Inteligência Artificial O que é e qual sua importância?

A Inteligên­cia arti­fi­cial (IA) pos­si­bili­ta que máquinas apren­dam com exper­iên­cias, se ajustem a novas entradas de dados e per­formem tare­fas como seres humanos. A maio­r­ia dos exem­p­los de IA sobre os quais você ouve falar hoje – de com­puta­dores mestres em xadrez a car­ros autônomos – depen­dem de deep learn­ing e proces­sa­men­to de lin­guagem nat­ur­al. Com essas tec­nolo­gias, os com­puta­dores podem ser treina­dos para cumprir tare­fas especí­fi­cas ao proces­sar grandes quan­ti­dades de dados e recon­hecer padrões ness­es dados.

História da Inteligência Artificial

O ter­mo inteligên­cia arti­fi­cial foi cri­a­do em 1956, mas só se pop­u­lar­i­zou hoje graças aos cres­centes vol­umes de dados disponíveis, algo­rit­mos avança­dos, e mel­ho­rias no poder e no armazena­men­to com­puta­cionais.

As primeiras pesquisas de IA nos anos 1950 explo­raram temas como a res­olução de prob­le­mas e méto­dos sim­bóli­cos. Na déca­da de 1960, o Depar­ta­men­to de Defe­sa dos EUA se inter­es­sou por este tipo de tec­nolo­gia e começou a treinar com­puta­dores para imi­tar o raciocínio humano bási­co. Por exem­p­lo, a Defense Advanced Research Projects Agency (DARPA) com­ple­tou um pro­je­to de mapea­men­to de ruas nos anos 1970. E a DARPA criou assis­tentes pes­soais inteligentes em 2003, muito tem­po antes de Siri, Alexa ou Cor­tana serem nomes comuns do nos­so cotid­i­ano.

Ess­es primeiros tra­bal­hos prepararam o cam­in­ho para a automação e o raciocínio for­mal que vemos nos com­puta­dores de hoje, incluin­do sis­temas de apoio à decisão e sis­temas inteligentes de pesquisa que podem ser pro­je­ta­dos para com­ple­men­tar e expandir as capaci­dades humanas.

Enquan­to os filmes de Hol­ly­wood e os romances de ficção cien­tí­fi­ca retratam a inteligên­cia arti­fi­cial como robôs humanoides que dom­i­nam o mun­do, a evolução atu­al das tec­nolo­gias de IA não é tão assus­ta­do­ra – ou tão inteligente assim. Em vez dis­so, a IA evoluiu para fornecer muitos bene­fí­cios especí­fi­cos para todas as indús­trias. Con­tin­ue lendo para con­hecer exem­p­los atu­ais de inteligên­cia arti­fi­cial em oper­ado­ras de saúde, vare­jo e mais.

Qual é a importância da inteligência artificial?

A IA autom­a­ti­za a apren­diza­gem repet­i­ti­va e a descober­ta a par­tir dos dados. Mas a inteligên­cia arti­fi­cial é difer­ente da automação robóti­ca guia­da por hard­wares. Em vez de autom­a­ti­zar tare­fas man­u­ais, a IA real­iza tare­fas fre­quentes, volu­mosas e com­puta­dorizadas de modo con­fiáv­el e sem fadi­ga. Para este tipo de automação, a inter­fer­ên­cia humana ain­da é essen­cial na con­fig­u­ração do sis­tema e para faz­er as per­gun­tas cer­tas;

A IA adi­ciona inteligên­cia a pro­du­tos exis­tentes. Na maio­r­ia dos casos, a inteligên­cia arti­fi­cial não será ven­di­da como uma apli­cação indi­vid­ual. Pelo con­trário, os pro­du­tos que você já uti­liza serão apri­mora­dos com fun­cional­i­dades de IA, de maneira pare­ci­da como a Siri foi adi­ciona­da aos pro­du­tos da Apple. Automação, platafor­mas de con­ver­sa, robôs e apar­el­hos inteligentes podem ser com­bi­na­dos com grandes quan­ti­dades de dados para apri­morar muitas tec­nolo­gias para casa e escritório, de inteligên­cia em segu­rança à análise de inves­ti­men­tos;

