Há uns meses atrás, o New York Times publicou uma história incrível que aconteceu num hospital na Hungria: um software de inteligência artificial (IA) detetou o aparecimento de cancro da mama numa paciente que já tinha sido observada pela equipa de radiologia, sem que o mesmo fosse identificado. Na mesma altura, fotografias do Papa Francisco com uma indumentária improvável, mas hiper-realista, tornaram-se virais nas redes sociais. O que é que estas duas notícias, aparentemente tão distantes uma da outra, têm em comum? A tecnologia subjacente: redes neurais artificiais.

Estes modelos computacionais podem ajudar a compreender antecipadamente a evolução de um tumor e, assim, antecipar um tratamento para a cura. No entanto, como vimos no caso das imagens do Papa, também podem facilitar a produção de notícias falsas e de imagens manipuladas que facilmente se confundem com a realidade. Embora estes dois casos de utilização sejam totalmente opostos, tanto no âmbito como no objetivo, resumem perfeitamente o potencial e os riscos destes modelos de inteligência artificial.

Um dos modelos mais poderosos e inovadores entre as redes neurais artificiais é o das Generative Adversarial Networks (GAN). O funcionamento das GANs baseia-se na competição entre duas redes neurais: a geradora e a discriminadora. Partindo de um conjunto de dados reais, a primeira tenta criar dados sintéticos que imitam os dados reais, e a segunda tenta distingui-los dos dados efetivamente produzidos por humanos. Através deste desafio contínuo, a geradora recebe feedback da discriminadora sobre como melhorar as suas amostras e, através deste feedback, melhora cada vez mais a sua capacidade de gerar conteúdos que pareçam reais. Este ciclo de informação contínuo leva à produção de conteúdos cada vez mais convincentes.

As GAN são muito eficazes na captação de efeitos complexos e demonstraram um enorme potencial em vários domínios de aplicação, como acontece com o processamento de imagens, ou seja, o restauro/reposição de partes em falta nas imagens, a super resolution para converter imagens com baixa definição em imagens com alta definição, a denoising para remover o ruído dos dados (por exemplo, a remoção do ruído estatístico das imagens de raios X no setor da saúde). No domínio da medicina, estes modelos de inteligência artificial já estão a ser utilizados para estudar imagens de raios X, a fim de compreender a evolução do cérebro dos pacientes na presença e na ausência de patologias diretas e para perceber antecipadamente a evolução de certos tipos de tumores (como o gliobastoma), e prever o seu tratamento.

Apesar das incríveis oportunidades oferecidas pelas GAN para melhorar e inovar em vários setores, existem também riscos e ameaças que não podemos negligenciar, relacionados com a crescente democratização destas ferramentas de IA. Entre os principais perigos está claramente a facilidade de produção de notícias falsas ou imagens manipuladas que podem ter um uso fraudulento e mal intencionado, com o objetivo de comprometer e difamar terceiros. A disseminação massiva de conteúdos falsos pode influenciar e manipular a opinião pública, com impacto negativo no sistema democrático e na sociedade em geral, com consequências graves.

Então, como podemos equilibrar os benefícios das GANs com os riscos que acarretam? Como podemos garantir que estas poderosas tecnologias são utilizadas em prol da sociedade e não para fins maliciosos?

É paradoxal a forma como a própria tecnologia pode ajudar a detetar o seu uso indevido, e atualmente já existem iniciativas que utilizam a inteligência artificial para identificar notícias falsas. Não obstante, não podemos ignorar a questão ética, que tanto se tem discutido e que faz correr rios de tinta. A falta de explicação continua a minar a ética de tecnologias como as GAN, que na maioria dos casos não partilham informações sobre o seu algoritmo, conjunto de dados de referência ou métodos de treino. É importante a existência de uma maior transparência, pelo que enquanto esta não existir, não será possível investigar os objetivos e os perigos que estão por detrás destes sistemas.

É necessário que as instituições tomem medidas para responder aos desafios colocados pela IA, sem comprometer o potencial de inovação e o desenvolvimento. O Conselho Europeu para a Proteção de Dados decidiu criar um grupo de trabalho com o objetivo de promover a cooperação e o intercâmbio de informação entre os países membros sobre a regulamentação da IA, que exige uma estreita cooperação entre especialistas na matéria, governos, instituições e outras partes interessadas para definir normas e boas práticas que protejam os interesses dos cidadãos e evitem a utilização indevida destas tecnologias.

O assunto continua na ordem do dia, e é viável um futuro sustentável para a Inteligência Artificial, mas todos os atores envolvidos devem trabalhar em conjunto para criar um futuro em que algoritmos como as GAN possam florescer, mas sem comprometer o bem-estar da sociedade e a estabilidade do nosso sistema democrático.