IA em Marte: entrevista com Vandi Verma, da Nasa

O exato momento em que os rovers Spirit e Opportunity pousaram em Marte em 04 de janeiro de 2004 foi decisivo para que Vandi Verma, então doutoranda de robótica na Carnegie Mellon University, definisse seus próximos passos de carreira: trabalhar na exploração do espaço. Talvez não seja surpresa que hoje, como vice-diretora de mobilidade e robótica no Jet Propulsion Laboratory (JPL) da Nasa e engenheira-chefe que foi responsável pela missão Marte 2020, ela veja a robótica e a automação como as melhores aplicações para inteligência artificial (IA).

No podcast Me, Myself and IA, de MIT Sloan Maganament Review, Verma explica como os veículos exploradores do planeta vermelho se valem da IA, inclusive para as simulações que permitem aos cientistas do JPL aprender a pilotar, antes mesmo de partir para dirigir os rovers.

Ela também conversa com os entrevistadores do podcast, Shervin Khodabandeh e Sam Rasbotham, sobre o uso de IA pela Nasa, a visão que a agência tem de risco e os aprendizados para organizações que querem simular cenários realistas aqui na Terra. Confira, a seguir, a entrevista na íntegra.

Shervin Khodabandeh: O que podemos aprender a partir do uso de IA em Marte?

Shervin Khodabandeh: Juntos, a MIT SMR e a BCG vêm realizando pesquisas e publicações sobre IA desde 2017, entrevistando centenas de profissionais e analisando milhares de empresas para saber o que é preciso para implantar e expandir o uso de IA e transformar de verdade a forma de operar das organizações.

Sam Ransbotham: Hoje, Shervin e eu estamos animadíssimos em conversar com Vandi Verma, engenheira-chefe do Jet Propulsion Laboratory, da NASA.

Sam Ransbotham: Eu assumo que, de um jeito geeky, fiquei fascinado pelo seu trabalho (tenho certeza de que todo mundo também), mas vamos resumir um pouco do que você faz. Você pode começar por uma visão geral do JPL e do seu papel lá?

Vandi Verma: Sou a vice-diretora de mobilidade e robótica no JPL e também trabalho com a engenheira-chefe da missão Marte 2020, composta pelo veículo explorador Perseverance e pelo helicóptero Ingenuity. O JPL é um centro da Nasa especializado na construção de robôs para a exploração espacial. E a missão da Nasa é explorar, descobrir e expandir o conhecimento em benefício da humanidade e o que fazemos é o lado robótico disso.

Shervin Khodabandeh: Quando você diz “robótico”, eu penso em inteligência artificial, mas as missões em Marte parecem ser algo muito desafiador para novas tecnologias como a IA. Como vocês usam esse recurso em robótica?

Vandi Verma: O que chamamos de IA passou por várias mudanças ao longo do tempo e existem coisas que fazemos a partir do solo e outras que fazemos a partir de nossos robôs, então vou falar um pouco sobre isso. Em geral, estamos mais para o funcionamento autônomo, mais parecido com o que você pensaria de um carro sem motorista, e não muito com o que se chama tipicamente de machine learning, embora também façamos muito uso dele. De fato, 88% da movimentação do Perseverance é autônoma. Ele tem câmeras, está captando imagens, avaliando perigos do terreno e contornando obstáculos. É muito interessante porque ele se desloca em um lugar nunca visitado por um ser humano, e não podemos dar qualquer informação sobre ele. O que faz com que seja definitivamente uma navegação autônoma.

A cada um desses passeios, nós também estamos em busca de um grande avanço, por estarmos nesse ambiente inóspito, com a finalidade de coletar e guardar uma quantidade de amostras com o Perseverance, porque, pela primeira vez, vamos trazê-las para a Terra. Mas queremos que essas amostras venham de locais os mais variados possíveis. Por isso, queremos que ele ande bastante. Mas como saber se há algo muito interessante naquela rota e que não será encontrado? Em nosso mundo, chamamos de ossos de dinossauros.

Dispomos de habilidades de IA nos veículos. Cada veículo usa uma grande angular para mostrar a imagem, olha para uma extensa faixa de terreno e tenta descobrir o que há de mais interessante ali.

