No filme de ficção científica de 2016 "A Chegada", uma linguista se depara com a tarefa assustadora de decifrar uma língua alienígena que consiste em frases palíndromas, que são lidas da mesma forma de trás para frente e de frente para trás, escritas com símbolos circulares. Conforme ela descobre várias pistas, diferentes nações ao redor do mundo interpretam as mensagens de forma diferente — com algumas assumindo que elas transmitem uma ameaça.
Se a humanidade se encontrasse em tal situação hoje, nossa melhor aposta seria recorrer à pesquisa para descobrir como a inteligência artificial (IA) desenvolve as linguagens.
Mas o que exatamente define uma linguagem? A maioria de nós usa pelo menos uma para se comunicar com as pessoas ao nosso redor, mas como isso surgiu? Os linguistas têm ponderado essa mesma questão por décadas , mas não há uma maneira fácil de descobrir como a linguagem evoluiu . A linguagem é efêmera, não deixa rastros examináveis nos registros fósseis. Diferentemente dos ossos, não podemos desenterrar línguas antigas para estudar como elas se desenvolveram ao longo do tempo.
Embora possamos ser incapazes de estudar a verdadeira evolução da linguagem humana, talvez uma simulação possa fornecer alguns insights. É aí que entra a IA — um fascinante campo de pesquisa chamado comunicação emergente , que passei os últimos três anos estudando.
Simulando a Evolução da Linguagem
Para simular como a linguagem pode evoluir, damos aos agentes (IAs) tarefas simples que exigem comunicação , como um jogo em que um robô deve guiar outro para um local específico em uma grade sem mostrar a ele um mapa. Não fornecemos (quase) nenhuma restrição sobre o que eles podem dizer ou como — simplesmente damos a eles a tarefa e os deixamos resolvê-la como quiserem.
Como a resolução dessas tarefas exige que os agentes se comuniquem entre si, podemos estudar como a comunicação deles evolui ao longo do tempo para ter uma ideia de como a linguagem pode evoluir.
Experimentos semelhantes foram feitos com humanos . Imagine que você, um falante de inglês, está pareado com um falante não inglês. Sua tarefa é instruir seu parceiro a pegar um cubo verde de uma variedade de objetos em uma mesa. Você pode tentar gesticular um cubo com suas mãos e apontar para a grama do lado de fora da janela para indicar a cor verde.
Com o tempo, vocês desenvolveriam uma espécie de protolinguagem juntos. Talvez vocês criassem gestos ou símbolos específicos para "cubo" e "verde". Por meio de interações repetidas, esses sinais improvisados se tornariam mais refinados e consistentes, formando um sistema básico de comunicação.
Isso funciona de forma semelhante para a IA. Por meio de tentativa e erro, eles aprendem a se comunicar sobre objetos que veem, e seus parceiros de conversa aprendem a entendê-los.
Decifrando o Código
Mas como sabemos do que eles estão falando? Se eles só desenvolvem essa linguagem com seu parceiro de conversação artificial e não conosco, como sabemos o que cada palavra significa? Afinal, uma palavra específica pode significar "verde", "cubo" ou pior — ambos. Esse desafio de interpretação é uma parte fundamental da minha pesquisa.
A tarefa de entender a linguagem da IA pode parecer quase impossível no começo. Se eu tentasse falar polonês (minha língua materna) com um colaborador que só fala inglês, não conseguiríamos nos entender ou mesmo saber onde cada palavra começa e termina.
O desafio com linguagens de IA é ainda maior, pois elas podem organizar informações de maneiras completamente estranhas aos padrões linguísticos humanos.
Felizmente, os linguistas desenvolveram ferramentas sofisticadas usando a teoria da informação para interpretar línguas desconhecidas. Assim como os arqueólogos juntam línguas antigas a partir de fragmentos, usamos padrões em conversas de IA para entender sua estrutura linguística. Às vezes, encontramos semelhanças surpreendentes com línguas humanas, e outras vezes descobrimos formas de comunicação inteiramente novas.
Essas ferramentas nos ajudam a dar uma espiada na "caixa preta" da comunicação da IA, revelando como os agentes artificiais desenvolvem suas próprias maneiras únicas de compartilhar informações.
Aplicações Práticas
Meu trabalho recente foca em usar o que os agentes veem e dizem para interpretar sua linguagem. Imagine ter uma transcrição de uma conversa em uma língua desconhecida para você, junto com o que cada falante estava olhando. Podemos combinar padrões na transcrição com objetos no campo de visão do participante, construindo conexões estatísticas entre palavras e objetos.
Por exemplo, talvez a frase "yayo" coincida com um pássaro voando — poderíamos supor que "yayo" é a palavra usada pelo falante para "pássaro". Por meio de uma análise cuidadosa desses padrões, podemos começar a decodificar o significado por trás da comunicação.
No último artigo meu e dos meus colegas, que será publicado nos anais da conferência Neural Information Processing Systems (NeurIPS), mostramos que tais métodos podem ser usados para fazer engenharia reversa de pelo menos partes da linguagem e sintaxe das IAs, dando-nos insights sobre como elas podem estruturar a comunicação.
Mas não precisamos encontrar extraterrestres para nos beneficiarmos dessa pesquisa. Existem inúmeras aplicações , desde melhorar modelos de linguagem como ChatGPT ou Claude até melhorar a comunicação entre veículos autônomos ou drones.
Ao decodificar linguagens emergentes, podemos tornar a tecnologia futura mais fácil de entender. Seja sabendo como carros autônomos coordenam seus movimentos ou como sistemas de IA tomam decisões, não estamos apenas criando sistemas inteligentes — estamos aprendendo a entendê-los.
