TED2019
Janelle Shane: The danger of AI is weirder than you think
Janelle Shane: O perigo da IA é mais estranho do que se imagina
Filmed:
Readability: 4.2
376,501 views
O perigo da inteligência artificial não é que ela se rebele contra nós, mas sim que faça exatamente o que peçamos que ela faça, diz a pesquisadora Janelle Shane. Abordando os feitos estranhos e por vezes alarmantes dos algoritmos de IA ao tentarem resolver problemas humanos, como criar novos sabores de sorvete ou reconhecer carros na estrada, Shane mostra por que a IA ainda não está à altura de um cérebro de verdade.
Janelle Shane - AI researcher
While moonlighting as a research scientist, Janelle Shane found fame documenting the often hilarious antics of AI algorithms. Full bio
While moonlighting as a research scientist, Janelle Shane found fame documenting the often hilarious antics of AI algorithms. Full bio
Double-click the English transcript below to play the video.
00:13
So, artificial intelligence
0
1765
3000
A inteligência artificial
00:16
is known for disrupting
all kinds of industries.
all kinds of industries.
1
4789
3529
é conhecida por perturbar vários setores.
00:20
What about ice cream?
2
8961
2043
Por exemplo, o sorvete.
00:23
What kind of mind-blowing
new flavors could we generate
new flavors could we generate
3
11879
3639
Que tipos de novos sabores
incríveis poderíamos criar
incríveis poderíamos criar
00:27
with the power of an advanced
artificial intelligence?
artificial intelligence?
4
15542
2976
com o poder de uma IA avançada?
00:31
So I teamed up with a group of coders
from Kealing Middle School
from Kealing Middle School
5
19011
4161
Eu me uni a um grupo de programadores
da Kealing Middle School
da Kealing Middle School
00:35
to find out the answer to this question.
6
23196
2241
para descobrir a resposta.
00:37
They collected over 1,600
existing ice cream flavors,
existing ice cream flavors,
7
25461
5081
Eles coletaram mais de 1,6 mil
sabores de sorvete já existentes
sabores de sorvete já existentes
00:42
and together, we fed them to an algorithm
to see what it would generate.
to see what it would generate.
8
30566
5522
e, juntos, os fornecemos a um algoritmo
para ver o que seria gerado.
para ver o que seria gerado.
00:48
And here are some of the flavors
that the AI came up with.
that the AI came up with.
9
36112
3753
Esses são alguns dos sabores
que a inteligência artificial criou:
que a inteligência artificial criou:
[Recreio de Lixo de Abóbora]
00:52
[Pumpkin Trash Break]
10
40444
1471
00:53
(Laughter)
11
41939
1402
(Risos)
00:55
[Peanut Butter Slime]
12
43365
2469
[Gosma de Manteiga de Amendoim]
00:58
[Strawberry Cream Disease]
13
46822
1343
[Doença de Creme de Morango]
01:00
(Laughter)
14
48189
2126
(Risos)
01:02
These flavors are not delicious,
as we might have hoped they would be.
as we might have hoped they would be.
15
50339
4597
Esses sabores não são
tão deliciosos quanto esperávamos.
tão deliciosos quanto esperávamos.
01:06
So the question is: What happened?
16
54960
1864
A pergunta é: o que aconteceu?
01:08
What went wrong?
17
56848
1394
O que saiu errado?
01:10
Is the AI trying to kill us?
18
58266
1959
A IA está tentando nos matar?
01:13
Or is it trying to do what we asked,
and there was a problem?
and there was a problem?
19
61027
4310
Ou está tentando fazer o que pedimos,
mas ocorreu algum problema?
mas ocorreu algum problema?
01:18
In movies, when something
goes wrong with AI,
goes wrong with AI,
20
66567
2464
Nos filmes, quando algo
dá errado com a IA,
dá errado com a IA,
01:21
it's usually because the AI has decided
21
69055
2712
geralmente é porque ela decidiu
01:23
that it doesn't want to obey
the humans anymore,
the humans anymore,
22
71791
2272
que não quer mais obedecer aos humanos
01:26
and it's got its own goals,
thank you very much.
thank you very much.
23
74087
2623
e tem objetivos próprios, sim senhor.
01:29
In real life, though,
the AI that we actually have
the AI that we actually have
24
77266
3216
Mas, na vida real,
a inteligência artificial que temos
não é inteligente o bastante para isso.
não é inteligente o bastante para isso.