Temos uma coleção de instrumentos, mas um deles é a SuperCam, que tem laser, pode atirar em uma pedra à distância e criar um plasma, que é estudado com lentes telescópicas. Esse é um campo de visão tão pequeno - milirradiano - que, se você fosse tentar a mesma coisa em tudo o que vê, levaria dias nisso. Essencialmente, usamos IA para descobrir “em que será que devemos atirar primeiro?” Os dados são enviados para os cientistas na Terra.

Tudo isso demanda planejamento. Especialmente, por conta dos recursos que usamos em Marte, onde o ambiente é adverso. Pensamos: “como aquecer algo e manter na temperatura certa? Quanto dispomos de energia?”. Se você precisa se comunicar com a Terra; “cadê a Terra?”. Também planejamos enquanto fazemos, que é pensar em termos mais gerais. Esses são os tipos de coisas que fazemos.

Sam Ransbotham: há aqui uma tonelada de exemplos. E o fato de que os veículos se autodirigem, na maior parte do tempo, parece um mundo fascinante. Você falou em encontrar algo interessante. O que é isso? Como saber se é interessante? Eu sei o que eu julgo ser, mas fale sobre o processo de ter uma máquina decidindo isso.

Vandi Verma: Acho que uma das coisas mais legais de definir o que é interessante é que exige a participação humana. É realmente complicado dizer às máquinas o que fazer. Para poder dizer o que interessa, há uma quantidade de diferentes parâmetros que os cientistas podem usar. Por exemplo: “estou à procura de pedras de cor clara, de um certo tamanho, forma e reflexão de luz, nesta área em particular”. Assim, temos templates diferentes, dependendo de onde estivermos, que os cientistas em solo nos ajudam a especificar. E dizemos ao robô: “estamos procurando assim e assim”.

Podemos pesquisar também dizendo “agora procure por coisas semelhantes a tudo o que já vimos”. Ou podemos partir para a detecção de novidades, dizendo “encontre o que ainda não examinamos”.

Mas temos duas questões aqui. Estamos explorando, procurando por coisas novas, mas também queremos analisar o que já foi encontrado de diferentes formas, pois queremos uma quantidade significativa de dados para testar nossas hipóteses. Queremos descobrir, por exemplo, se “pode ter havido vida em Marte, especialmente em tempos mais antigos”.

Diante desse quebra-cabeças, existem hipóteses e queremos responder a perguntas específicas. E é isso que os cientistas vão dizer para os robôs procurarem. Já usamos supercomputadores para traduzir os parâmetros que definimos para uma linguagem que sirva para o robô.

Sam Ransbotham: Então, as pessoas descrevem em termos comuns o que querem, põem em um supercomputador, que gera um conjunto de parâmetros, que são enviados para o veículo explorador saber o que procurar. Entendi direito?

Vandi Verma: Isso mesmo. E é aí que a inteligência artificial pode ajudar muito. Na robótica, ainda estamos em uma fase em que usamos botões de acionamento. Podemos fazer muito, mas a arte está em lidar com esse espaço multivariado. Sabe, de fato, só no Perseverance, temos mais de 64 mil parâmetros explícitos. Chamamos de parâmetros em software, sem levar em conta o projeto do hardware e outras coisas. Eles estão armazenados em memória não volátil. Não estão incluídos os comandos que podemos enviar. Com isso, existem inúmeras formas de expressar o que você quer dizer. Mas aí está algo em que podemos usar a IA para saber qual a combinação correta para falar o que queremos.

Sam Ransbotham: Claro. E as combinações possíveis nessa situação poderiam explodir. Então, parece um bom uso para machine learning e para escolher o conjunto certo de parâmetros ou os próximos parâmetros a aplicar, quando se tem tantos para usar. Como você disse, não dá para jogar laser por toda a superfície de Marte. Bom, também não dá para usar 64 mil parâmetros ao mesmo tempo. Vandi Verma: Sim, é isso mesmo. Contudo, o desafio e a beleza, o que faz desse ambiente algo tão encantador, é que a margem de erro disponível é muito pequena, então não dá para ficar testando quando é tão difícil colocar uma nave em Marte. E, ainda assim, fazemos todas as verificações possíveis para garantir o sucesso. Não dá para colocar o veículo em risco.

Sam Ransbotham: A maior parte de nossa audiência obviamente não vai explorar Marte, mas quando pensamos nas possíveis analogias que se podem fazer, tem gente decidindo neste momento sobre o risco de um portfólio, sobre o quanto delegam a uma máquina ou, no seu caso, decidir sobre o que é novo ou aonde ir. Agora, parece que você tem uma tolerância extremamente baixa a correr riscos, dado os custos de equipamento e onde ele está.

