programar computadores com uma capacidade de armazenamento de cerca de 10^9 para que joguem o jogo da imitação de tal maneira que o interrogador médio não tenha mais de 70 por cento de chances de fazer a identificação acertada após cinco minutos de perguntas.

Esse 10 seguido de nove zeros é apenas um gigabyte. Hoje soa a nada; em 1950 era uma cifra enorme. O ACE ia ter uns 25 kilobytes, e o EDVAC —a máquina da época mais comparável em arquitetura— rondava os 5,6 kilobytes de memória rápida.

Turing acrescenta, na mesma previsão, algo que se cita menos e envelheceu melhor: que até o fim do século o uso das palavras teria mudado o suficiente para se poder falar de máquinas que pensam sem esperar que alguém contradiga. Não previu uma capacidade técnica: previu um deslocamento da linguagem. Acertou.

A objeção de Lady Lovelace

O mais valioso do artigo de 1950 são as objeções que Turing se dá ao trabalho de considerar, da teológica (“pensar é uma função da alma imortal”) às que se apoiam nos teoremas de incompletude de Gödel. A mais pertinente para a discussão de hoje é a que ele atribui a Ada Lovelace:

Nela, ela sustenta que “a Máquina Analítica não tem pretensões de originar nada. Pode fazer qualquer coisa que saibamos ordenar-lhe que faça” (grifo dela).

Ou seja: a máquina pode fazer apenas aquilo que saibamos decompor em passos e instruir com precisão. Parece-se com a conjectura de Dartmouth de 1956 que vimos na entrada anterior? Parece-se bastante, embora uma o diga como limite e a outra como programa de pesquisa.

A resposta de Turing não é que a máquina seja criativa. É mais modesta e mais difícil de contornar: as máquinas o surpreenderam muitas vezes, e não por falhas. E o erro está em como pensamos as consequências.

A ideia de que as máquinas não produzem surpresas se deve, creio eu, a uma falácia à qual filósofos e matemáticos estão especialmente sujeitos. É a suposição de que, assim que um fato se apresenta a uma mente, todas as consequências desse fato florescem nela simultaneamente com o fato. É uma suposição muito útil em muitas circunstâncias, mas esquece-se facilmente demais que é falsa.

Aí há uma tese epistemológica e não apenas uma resposta a uma objeção: derivar consequências de dados e princípios gerais é trabalho, e produz conhecimento que não estava disponível antes de fazê-lo. É o assunto de Epistemologia?, umas entradas adiante.

Para ler

Copeland, B. J. (2013). Alan Turing: El pionero de la era de la información. Turner.

Ilcic, A. A. e García, P. (2020). Estrategias de modelización en Alan Turing: Términos y conceptos de máquina. Tópicos, Revista de Filosofía, 58, 135-155. https://doi.org/10/gns9k8

Turing, A. M. (1950). Computing machinery and intelligence. Mind, 59(236), 433-460.

Esta entrada revisa e atualiza Alan Turing da v1, disponível em espanhol.