Melanie Mitchell é uma cientista da computação americana e professora do Instituto Santa Fe. Sua pesquisa tem se centrado no raciocínio analógico, algoritmos genéticos, autômatos celulares e sistemas complexos, e suas publicações nessas áreas são frequentemente citadas. Ela é autora de vários livros influentes, incluindo Complexity: A Guided Tour, que ganhou o Prêmio Phi Beta Kappa de Livro de Ciência em 2010, e Artificial Intelligence: A Guide for Thinking Humans.
Mitchell recebeu seu doutorado em 1990 pela Universidade de Michigan, onde desenvolveu a arquitetura cognitiva Copycat sob a supervisão de Douglas Hofstadter e John Holland. Este trabalho formou a base de seu livro Analogy-Making as Perception. Ela também criticou A New Kind of Science de Stephen Wolfram e demonstrou que algoritmos genéticos podem encontrar soluções aprimoradas para o problema da maioria em autômatos celulares unidimensionais.
Início da Vida e Educação
Melanie Mitchell nasceu e foi criada em Los Angeles, Califórnia. Ela frequentou a Universidade Brown em Providence, Rhode Island, onde estudou física, astronomia e matemática. Seu interesse pela inteligência artificial foi despertado durante a faculdade, após ler Gödel, Escher, Bach de Douglas Hofstadter.
Após seus estudos de graduação, Mitchell trabalhou como professora de matemática no ensino médio na cidade de Nova York. Determinada a seguir a área de IA, ela procurou Hofstadter, que então estava no MIT. Após várias ligações sem resposta, ela finalmente o alcançou tarde da noite e conseguiu um estágio trabalhando no Copycat.
No outono de 1984, Mitchell seguiu Hofstadter para a Universidade de Michigan, enviando uma inscrição de última hora para o programa de doutorado. Ela obteve seu PhD em 1990, com uma dissertação intitulada Copycat: A Computer Model of High-Level Perception and Conceptual Slippage in Analogy-Making.
Carreira no Instituto Santa Fe
Mitchell ingressou no Instituto Santa Fe, um centro de pesquisa interdisciplinar conhecido por seu trabalho em sistemas complexos. Ela desenvolveu a plataforma Complexity Explorer do instituto, que oferece cursos online; seu próprio curso sobre complexidade atraiu mais de 25.000 alunos.
Em 2018, Mitchell co-organizou o workshop "On Crashing the Barrier of Meaning in AI" com Barbara Grosz e Dawn Song. Ela participa regularmente como especialista convidada no Learning Salon, uma série online focada em inteligência biológica e artificial.
Mitchell também ocupou cargos acadêmicos em outras instituições, incluindo a Universidade Estadual de Portland, onde foi professora no Departamento de Ciência da Computação, e tem sido pesquisadora no Instituto Santa Fe por muitos anos.
Contribuições de Pesquisa
O trabalho de doutorado de Mitchell sobre o programa Copycat, desenvolvido sob a orientação de Douglas Hofstadter e John Holland, focou na modelagem da construção de analogias por meio de uma arquitetura cognitiva. O programa foi projetado para resolver problemas de analogia em um domínio de sequências de letras, e seu design enfatizou a percepção de alto nível e o deslizamento conceitual. Este trabalho levou ao seu livro de 1993, Analogy-Making as Perception, que detalha a arquitetura Copycat.
Em uma linha de pesquisa bem conhecida, Mitchell e seus colaboradores Peter Hraber e James Crutchfield usaram algoritmos genéticos para evoluir regras de autômatos celulares. Seu artigo de 1993, "Revisiting the Edge of Chaos", demonstrou que regras evoluídas poderiam realizar computações, como a classificação de densidade, melhor do que regras previamente projetadas. Em trabalhos relacionados, Mitchell mostrou que algoritmos genéticos poderiam encontrar melhores soluções para o problema da maioria em autômatos celulares unidimensionais do que aquelas projetadas por humanos.
Mitchell também criticou A New Kind of Science de Stephen Wolfram, argumentando que suas afirmações sobre o papel fundamental de programas simples eram exageradas.