Vandi Verma: Você está totalmente certo. Na verdade, eu diria que, de certa forma, você pode achar que temos uma tolerância ao risco pequena, mas temos que tomar decisões com tanta frequência que, se fôssemos tão avessos ao risco, ficaríamos parados, sem fazer nada. Ter um processo de avaliação desse risco e saber qual ele é em uma dada situação, é algo que todos da equipe aprendem a lidar, não importa o que cada um faz. Então, eu acho que é algo que poderia ser muito útil em outras áreas.

Shervin Khodabandeh: Voltando a algo que você disse anteriormente, quando falou sobre direção autônoma. Se não se pode praticar a direção autônoma em um lugar onde nunca se esteve antes, então como você pratica antes de chegar lá?

Vandi Verma: Há dois elementos nisso. Um é, como desenvolvemos a prática de capacidade autônoma. E, dois, é como fazemos com que os humanos, que ainda precisam, em algum nível, instruir a capacidade autônoma, pratiquem. Então, fazemos ambas as coisas.

Quando se trata de construir robôs para um corpo planetário — em Marte, da gravidade à pressão e temperatura, tudo é tão diferente — criamos simulações. Parte do software que está rodando a bordo do Perseverance, eu ajudei a programar. E, desde o início, desenvolvemos simulações de software porque sabíamos que talvez não teríamos lá uma réplica completa da Terra. Criamos um modelo em escala real aqui para testar, o que também está evoluindo nos estágios iniciais da missão.

Além disso, estamos construindo um hardware, com o qual igualmente estamos fazendo experimentos — "qual é o melhor design de roda?”, “qual é o melhor material?" —, enquanto escrevemos o software.

Há muita reflexão sobre como construir essas simulações para que elas nos ajudem, de fato, a representar o ambiente em que estamos. E, então, começamos a remover certas interfaces de hardware. Assim, teremos o verdadeiro software de voo rodando em partes robóticas de interface mais comerciais, mas no nosso Pátio Marciano, na Nasa.

Sim, temos um Pátio Marciano. Não é Marte, mas temos declives, leito rochoso e outras características. Construímos a réplica completa, rodando o computador real que teremos em Marte, com os sensores, e testamos. Depois disso, fazemos testes específicos. Teremos também um teste de câmara de vácuo térmico para certos ambientes, e fazemos isso em partes.

À medida que entramos na atmosfera, fazemos alguns testes com aeronaves na Terra porque temos que observar como pousaríamos em Marte. Mas, além disso, uma vez que chegamos em Marte, fazemos isso em etapas. Então, podemos realmente ter a navegação autônoma nos dizendo o que faria, mas não fazer a navegação de fato. Na verdade, teríamos o humano direcionando a condução, como chamamos, mas estamos realmente permitindo que ela acompanhe e diga: "vamos ver o que você teria feito." E, assim, fazemos isso em etapas.

Queremos avançar depressa, porque, se levarmos muito tempo, é um tempo precioso em Marte. Isso é meio como desenvolvemos a direção autônoma.

Agora, em termos pessoal, eu dirijo robôs em Marte desde 2008, em diferentes missões. Com isso, você começa a conhecer o planeta. Temos gente em treinamento, aulas, pilotamos em Marte e pegamos os dados, e fazemos nosso planejamento. E, claro, temos as redundâncias. Assim, para a maior parte dos passeios hoje, eu tenho outra pessoa que estou treinando no teclado e você fica assistindo enquanto eles treinam para pilotar. É assim que fazemos e isso leva anos.

Alguns de nós, que participamos da construção do robô, vamos começar na Sol 0, que é a largada de quando uma missão pousa em Marte. Então, rapidamente, entre seis meses e um ano, teremos um novo grupo chegando. Porque, quando você pensa numa missão, eles podem ter que ficar em Marte por um longo tempo, e temos que ter gente treinada para isso.

Sam Ransbotham: Realmente, existem muitos aspectos interessantes quanto ao que outras pessoas estão fazendo. Mas você mencionou simulação e construção de um “gêmeo digital”. Você não quer ensaiar em Marte. Quer praticar na Terra ou exercitar digitalmente, como disse. E o que eu não tinha entendido, que o hardware nem existe para servir de teste, mesmo que você quisesse, que tudo acontece ao mesmo tempo. Mais essa ideia de que as pessoas estão aprendendo também, no meio do processo, e de que você não ia deixar ninguém solto atrás do volante na primeira tentativa. Ou que tampouco ia deixar o equipamento vagando sozinho de cara. Esse processo de aprendizado é interessante também.

