Entendendo a Superinteligência: Um Caminho para a Inteligência Coletiva
O termo "superinteligência" é cada vez mais utilizado para descrever sistemas de IA que se prevêem ultrapassar as habilidades cognitivas humanas em diversas tarefas, desde lógica e raciocínio até criatividade e intuição. O que antes parecia uma possibilidade distante agora é considerado a menos de uma década de realização, gerando preocupações significativas entre formuladores de políticas e pesquisadores. Uma grande apreensão é a criação de uma superinteligência artificial (ASI) que careça de valores, morais e objetivos humanos.
Para mitigar esse risco, alguns pesquisadores buscam desenvolver sistemas de IA que estejam alinhados com os valores humanos. Por exemplo, a Anthropic está trabalhando em um método chamado IA Constitucional, que estabelece um conjunto de princípios para governar o comportamento da IA. Ao mesmo tempo, a OpenAI está perseguindo uma estratégia denominada Superalignment, alocando 20% de seu poder computacional para essa questão crucial.
No entanto, surge uma pergunta urgente: Existe um caminho mais seguro para alcançar a superinteligência?
Acredito que sim—um conceito conhecido como Superinteligência Coletiva (CSi). Meu foco como pesquisador de IA na última década tem sido nessa abordagem. A CSi visa amplificar o intelecto humano conectando grandes grupos em sistemas capazes de resolver problemas complexos de forma colaborativa. Esse método garante que valores humanos e considerações éticas estejam integrados em todo o processo de tomada de decisão.
Embora possa parecer incomum, isso se alinha a um passo evolutivo natural observado em várias espécies sociais, conhecido como Inteligência de Enxame. Esse fenômeno permite que cardumes de peixes, enxames de abelhas e bandos de pássaros naveguem efetivamente por seus ambientes sem controle centralizado. Em vez de depender de votos ou pesquisas, eles formam sistemas interativos em tempo real (enxames) que convergem para soluções ideais.
Se esse modelo funciona para peixes e pássaros, por que não para pessoas?
Essa pergunta motivou minha pesquisa sobre se grupos humanos poderiam funcionar como sistemas superinteligentes. Em 2014, fundei a Unanimous AI para emular enxames biológicos. Nossas técnicas iniciais usaram métodos não verbais, permitindo que centenas de usuários respondessem perguntas de forma colaborativa ao controlar um disco gráfico, enquanto algoritmos de IA analisavam suas interações para medir seus níveis de convicção.
Nosso sistema gerou previsões de grupo sobre diversos eventos com eficiência, até mesmo surpreendendo céticos. Por exemplo, em 2016, uma repórter da CBS pediu previsões para o Kentucky Derby e, após apostar em nossa previsão, ganhou significativamente—ilustrando o potencial da Superinteligência Coletiva. Estudos acadêmicos subsequentes validaram as aplicações da IA de Enxame em diferentes áreas, desde previsões financeiras até diagnósticos médicos.
Apesar desses avanços, alcançar uma verdadeira superinteligência ainda é um desafio, pois métodos anteriores abordaram apenas problemas restritos. Para criar uma superinteligência abrangente impulsionada por humanos, a tecnologia precisa ser adaptável para facilitar deliberações sobre questões complexas—utilizando a ferramenta mais poderosa do ser humano: a linguagem.
No entanto, permitir que grandes grupos se envolvam em conversações coerentes e em tempo real apresenta desafios. Pesquisas mostram que tamanhos ideais de grupos para discussões produtivas variam de quatro a sete membros. Além disso, dinâmicas de conversação frequentemente se transformam de diálogos engajados para monólogos fragmentados além desse número. Essa limitação parecia intransponível até os recentes desenvolvimentos em IA, particularmente em modelos de linguagem de grande porte (LLMs), que abriram novas possibilidades para a construção de enxames humanos.
Uma nova tecnologia chamada Inteligência de Enxame Conversacional (CSI) tem o potencial de transformar a forma como grupos discutem questões complexas, permitindo que grupos de quase qualquer tamanho (de 200 a 2 milhões) conversem em tempo real, desbloqueando a amplificação natural típica da inteligência de enxame.
Inspirados pelo mecanismo de comunicação dos cardumes de peixes, que mantêm "conversas" em tempo real entre milhares sem um líder, adaptamos essa ideia para os humanos. Utilizando um conceito chamado hyperswarms, grandes grupos são divididos em subgrupos sobrepostos. Por exemplo, uma rede de 1.000 indivíduos pode ser segmentada em grupos menores, facilitando conversas paralelas que melhoram a deliberação reflexiva.
No entanto, simplesmente criar grupos paralelos não é suficiente para alcançar a Inteligência de Enxame; a informação deve fluir entre os subgrupos. Isso é realizado incorporando agentes de IA, que emulam o órgão da linha lateral encontrado em peixes. Movidos por LLMs, esses agentes observadores destilam e transmitem insights para toda a população, garantindo a propagação do conhecimento.
Estudos recentes testaram esse conceito por meio de uma tarefa de estimativa adaptada do experimento de Sir Francis Galton em 1906. Em nosso teste, 240 participantes estimaram o número de balas de goma em um jar. As suas estimativas individuais divergiram, resultando em um erro médio de 55%. Em comparação, a média estatística agregada melhorou a precisão para 25%, enquanto a estimativa do ChatGPT ficou mais próxima, com uma margem de erro de 42%.
Notavelmente, o método de enxame conversacional superou tanto os indivíduos quanto o ChatGPT, alcançando uma impressionante taxa de erro de 12%.
Classificação