Livros e Escrita
O primeiro livro de Mitchell, An Introduction to Genetic Algorithms (MIT Press, 1996), tornou-se um texto introdutório padrão na área. Ele cobre os fundamentos dos algoritmos genéticos, suas aplicações e aspectos teóricos.
Complexity: A Guided Tour (Oxford University Press, 2009) oferece uma introdução ampla aos sistemas complexos, cobrindo tópicos como caos, redes e emergência. O livro ganhou o Prêmio Phi Beta Kappa de Livro de Ciência em 2010.
Em Artificial Intelligence: A Guide for Thinking Humans (Farrar, Straus and Giroux, 2019), Mitchell examina o estado da inteligência artificial moderna, do aprendizado de máquina ao aprendizado profundo, e argumenta que, apesar das conquistas impressionantes, os sistemas de IA ainda carecem de compreensão e senso comum humanos. O livro recebeu críticas positivas por sua perspectiva acessível e crítica.
Carreira Acadêmica e Extensão
Mitchell é professora no Instituto Santa Fe. Ela desenvolveu a plataforma Complexity Explorer, que oferece cursos online; seu curso "Introduction to Complexity" atraiu mais de 25.000 alunos. Ela também esteve envolvida em iniciativas interdisciplinares, como o workshop de 2018 "On Crashing the Barrier of Meaning in AI", co-organizado com Barbara Grosz e Dawn Song.
Mitchell participa frequentemente de discussões públicas sobre IA, aparecendo como especialista convidada no Learning Salon, uma série de seminários online sobre inteligência biológica e artificial.
Contribuições de Pesquisa
A pesquisa de Mitchell abrange múltiplas áreas da inteligência artificial e da ciência cognitiva. Seu programa Copycat modelou a construção de analogias como um processo de percepção de alto nível e deslizamento conceitual. Na década de 1990, ela investigou o uso de algoritmos genéticos para evoluir autômatos celulares, mostrando que regras simples podem realizar computações complexas.
Mais recentemente, Mitchell se voltou para questões sobre os limites da IA atual, particularmente o aprendizado profundo. Ela argumentou que as redes neurais modernas carecem das habilidades robustas de abstração e analogia da cognição humana.
Visões sobre Inteligência Artificial
Mitchell é uma forte defensora da pesquisa em IA, mas expressou preocupações sobre a trajetória do campo. Ela aponta que os sistemas de IA, incluindo os modelos de aprendizado de máquina, são vulneráveis a ataques adversariais e podem herdar vieses sociais presentes nos dados de treinamento. Em 2019, ela afirmou que alcançar uma inteligência artificial geral semelhante à humana provavelmente exigiria conhecimento de senso comum e habilidades humanas de abstração e analogia, capacidades que a tecnologia atual, como os transformadores e os grandes modelos de linguagem, não possui.
Mitchell argumentou que a compreensão visual humana depende de conhecimento geral, abstração e linguagem, e que as máquinas podem precisar aprender como agentes incorporados que interagem com o mundo, em vez de apenas processar imagens estáticas. Ela expressou cautela sobre o hype em torno do aprendizado profundo e das redes neurais, enquanto apoia a pesquisa continuada em IA.
Ensino e Extensão Pública
Além de sua pesquisa, Mitchell tem sido ativa na comunicação científica e na educação. Seu curso online "Introduction to Complexity" na plataforma Complexity Explorer já matriculou mais de 25.000 alunos, apresentando-lhes ideias da ciência de sistemas complexos.
Ela apareceu em numerosos podcasts e fóruns públicos, discutindo IA, complexidade e os limites das abordagens atuais de aprendizado profundo. Em 2019, participou do Learning Salon, um grupo de discussão online interdisciplinar.
Prêmios e Reconhecimentos
Em 2020, Mitchell recebeu o Prêmio Herbert A. Simon do Instituto de Sistemas Complexos da Nova Inglaterra (NECSI), em reconhecimento às suas contribuições à pesquisa em complexidade. Seu livro Complexity: A Guided Tour recebeu o Prêmio Phi Beta Kappa de Livro de Ciência em 2010.