Você falou em reduzir o tempo, que se acumulasse mais experiência poderia encurtar os prazos. E como temos tanta gente no mundo usando soluções de IA para fazer as coisas mais diferentes, imagino que muita gente começa olhando desconfiada no começo e gradualmente passa a confiar mais e mais. E é do mesmo jeito que eu imagino você trabalhando com alguém operando o teclado, primeiro com você acompanhando o que digitam no primeiro dia e verificando menos hoje. Por isso, eu vejo muitas analogias, ainda que Marte seja um ambiente estranho, com a maneira das pessoas usarem a inteligência artificial.

Vandi Verma: Sim, acho que você está certo. Uma das coisas mais interessantes é que é possível você ir para um ponto totalmente diferente do planeta, pegar um robô completamente diferente, que tenha outras características de mobilidade e se adaptar. Mas os humanos são muito bons em encontrar padrões. Se você for um piloto de um certo veículo de exploração, em uma certa missão, deve de fato ser mais rápido, como você diz. Mas também considere que nossas interfaces com o usuário estão ficando mais sofisticadas.

Se você pegar a interface que usamos para operar e dirigir os robôs – operar o braço robótico e pegar as amostras, o que por vezes é ainda mais complicado – elas evoluíram significativamente. Nós costumávamos mandar instruções como linhas de programação. Agora fazemos isso de forma gráfica, em que você essencialmente escolhe caminhos em um mapa. Eu acho que isso ajuda muito, porque deixa que o ser humano se volte para aspectos em que sua intuição e experiência podem fazer a diferença. Porque a IA, embora venha se refinando, com as habilidades de hoje, ainda é limitada pela nossa imaginação do momento em que foi criada. E nós sabemos muito bem disso, porque operamos robôs em Marte há décadas. Sempre nos perguntamos “o que está além de nossa imaginação?” Porque existe, acontece o tempo todo. Sempre nos surpreendemos com essas coisas incríveis, que acabamos usando de um jeito que não tínhamos previsto. E é um pouco o que vemos a todo momento, a tecnologia que você cria sendo usada para outra coisa no planeta. O que mais a gente vai criar e como vai usar?

Sam Ransbotham: As pessoas são loucas.

Vandi Verma: Eu acho que são inovadoras!

Sam Ransbotham: Certo. E isso é realmente o que você quer porque não está só tentando repetir sempre a mesma coisa. Você usou a palavra surpresa, o que eu achei bem interessante. Uma das coisas sobre as quais falamos foi sobre todas as simulações e que você quer que as coisas funcionem bem, mas não tem que ser exatamente perfeito porque deseja descobrir algo inesperado. Conte um pouco para nós sobre como funciona esse processo de “olha, a gente quer que as coisas funcionem do jeito que a gente quer, mas também estamos abertos a coisas que não esperávamos”.

Vandi Verma: Você trouxe um ótimo ponto, que a simulação não será exatamente como as coisas irão se dar. E, de fato, quase nunca são. E parte da razão de deixar os veículos circulando autonomamente é porque os detalhes da superfície, a imagem que ele vai usar das câmeras em Marte, não somos capazes de reproduzir com exatidão. Assim, qualquer caminho que testemos no chão é só uma amostra. Sabe, fazemos uma abstração: temos um mapa orbital. Mas ele é muito rudimentar, E se tivéssemos um mapa bem preciso, nem precisaríamos de navegação autônoma, simplesmente mandaríamos o explorador seguir o que estivesse nele.

Assim que ele anda cinco ou dez metros, ele capta muito mais informação sobre o entorno do que tínhamos antes de mandá-lo seguir. Então, nesse ponto, ele é muito mais capaz de tomar uma decisão e de fazer a coisa certa do que nós. Temos que aprender a não limitar demais o robô. E isso é exatamente uma das coisas mais difíceis de ensinar aos novatos na equipe: você fez uma simulação perfeita, mas precisa enxergar que ela é apenas isso, uma simulação. Não é real. E se não deixar um espaço de manobra, você irá falhar miseravelmente.