01:32
is not nearly smart enough for that.
25
80506
1863
01:34
It has the approximate computing power
26
82781
2982
Ela possui aproximadamente a capacidade
de processamento de uma minhoca,
de processamento de uma minhoca,
01:37
of an earthworm,
27
85787
1276
01:39
or maybe at most a single honeybee,
28
87087
3403
ou, talvez, no máximo
a de uma única abelha,
a de uma única abelha,
01:42
and actually, probably maybe less.
29
90514
2215
mas provavelmente menos que isso.
01:44
Like, we're constantly learning
new things about brains
new things about brains
30
92753
2594
Constantemente aprendemos
coisas novas sobre o cérebro
coisas novas sobre o cérebro
01:47
that make it clear how much our AIs
don't measure up to real brains.
don't measure up to real brains.
31
95371
4360
que deixam claro como nossas IAs
não chegam aos pés de um cérebro real.
não chegam aos pés de um cérebro real.
01:51
So today's AI can do a task
like identify a pedestrian in a picture,
like identify a pedestrian in a picture,
32
99755
5663
A IA de hoje pode efetuar tarefas simples,
como identificar um pedestre em uma foto,
como identificar um pedestre em uma foto,
01:57
but it doesn't have a concept
of what the pedestrian is
of what the pedestrian is
33
105442
2983
mas não faz ideia do que seja o pedestre
02:00
beyond that it's a collection
of lines and textures and things.
of lines and textures and things.
34
108449
4824
para além de um conjunto
de linhas, texturas e afins.
de linhas, texturas e afins.
02:05
It doesn't know what a human actually is.
35
113792
2521
Ela não sabe o que é um ser humano.
02:08
So will today's AI
do what we ask it to do?
do what we ask it to do?
36
116822
3282
Então, a IA atual fará o que pedimos dela?
02:12
It will if it can,
37
120128
1594
Sim, se ela puder,
02:13
but it might not do what we actually want.
38
121746
2726
mas talvez não faça
o que realmente queremos.
o que realmente queremos.
02:16
So let's say that you
were trying to get an AI
were trying to get an AI
39
124496
2415
Digamos que quiséssemos que uma IA
pegasse um conjunto de peças robóticas
pegasse um conjunto de peças robóticas
02:18
to take this collection of robot parts
40
126935
2619
02:21
and assemble them into some kind of robot
to get from Point A to Point B.
to get from Point A to Point B.
41
129578
4197
e as montasse como algum tipo de robô
para que fosse do ponto A ao B.
para que fosse do ponto A ao B.
02:25
Now, if you were going to try
and solve this problem
and solve this problem
42
133799
2481
Bem, se tentássemos resolver esse problema
criando um programa
de computador tradicional,
de computador tradicional,
02:28
by writing a traditional-style
computer program,
computer program,
43
136304
2351
02:30
you would give the program
step-by-step instructions
step-by-step instructions
44
138679
3417
daríamos instruções
passo a passo ao programa
passo a passo ao programa
02:34
on how to take these parts,
45
142120
1329
sobre como pegar as peças,
juntá-las em um robô com pernas
juntá-las em um robô com pernas
02:35
how to assemble them
into a robot with legs
into a robot with legs
46
143473
2407
02:37
and then how to use those legs
to walk to Point B.
to walk to Point B.
47
145904
2942
que ele usaria para andar até o ponto B.
Mas, quando usamos a IA
para resolver o problema,
para resolver o problema,
02:41
But when you're using AI
to solve the problem,
to solve the problem,
48
149441
2340
02:43
it goes differently.
49
151805
1174
não funciona assim.
02:45
You don't tell it
how to solve the problem,
how to solve the problem,
50
153003
2382
Não dizemos para ela
como resolver o problema,
como resolver o problema,
02:47
you just give it the goal,
51
155409
1479
só lhe damos o objetivo
02:48
and it has to figure out for itself
via trial and error
via trial and error
52
156912
3262
e ela precisa descobrir sozinha,
por tentativa e erro,
por tentativa e erro,
02:52
how to reach that goal.
53
160198
1484
como atingir aquele objetivo.
