Pombos inspiram avanços significativos na inteligência artificial moderna

A relação entre o condicionamento operante de B.F. Skinner e a inteligência artificial (IA) está sendo reavaliada.
Especialistas destacam como os princípios de Skinner influenciam algoritmos de aprendizado de máquina.
O conceito de aprendizado por reforço, desenvolvido por Richard Sutton e Andrew Barto, é baseado nas ideias de Skinner e tem permitido que máquinas realizem tarefas complexas.
Pesquisadores, como Johan Lind, discutem o “paradoxo do aprendizado associativo”, que sugere que esse tipo de aprendizado é eficaz em máquinas, mas considerado simples para comportamentos complexos em animais.
Estudos recentes mostram que pombos podem realizar tarefas complexas, desafiando a visão de que são criaturas simples.

A relação entre o condicionamento operante de B.F. Skinner e a inteligência artificial (IA) tem ganhado nova atenção. Recentemente, especialistas reavaliaram como os princípios de Skinner influenciam o desenvolvimento de algoritmos de aprendizado de máquina, desafiando visões tradicionais sobre a cognição animal.

Skinner, em 1943, conduziu o “Projeto Pigeon”, onde utilizou pombos para guiar mísseis. Ele acreditava que a associação entre ações e recompensas era fundamental para o aprendizado, não apenas em pombos, mas em todos os seres vivos. Apesar de suas teorias terem caído em desuso nas décadas seguintes, seus conceitos foram adotados por cientistas da computação, formando a base de muitos algoritmos de IA modernos.

Os pesquisadores Richard Sutton e Andrew Barto, que ganharam o Prêmio Turing em 2024, desenvolveram o conceito de aprendizado por reforço, que se baseia diretamente nas ideias de Skinner. Esse método tem permitido que computadores realizem tarefas complexas, como dirigir carros e vencer campeões em jogos como xadrez e Go. Sutton destacou que a inteligência humana não serve como modelo para a IA; em vez disso, os princípios simples de aprendizado associativo são os que impulsionam essas tecnologias.

A evolução da IA também está levando biólogos a reconsiderar a inteligência natural. Johan Lind, da Universidade de Estocolmo, discute o “paradoxo do aprendizado associativo”, onde esse tipo de aprendizado é visto como simples demais para comportamentos complexos em animais, mas eficaz em máquinas. Estudos recentes mostram que pombos podem realizar tarefas complexas, como detectar câncer em exames médicos, desafiando a ideia de que são criaturas simples.

A crescente capacidade da IA de simular comportamentos humanos está levantando questões sobre a verdadeira natureza da inteligência, tanto em máquinas quanto em animais. Pesquisadores argumentam que a aprendizagem associativa pode ser uma chave para entender a evolução da inteligência natural, sugerindo que a complexidade do comportamento animal pode ser mais rica do que se pensava.