Sofrendo de fadiga do chatbot? Frustrado que Singularity foi cancelado? Procurando algo novo para lhe dar esperança? Aqui está o meu plano delirante, mas "ei, meio que faz sentido" para construir superinteligência no meu pequeno laboratório de pesquisa independente (nota: vou trocar precisão por pedagogia) Primeiro, um histórico: Eu sou um cara de 33 anos que passou os últimos 22 anos programando. ao longo do tempo, fiz muitas perguntas sobre a natureza da computação e acumulei algumas bastante... peculiar... Insights. há alguns anos, construí o HVM, um sistema capaz de executar programas em uma linguagem esotérica chamada "Haskell" na GPU - sim, o mesmo chip que fez o aprendizado profundo funcionar e brilhou todo esse ciclo de IA. mas como Haskell se relaciona com a IA? bem, essa é uma longa história. como os mais velhos devem se lembrar, naquela época, o que chamávamos de "IA" era ... diferente. quase 3 décadas atrás, pela primeira vez, um computador derrotou o campeão mundial de xadrez, gerando muitos debates sobre AGI e singularidade - assim como hoje! o sistema, chamado Deep Blue, era bem diferente dos modelos que temos hoje. não usava transformadores. não usava redes neurais. na verdade, não havia "modelo". era uma pura "IA simbólica", o que significa que era apenas um algoritmo simples, que escaneava bilhões de movimentos possíveis, mais rápido e mais profundo do que qualquer humano poderia, vencendo-nos por pura força bruta. isso desencadeou uma onda de pesquisas simbólicas promissoras de IA. algoritmos evolutivos, gráficos de conhecimento, demonstração automatizada de teoremas, solucionadores SAT/SMT, solucionadores de restrições, sistemas especialistas e muito mais. Infelizmente, com o tempo, a abordagem atingiu uma parede. regras construídas à mão não escalavam, os sistemas simbólicos não eram capazes de *aprender* dinamicamente e a bolha estourou. um novo inverno de IA começou. Foi apenas anos depois que um curioso alinhamento de fatores mudou tudo. os pesquisadores tiraram a poeira de uma ideia antiga - redes neurais - mas desta vez, eles tinham algo novo: GPUs. Esses chips gráficos, originalmente construídos para renderizar videogames, acabaram sendo perfeitos para as multiplicações massivas de matrizes que as redes neurais exigiam. De repente, o que levou semanas pode ser feito em horas. O aprendizado profundo explodiu, e aqui estamos hoje, com Transformers comendo o mundo. mas aqui está a coisa: nós portamos apenas *um* ramo de IA para GPUs - o conexionista, numérico. O lado simbólico? ainda está preso na idade da pedra da CPU. Haskell é uma linguagem especial, porque unifica a linguagem das provas (ou seja, o idioma que os matemáticos usam para expressar teoremas) com a linguagem de programação (ou seja, o que os desenvolvedores usam para construir aplicativos). Isso o torna exclusivamente adequado para o raciocínio simbólico - o tipo exato de computação que o Deep Blue usava, mas agora podemos executá-lo massivamente paralelo em hardware moderno. (para ser mais preciso, apenas o paralelismo massivo da GPU não é a única coisa que o HVM traz para a mesa. acontece que também resulta em acelerações * assintóticas * em alguns casos. e esta é uma das principais razões para acreditar em nossa abordagem: os métodos simbólicos do passado não eram apenas famintos por computação. eles eram exponencialmente lentos, em um sentido algorítmico. não é de admirar que eles não funcionassem. eles não tiveram chance.) minha tese é simples: agora que posso rodar o Haskell em GPUs, e dada essa aceleração assintótica, estou em posição de ressuscitar esses antigos métodos simbólicos de IA, ampliá-los em ordens de magnitude e ver o que acontece. talvez, apenas talvez, um deles nos surpreenda. ...