Publicações Selecionadas
Livros
- Analogy-Making as Perception (MIT Press, 1993)
- An Introduction to Genetic Algorithms (MIT Press, 1996)
- Complexity: A Guided Tour (Oxford University Press, 2009)
- Artificial Intelligence: A Guide for Thinking Humans (Farrar, Straus and Giroux, 2019)
Artigos Notáveis
- Mitchell, M., Hraber, P., & Crutchfield, J. P. (1993). Revisiting the edge of chaos: Evolving cellular automata to perform computations. Complex Systems, 7, 89–130.
- Mitchell, M., Forrest, S., & Holland, J. H. (1991). The royal road for genetic algorithms: Fitness landscapes and GA performance. Proceedings of the First European Conference on Artificial Life.
- Mitchell, M. (2006). Complex systems: A new kind of science? A review of A New Kind of Science by Stephen Wolfram. Artificial Life, 12(4), 617–620.
Visões sobre Inteligência Artificial
Mitchell é uma comentarista proeminente sobre as capacidades e limitações da IA moderna. Ela expressou preocupação sobre a vulnerabilidade dos sistemas de IA a exemplos adversariais e sua tendência a herdar vieses sociais dos dados de treinamento. Em 2019, ela observou que alcançar uma inteligência artificial geral em nível humano exigiria avanços significativos no raciocínio de senso comum e na abstração, e que a tecnologia atual estava longe de resolver esses problemas.
Mitchell frequentemente enfatiza a lacuna entre os sistemas atuais de aprendizado de máquina e a inteligência humana. Ela argumenta que a compreensão visual semelhante à humana requer fundamentação em conhecimento geral, abstração e linguagem, e levanta a hipótese de que tal compreensão pode precisar ser aprendida por meio da incorporação, em vez de imagens estáticas. Ela também apontou a fragilidade dos sistemas de redes neurais, que podem ser facilmente enganados por exemplos adversariais.
Visões sobre IA e IAG
Mitchell tem sido uma comentarista vocal sobre os limites e o potencial da inteligência artificial. Em seu livro de 2019 e em inúmeras palestras, ela argumenta que os sistemas de IA carecem de senso comum robusto e da capacidade de generalizar além de seus dados de treinamento. Ela expressou ceticismo sobre a inteligência artificial geral em um futuro próximo e enfatiza a importância de compreender a cognição humana para progredir.
Ela observou que muitos pesquisadores de IA subestimam a dificuldade de alcançar abstração e construção de analogias semelhantes às humanas. Em entrevistas, ela destacou a lacuna entre os métodos atuais de aprendizado de máquina e o aprendizado humano, particularmente em termos de eficiência amostral e aprendizado por transferência.
Prêmios e Honrarias
Em 2020, Mitchell recebeu o Prêmio Herbert A. Simon do Instituto de Sistemas Complexos da Nova Inglaterra (NECSI), reconhecendo suas contribuições à pesquisa em complexidade.
Publicações Selecionadas
Livros
- Analogy-Making as Perception (MIT Press, 1993)
- An Introduction to Genetic Algorithms (MIT Press, 1996)
- Complexity: A Guided Tour (Oxford University Press, 2009)
- Artificial Intelligence: A Guide for Thinking Humans (Farrar, Straus and Giroux, 2019)
Artigos Notáveis
- Mitchell, M., Hraber, P., & Crutchfield, J. P. (1993). Revisiting the edge of chaos: Evolving cellular automata to perform computations. Complex Systems, 7, 89–130.
- Mitchell, M., Forrest, S., & Holland, J. H. (1991). The royal road for genetic algorithms: Fitness landscapes and GA performance. Proceedings of the First European Conference on Artificial Life.
- Mitchell, M. (2006). Complex systems: A new kind of science? A review of A New Kind of Science by Stephen Wolfram. Artificial Life, 12(4), 617–620.
Links Externos
Mitchell mantém um site profissional que inclui seu currículo, publicações e materiais de curso. Ela apareceu em podcasts como o BrainInspired, o Lex Fridman Podcast e o Learning Salon.
Referências
Este artigo é baseado em informações de fontes públicas, incluindo os próprios escritos e entrevistas de Mitchell. Para leitura adicional, veja seus livros e publicações acadêmicas.
Ver Também
- Ciência da complexidade
- Algoritmos genéticos
- Ciência cognitiva
- Instituto Santa Fe