02:54
And it turns out that the way AI tends
to solve this particular problem
to solve this particular problem
54
162254
4102
E parece que a IA costuma resolver
esse problema específico
esse problema específico
02:58
is by doing this:
55
166380
1484
fazendo o seguinte:
02:59
it assembles itself into a tower
and then falls over
and then falls over
56
167888
3367
ela se transforma em uma torre e cai,
03:03
and lands at Point B.
57
171279
1827
atingindo o ponto B.
03:05
And technically, this solves the problem.
58
173130
2829
E, tecnicamente, isso resolve o problema,
ela chega ao ponto B.
ela chega ao ponto B.
03:07
Technically, it got to Point B.
59
175983
1639
03:09
The danger of AI is not that
it's going to rebel against us,
it's going to rebel against us,
60
177646
4265
O perigo da IA não é
que ela se rebelará contra nós;
que ela se rebelará contra nós;
03:13
it's that it's going to do
exactly what we ask it to do.
exactly what we ask it to do.
61
181935
4274
é que ela fará exatamente o que pedirmos.
03:18
So then the trick
of working with AI becomes:
of working with AI becomes:
62
186876
2498
Então, o segredo para trabalhar com IA é:
03:21
How do we set up the problem
so that it actually does what we want?
so that it actually does what we want?
63
189398
3828
como configuramos o problema
para que ela faça o que queremos?
para que ela faça o que queremos?
03:26
So this little robot here
is being controlled by an AI.
is being controlled by an AI.
64
194726
3306
Este robozinho é controlado por uma IA,
que criou um design para as pernas dele
que criou um design para as pernas dele
03:30
The AI came up with a design
for the robot legs
for the robot legs
65
198056
2814
03:32
and then figured out how to use them
to get past all these obstacles.
to get past all these obstacles.
66
200894
4078
e depois descobriu como usá-las
para passar por esses obstáculos.
para passar por esses obstáculos.
03:36
But when David Ha set up this experiment,
67
204996
2741
Mas quando David Ha
preparou essa experiência,
preparou essa experiência,
03:39
he had to set it up
with very, very strict limits
with very, very strict limits
68
207761
2856
ele o fez dentro de limites
bastante rigorosos
bastante rigorosos
03:42
on how big the AI
was allowed to make the legs,
was allowed to make the legs,
69
210641
3292
sobre o tamanho das pernas
que a IA poderia criar,
que a IA poderia criar,
03:45
because otherwise ...
70
213957
1550
porque, do contrário...
03:55
(Laughter)
71
223058
3931
(Risos)
04:00
And technically, it got
to the end of that obstacle course.
to the end of that obstacle course.
72
228563
3745
E, tecnicamente, ela chegou
ao final da pista de obstáculos.
ao final da pista de obstáculos.
04:04
So you see how hard it is to get AI
to do something as simple as just walk.
to do something as simple as just walk.
73
232332
4942
Percebe-se como é difícil que uma IA
faça algo tão simples como andar.
faça algo tão simples como andar.
04:09
So seeing the AI do this,
you may say, OK, no fair,
you may say, OK, no fair,
74
237298
3820
Vendo a IA fazer isso,
podem dizer: "Ah, não é justo!
podem dizer: "Ah, não é justo!
04:13
you can't just be
a tall tower and fall over,
a tall tower and fall over,
75
241142
2580
Não se pode simplesmente
ser uma torre e cair;
ser uma torre e cair;
04:15
you have to actually, like,
use legs to walk.
use legs to walk.
76
243746
3435
tem que usar as pernas para andar".
04:19
And it turns out,
that doesn't always work, either.
that doesn't always work, either.
77
247205
2759
Mas acontece que isso também
nem sempre funciona.
nem sempre funciona.
04:21
This AI's job was to move fast.
78
249988
2759
A tarefa dessa IA era
se mover rapidamente.
se mover rapidamente.
04:25
They didn't tell it that it had
to run facing forward
to run facing forward
79
253115
3593
Não lhe disseram
que deveria correr de frente
que deveria correr de frente
ou que não poderia usar os braços.
04:28
or that it couldn't use its arms.
80
256732
2258
04:31
So this is what you get
when you train AI to move fast,
when you train AI to move fast,
81
259487
4618
Esse é o resultado quando treinamos
uma IA para se mover rapidamente:
uma IA para se mover rapidamente:
04:36
you get things like somersaulting
and silly walks.
and silly walks.
82
264129
3534
cambalhotas ou caminhadas ridículas.
