Imagine um futuro em que os pilotos de corridas competem com veículos pilotados por inteligência artificial (IA). Esta cena, que parece saída de um filme de ficção científica, pode um dia tornar-se realidade. Aliás, têm-se registado avanços promissores nos últimos tempos. Desta vez, com drones.
As soluções de IA vão para além dos modelos que fazem o ChatGPT funcionar e dos sistemas de processamento que alimentam a Alexa. É um assunto cujas possibilidades são enormes e, como veremos, abrange também o controlo de veículos sem a presença humana, por exemplo, drones capazes de participar numa corrida profissional.
Algoritmos que superam os pilotos profissionais
Se falarmos de IA e desporto, encontramos também vários precedentes. Este domínio deu-nos marcos extraordinários. Para citar alguns exemplos, o computador Deep Blue da IBM derrotou Garry Kasparov num jogo de xadrez em 1997, e o AlphaGo fez o mesmo com o melhor jogador de Go do mundo. Como podemos ver, todas as conquistas relacionadas com os jogos de tabuleiro deixaram de existir.
Perante esta realidade, um grupo de investigadores suíços propôs-se testar a IA para além do tabuleiro e chegou à conclusão de que uma corrida de drones seria o cenário ideal. Assim, lançaram-se na tarefa de desenvolver um quadcopter, um drone movido por quatro rotores, que funcionasse com uma variedade de algoritmos e métodos de programação convencionais para ganhar uma corrida.
Após semanas de trabalho, a equipa colocou o drone alimentado por IA contra pilotos humanos. E os resultados foram surpreendentes. O aparelho conseguiu vencer os seus adversários em 15 das 25 corridas. Segundo os investigadores, esta é a primeira vez que uma IA consegue vencer campeões humanos num desporto competitivo do mundo real, abrindo a porta a novos avanços.
Trajetória do drone vs. trajetória do piloto humano
Trata-se de um feito notável que, como dizemos, exigiu uma combinação de diferentes abordagens. Por um lado, temos a aprendizagem supervisionada, um tipo de treino utilizado para “ensinar” o drone a identificar as portas pelas quais deve passar na competição. Esta é uma tarefa que foi conseguida através da introdução de milhares de imagens utilizadas durante o treino.
Por outro lado, temos a aprendizagem por reforço (ou não supervisionada), uma abordagem que foi útil para o drone descobrir a melhor rota possível num ambiente simulado e depois pô-la em prática num ambiente real.
Na imagem acima, podemos ver o caminho escolhido pela IA (vermelho) versus o do seu adversário (azul) numa das corridas em que a máquina acabou por sair vencedora.
É de notar, pelo menos nesta fase da tecnologia, que as técnicas utilizadas neste teste só podem ser úteis em ambientes extremamente controlados. Os investigadores reconhecem que pequenas alterações, como o aumento da intensidade da luz ou um ataque de um rival, podem fazer com que o drone perca o controlo e até se despiste. Um obstáculo foi ultrapassado, mas ainda há muitos outros a enfrentar.
Leia também…