Com isso, temos essa coisa de “guardar num cantinho”, em que, para a autonomia, meio que queremos que os humanos digam “eu tenho um palpite, quero ficar um pouco mais nessa área”. Pode ser cem metros, certo? Sabe, uma área grande mesmo. Então criamos essa coleira para controlar a exploração, mas a arte está em saber o quanto soltar.

Shervin Khodabandeh: Pode nos contar um pouco como você foi parar nessa posição? Vandi Verma: Eu me lembro de assistir a chegada dos veículos exploradores a Marte. Estava na faculdade, cursando meu PhD em robótica, exatamente na hora. E foi maravilhoso ver como se podia aplicar a teoria a uma máquina real, e vê-la fazer alguma coisa em um ambiente real. Eu já vinha trabalhando com IA, na verdade. Meu mestrado tinha sido em IA e era fascinante. Mas ali, havia algo tão legal com um robô que você podia ver funcionar no mundo concreto. E eu amo exploração espacial: a combinação de espaço e robótica era simplesmente perfeita.

E os robôs acabaram durando tanto, a missão a Marte extrapolou o esperado – esperava-se durar 90 dias – que eu terminei o curso e eles estavam ainda em Marte. E, sendo sincera, não imaginei que eu fosse trabalhar com eles, e eu consegui.

Então eu acho que foi meio assim que aconteceu. Eu tinha fascinação por isso e, quando eu estava estudando, existe uma série de colaborações entre a NASA e as universidades, porque uma grande parte da missão é voltada para o ensino. E você acaba sendo exposto a esse ambiente. Você pode trabalhar em questões que interessam à NASA, e minha tese tinha muito a ver com isso e eu entrei na agência.

Sam Ransbotham: Você tem alguns engenheiros que agradecem pela longevidade da missão, o que permitiu que você se juntasse a ela. Temos uma parte do programa em que fazemos algumas perguntas rápidas. Só responda com a primeira coisa que vier à cabeça. O que você vê como a maior oportunidade para IA neste momento?

Vandi Verma: Acho que a maior oportunidade está em robótica, honestamente.

Sam Ransbotham: Qual a ideia mais equivocada que as pessoas têm sobre inteligência artificial?

Vandi Verma: Acho que a ideia mais equivocada é de que ela não pode extrapolar.

Sam Ransbotham: Qual a sua primeira ideia de carreira?

Vandi Verma: Eu queria pilotar aviões. Meu pai era piloto. Eu queria ser piloto.

Sam Ransbotham: Você acha que existem lugares em que estamos forçando a barra em tornar a IA uma solução quando não é o caso? E estamos usando essa ferramenta em algum lugar errado?

Vandi Verma: Acho que isso poderia ser dito em algumas situações sobre redes neurais, até certo ponto. Na verdade, não me sinto tão à vontade para dizer, este lugar é errado. Depende da situação para saber se vale a pena, dado o grau atual de desenvolvimento da tecnologia. Acho que depende só do seu horizonte e do seu limite.

Sam Ransbotham: O que você acha que seria bem legal que a inteligência artificial pudesse fazer e que ainda não é capaz? O que seria essa única coisa que você mudaria?

Vandi Verma: Uma das coisas é que nós temos uma quantidade muito, muito grande de dados. E uma das limitações para sua aplicação em algumas explorações espaciais é que ainda precisamos de muita auditoria dos tokens ou do que se extrai desses dados. Acho que ainda tem muitos ajustes a serem feitos. Esse é o desafio, creio eu. Se pudermos superar esse limite, acho que o potencial seria desbloqueado.

Vandi Verma é engenheira-chefe e gestora da área de Mobilidade e Robótica no Jet Propulsion Laboratory da Nasa. Também chefia as operações do robô explorador Perseverance, em Marte, desde 2020, tendo ocupado anteriormente outras posições nessa mesma área. Verma trabalha no desenvolvimento de novas habilidades robóticas, incluindo P&D, definição de missão, protótipos, desenvolvimento de voos, testes, lançamento e pouso e participa das operações com robôs em Marte desde 2008, nas missões Spirit, Opportunity, Curiosity, Perseverance e do helicóptero Ingenuity. Antes de fazer parte do JPL, comandou, na própria Nasa, a equipe do Ames Research Center, responsável pelo desenvolvimento do PLEXIL (Plan Execution Interchange Language) para sistemas de funcionamento autônomo, bem como de tecnologia usada em exploração espacial, tanto tripulada como por equipamentos. Verma obteve seu doutorado em robótica na Carnegie Mellon University em 2005.