04:39
It's really common.
83
267687
1400
Isso é muito comum.
04:41
So is twitching along the floor in a heap.
84
269667
3179
Assim como se contorcer pelo chão.
04:44
(Laughter)
85
272870
1150
(Risos)
04:47
So in my opinion, you know what
should have been a whole lot weirder
should have been a whole lot weirder
86
275241
3254
Acho que mais esquisito ainda seriam
os robôs do "Exterminador do Futuro".
os robôs do "Exterminador do Futuro".
04:50
is the "Terminator" robots.
87
278519
1396
04:52
Hacking "The Matrix" is another thing
that AI will do if you give it a chance.
that AI will do if you give it a chance.
88
280256
3755
Hackear a "Matrix" é outra coisa
que a IA fará se tiver a oportunidade.
que a IA fará se tiver a oportunidade.
04:56
So if you train an AI in a simulation,
89
284035
2517
Então, se treinarmos
uma IA em uma simulação,
uma IA em uma simulação,
04:58
it will learn how to do things like
hack into the simulation's math errors
hack into the simulation's math errors
90
286576
4113
ela aprenderá a fazer coisas como hackear
os erros matemáticos da simulação
os erros matemáticos da simulação
05:02
and harvest them for energy.
91
290713
2207
e colhê-los para conseguir energia.
05:04
Or it will figure out how to move faster
by glitching repeatedly into the floor.
by glitching repeatedly into the floor.
92
292944
5475
Ou então descobrirá como se mover
mais rápido se arrastando pelo chão.
mais rápido se arrastando pelo chão.
05:10
When you're working with AI,
93
298443
1585
Trabalhar com IA
05:12
it's less like working with another human
94
300052
2389
não se assemelha a trabalhar
com outro humano,
com outro humano,
05:14
and a lot more like working
with some kind of weird force of nature.
with some kind of weird force of nature.
95
302465
3629
e sim a trabalhar com um tipo
de força estranha da natureza.
de força estranha da natureza.
05:18
And it's really easy to accidentally
give AI the wrong problem to solve,
give AI the wrong problem to solve,
96
306562
4623
É muito fácil dar, acidentalmente,
o problema errado para a IA resolver
o problema errado para a IA resolver
05:23
and often we don't realize that
until something has actually gone wrong.
until something has actually gone wrong.
97
311209
4538
e frequentemente não percebemos
isso até que algo dê errado.
isso até que algo dê errado.
05:28
So here's an experiment I did,
98
316242
2080
Essa é uma experiência que fiz,
05:30
where I wanted the AI
to copy paint colors,
to copy paint colors,
99
318346
3182
na qual eu queria que a IA
copiasse cores de tinta
copiasse cores de tinta
05:33
to invent new paint colors,
100
321552
1746
para inventar novas cores
05:35
given the list like the ones
here on the left.
here on the left.
101
323322
2987
com base em uma lista como a da esquerda.
05:38
And here's what the AI
actually came up with.
actually came up with.
102
326798
3004
E foi isso que a IA inventou.
05:41
[Sindis Poop, Turdly, Suffer, Gray Pubic]
103
329826
3143
[Cocô Sindis, Excremental,
Sofrimento, Cinza Pubiano]
Sofrimento, Cinza Pubiano]
05:44
(Laughter)
104
332993
4230
(Risos)
05:51
So technically,
105
339177
1886
Então, tecnicamente,
05:53
it did what I asked it to.
106
341087
1864
ela fez o que eu pedi dela.
05:54
I thought I was asking it for,
like, nice paint color names,
like, nice paint color names,
107
342975
3308
Pensei que estivesse pedindo
nomes agradáveis de cores,
nomes agradáveis de cores,
05:58
but what I was actually asking it to do
108
346307
2307
mas o que eu pedia, na verdade,
06:00
was just imitate the kinds
of letter combinations
of letter combinations
109
348638
3086
era que a IA imitasse
os tipos de combinações de letras
os tipos de combinações de letras
06:03
that it had seen in the original.
110
351748
1905
que estavam presentes nos originais.
06:05
And I didn't tell it anything
about what words mean,
about what words mean,
111
353677
3098
E não falei nada à IA
sobre o significado das palavras,
sobre o significado das palavras,
06:08
or that there are maybe some words
112
356799
2560
nem que ela deveria evitar usar
algumas palavras nos nomes das tintas.
algumas palavras nos nomes das tintas.
06:11
that it should avoid using
in these paint colors.
in these paint colors.
113
359383
2889
06:15
So its entire world
is the data that I gave it.
is the data that I gave it.
114
363141
3494
Portanto, a única coisa que a IA sabe
são os dados que lhe forneci.
são os dados que lhe forneci.
06:18
Like with the ice cream flavors,
it doesn't know about anything else.
it doesn't know about anything else.
115
366659
4028
Assim como ocorreu com os sabores
de sorvete, a IA não sabe mais nada.
de sorvete, a IA não sabe mais nada.
06:24
So it is through the data
116
372491
1638
Então, é pelos dados que, frequentemente,
06:26
that we often accidentally tell AI
to do the wrong thing.
to do the wrong thing.
117
374153
4044
dizemos a ela para fazer a coisa errada.
06:30
This is a fish called a tench.
118
378694
3032
Este é um peixe chamado tenca.
06:33
And there was a group of researchers
119
381750
1815
Um grupo de pesquisadores
06:35
who trained an AI to identify
this tench in pictures.
this tench in pictures.
120
383589
3874
treinou uma IA
para reconhecê-lo em imagens.
para reconhecê-lo em imagens.
06:39
But then when they asked it
121
387487
1296
Mas quando perguntaram à IA
06:40
what part of the picture it was actually
using to identify the fish,
using to identify the fish,
122
388807
3426
qual parte da imagem era usada
para identificar o peixe,
para identificar o peixe,
06:44
here's what it highlighted.
123
392257
1358
foi isso que ela apontou.
06:47
Yes, those are human fingers.
124
395203
2189
Sim, esses são dedos humanos.
06:49
Why would it be looking for human fingers
125
397416
2059
Por que ela procuraria dedos humanos
ao tentar identificar um peixe?
ao tentar identificar um peixe?
06:51
if it's trying to identify a fish?
126
399499
1921
06:54
Well, it turns out that the tench
is a trophy fish,
is a trophy fish,
127
402126
3164
Bem, acontece que a tenca
é um peixe-troféu,
é um peixe-troféu,
06:57
and so in a lot of pictures
that the AI had seen of this fish
that the AI had seen of this fish
128
405314
3811
então, em várias imagens em que a IA
viu esse peixe durante o treinamento,
viu esse peixe durante o treinamento,
07:01
during training,
129
409149
1151
07:02
the fish looked like this.
130
410324
1490
ele apresentava essa aparência.
07:03
(Laughter)
131
411838
1635
(Risos)
07:05
And it didn't know that the fingers
aren't part of the fish.
aren't part of the fish.
132
413497
3330
E ela não sabia que os dedos
não faziam parte do peixe.
não faziam parte do peixe.
07:10
So you see why it is so hard
to design an AI
to design an AI
133
418808
4120
É por isso que é tão difícil
desenvolver uma IA
desenvolver uma IA
07:14
that actually can understand
what it's looking at.
what it's looking at.
134
422952
3319
que realmente consiga entender
o que está observando.
o que está observando.
07:18
And this is why designing
the image recognition
the image recognition
135
426295
2862
E é por isso que desenvolver
o reconhecimento de imagem
o reconhecimento de imagem
07:21
in self-driving cars is so hard,
136
429181
2067
em carros autônomos é tão difícil
07:23
and why so many self-driving car failures
137
431272
2205
e muitas falhas desses carros
ocorrem porque a IA se confundiu.
ocorrem porque a IA se confundiu.
07:25
are because the AI got confused.
138
433501
2885
07:28
I want to talk about an example from 2016.
139
436410
4008
Falarei sobre um exemplo de 2016.
07:32
There was a fatal accident when somebody
was using Tesla's autopilot AI,
was using Tesla's autopilot AI,
140
440442
4455
Houve um acidente fatal quando alguém
usou a IA do piloto automático de um Tesla
usou a IA do piloto automático de um Tesla
07:36
but instead of using it on the highway
like it was designed for,
like it was designed for,
141
444921
3414
mas, em vez de usá-la em uma rodovia,
para onde elas foram programadas,
para onde elas foram programadas,
07:40
they used it on city streets.
142
448359
2205
utilizaram-na em vias urbanas.
Um caminhão entrou na frente
do carro, que não conseguiu frear.
do carro, que não conseguiu frear.
07:43
And what happened was,
143
451239
1175
07:44
a truck drove out in front of the car
and the car failed to brake.
and the car failed to brake.
144
452438
3396
07:48
Now, the AI definitely was trained
to recognize trucks in pictures.
to recognize trucks in pictures.
145
456507
4762
Vejam, a IA definitivamente foi treinada
para reconhecer caminhões em imagens.
para reconhecer caminhões em imagens.
07:53
But what it looks like happened is
146
461293
2145
Mas o que parece ter acontecido
07:55
the AI was trained to recognize
trucks on highway driving,
trucks on highway driving,
147
463462
2931
é que a IA foi treinada
para reconhecê-los em estradas,
para reconhecê-los em estradas,
07:58
where you would expect
to see trucks from behind.
to see trucks from behind.
148
466417
2899
onde se espera ver
a traseira dos caminhões.
a traseira dos caminhões.
08:01
Trucks on the side is not supposed
to happen on a highway,
to happen on a highway,
149
469340
3420
Caminhões vindos pela lateral
não deveriam aparecer em estradas,
não deveriam aparecer em estradas,
08:04
and so when the AI saw this truck,
150
472784
3455
então, quando a IA o viu,
08:08
it looks like the AI recognized it
as most likely to be a road sign
as most likely to be a road sign
151
476263
4827
parece que ela avaliou que se tratava
de uma placa de trânsito
de uma placa de trânsito
08:13
and therefore, safe to drive underneath.
152
481114
2273
e que, portanto,
seria seguro passar sob ela.
seria seguro passar sob ela.
08:16
Here's an AI misstep
from a different field.
from a different field.
153
484114
2580
Agora vejamos um erro de IA
de um campo diferente.
de um campo diferente.
08:18
Amazon recently had to give up
on a résumé-sorting algorithm
on a résumé-sorting algorithm
154
486718
3460
A Amazon teve que desistir
de um algoritmo para seleção de currículos
de um algoritmo para seleção de currículos
no qual trabalhava
08:22
that they were working on
155
490202
1220
08:23
when they discovered that the algorithm
had learned to discriminate against women.
had learned to discriminate against women.
156
491446
3908
ao descobrir que ele aprendeu
a discriminar mulheres.
a discriminar mulheres.
Eles o treinaram com base
em exemplos de currículos
em exemplos de currículos
08:27
What happened is they had trained it
on example résumés
on example résumés
157
495378
2716
08:30
of people who they had hired in the past.
158
498118
2242
de pessoas que haviam sido
contratadas por eles.
contratadas por eles.
08:32
And from these examples, the AI learned
to avoid the résumés of people
to avoid the résumés of people
159
500384
4023
E, desses exemplos, a IA
aprendeu a evitar os currículos
aprendeu a evitar os currículos
de pessoas que frequentaram
faculdades femininas
faculdades femininas
08:36
who had gone to women's colleges
160
504431
2026
08:38
or who had the word "women"
somewhere in their resume,
somewhere in their resume,
161
506481
2806
ou que continham a palavra
"feminina" em algum lugar,
"feminina" em algum lugar,
08:41
as in, "women's soccer team"
or "Society of Women Engineers."
or "Society of Women Engineers."
162
509311
4576
como "equipe feminina de futebol"
ou "Sociedade Feminina de Engenharia".
ou "Sociedade Feminina de Engenharia".
08:45
The AI didn't know that it wasn't supposed
to copy this particular thing
to copy this particular thing
163
513911
3974
A IA não sabia que não deveria
copiar esse padrão específico
copiar esse padrão específico
08:49
that it had seen the humans do.
164
517909
1978
que havia observado nos humanos.
08:51
And technically, it did
what they asked it to do.
what they asked it to do.
165
519911
3177
E, tecnicamente, fez o que lhe pediram.
08:55
They just accidentally asked it
to do the wrong thing.
to do the wrong thing.
166
523112
2797
Mas acidentalmente lhe pediram
para fazer a coisa errada.
para fazer a coisa errada.
08:58
And this happens all the time with AI.
167
526653
2895
E isso sempre acontece com IA.
09:02
AI can be really destructive
and not know it.
and not know it.
168
530120
3591
Ela pode ser muito destrutiva sem saber.
09:05
So the AIs that recommend
new content in Facebook, in YouTube,
new content in Facebook, in YouTube,
169
533735
5078
As IAs que recomendam novos conteúdos
no Facebook ou no YouTube
no Facebook ou no YouTube
09:10
they're optimized to increase
the number of clicks and views.
the number of clicks and views.
170
538837
3539
estão otimizadas para aumentar
o número de cliques e visualizações.
o número de cliques e visualizações.
09:14
And unfortunately, one way
that they have found of doing this
that they have found of doing this
171
542400
3436
Infelizmente, uma das formas
que elas têm de fazer isso
que elas têm de fazer isso
09:17
is to recommend the content
of conspiracy theories or bigotry.
of conspiracy theories or bigotry.
172
545860
4503
é recomendar conteúdo de teorias
da conspiração ou de intolerância.
da conspiração ou de intolerância.
09:22
The AIs themselves don't have any concept
of what this content actually is,
of what this content actually is,
173
550902
5302
A própria IA não tem ideia
do que seja aquele conteúdo
do que seja aquele conteúdo
09:28
and they don't have any concept
of what the consequences might be
of what the consequences might be
174
556228
3395
ou de quais possam ser
as consequências de recomendá-lo.
as consequências de recomendá-lo.
09:31
of recommending this content.
175
559647
2109
09:34
So, when we're working with AI,
176
562296
2011
Então, ao trabalharmos com IA,
09:36
it's up to us to avoid problems.
177
564331
4182
evitar problemas é função nossa.
09:40
And avoiding things going wrong,
178
568537
2323
E evitar que as coisas deem errado
09:42
that may come down to
the age-old problem of communication,
the age-old problem of communication,
179
570884
4526
pode se resumir ao velho
problema da comunicação,
problema da comunicação,
09:47
where we as humans have to learn
how to communicate with AI.
how to communicate with AI.
180
575434
3745
e que nós, humanos, precisamos
aprender a nos comunicar com a IA.
aprender a nos comunicar com a IA.
09:51
We have to learn what AI
is capable of doing and what it's not,
is capable of doing and what it's not,
181
579203
4039
Precisamos aprender
o que a IA é ou não capaz de fazer
o que a IA é ou não capaz de fazer
09:55
and to understand that,
with its tiny little worm brain,
with its tiny little worm brain,
182
583266
3086
e entender que, com seu
cerebrozinho de minhoca,
cerebrozinho de minhoca,
09:58
AI doesn't really understand
what we're trying to ask it to do.
what we're trying to ask it to do.
183
586376
4013
a IA, na verdade, não entende
o que tentamos pedir que ela faça.
o que tentamos pedir que ela faça.
Em outras palavras, precisamos
estar preparados para trabalhar com uma IA
estar preparados para trabalhar com uma IA
10:03
So in other words, we have
to be prepared to work with AI
to be prepared to work with AI
184
591148
3321
10:06
that's not the super-competent,
all-knowing AI of science fiction.
all-knowing AI of science fiction.
185
594493
5258
que não é a IA supercompetente
e onisciente da ficção científica.
e onisciente da ficção científica.
10:11
We have to prepared to work with an AI
186
599775
2862
Precisamos estar preparados
para trabalhar com a IA
para trabalhar com a IA
10:14
that's the one that we actually have
in the present day.
in the present day.
187
602661
2938
que realmente temos atualmente,
10:17
And present-day AI is plenty weird enough.
188
605623
4205
e ela é suficientemente esquisita.
10:21
Thank you.
189
609852
1190
Obrigada.
10:23
(Applause)
190
611066
5225
(Aplausos)
ABOUT THE SPEAKER
Janelle Shane - AI researcherWhile moonlighting as a research scientist, Janelle Shane found fame documenting the often hilarious antics of AI algorithms.
Why you should listen
Janelle Shane's humor blog, AIweirdness.com, looks at, as she tells it, "the strange side of artificial intelligence." Her upcoming book, You Look Like a Thing and I Love You: How AI Works and Why It's Making the World a Weirder Place, uses cartoons and humorous pop-culture experiments to look inside the minds of the algorithms that run our world, making artificial intelligence and machine learning both accessible and entertaining.
According to Shane, she has only made a neural network-written recipe once -- and discovered that horseradish brownies are about as terrible as you might imagine.
Janelle Shane | Speaker | TED.com