A IA se adap­ta através de algo­rit­mos de apren­diza­gem pro­gres­si­va para deixar que os dados façam a pro­gra­mação. A IA encon­tra estru­turas e reg­u­lar­i­dades nos dados para que o algo­rit­mo adquira uma capaci­dade: ele se tor­na um clas­si­fi­cador ou pred­i­cador. Então, assim como o algo­rit­mo pode ensi­nar a si mes­mo a jog­ar xadrez, ele pode ensi­nar a si mes­mo quais pro­du­tos recomen­dar em segui­da. E os mod­e­los se adap­tam quan­do recebem mais dados. Propa­gação retroa­t­i­va é uma téc­ni­ca de IA que per­mite que o mod­e­lo se ajuste, através de treina­men­to e com a entra­da de novos dados, quan­do a primeira respos­ta não está total­mente cor­re­ta;

A IA anal­isa e mais dados, e em maior pro­fun­di­dade usan­do redes neu­rais que pos­suem muitas camadas escon­di­das. Con­stru­ir um sis­tema de detecção de fraudes com cin­co camadas escon­di­das era quase impos­sív­el alguns anos atrás. Tudo isso mudou com um pode­rio com­puta­cional impres­sio­n­ante e big data. Você pre­cisa de muitos dados para treinar mod­e­los de deep learn­ing porque eles apren­dem dire­ta­mente com os dados. Quan­to mais dados você pud­er colo­car neles, mais pre­cisos eles se tor­nam;

A IA atinge uma pre­cisão incrív­el através de redes neu­rais pro­fun­das – o que antes era impos­sív­el. Por exem­p­lo, suas inter­ações com a Alexa, pesquisas do Google e Google Fotos são todas baseadas em deep learn­ing – e elas con­tin­u­am fican­do mais pre­cisas con­forme as vamos uti­lizan­do. Na área médi­ca, téc­ni­cas de IA baseadas em deep learn­ing, clas­si­fi­cação de ima­gens e recon­hec­i­men­to de obje­tos podem ago­ra ser usadas para encon­trar cânceres em ressonân­cias com a mes­ma pre­cisão de radi­ol­o­gis­tas bem treina­dos;

A IA obtém o máx­i­mo dos dados. Quan­do algo­rit­mos apren­dem soz­in­hos, os dados em si podem se tornar pro­priedade int­elec­tu­al. As respostas estão nos dados; você só pre­cisa aplicar IA para extraí-las. Uma vez que o papel dos dados é mais impor­tante do que nun­ca, eles podem cri­ar uma van­tagem com­pet­i­ti­va. Se você pos­suir dados numa indús­tria com­pet­i­ti­va, e ain­da que todos estiverem colo­can­do téc­ni­cas semel­hantes em práti­ca, gan­ha quem tiv­er o mel­hor con­jun­to de dados.

Como a inteligência artificial está sendo usada?

Toda indús­tria pos­sui uma alta deman­da pelas fun­cional­i­dades da IA – espe­cial­mente sis­temas de per­gun­tas e respostas que podem ser uti­liza­dos para assistên­cia jurídi­ca, bus­ca de patentes, noti­fi­cações de risco e pesquisas médi­cas. Out­ros usos de IA incluem:

Operadoras de saúde

Apli­cações de inteligên­cia arti­fi­cial podem resul­tar em medica­men­tos e leituras de raio X per­son­al­iza­dos. Assis­tentes pes­soais podem agir como treinadores, lem­bran­do você de tomar seus remé­dios, se exerci­tar ou com­er ali­men­tos saudáveis.

Varejo

A IA pro­por­ciona fun­cional­i­dades para lojis­tas vir­tu­ais, como ofer­e­cer recomen­dações per­son­al­izadas e nego­ciar paga­men­tos com os con­sum­i­dores. Tec­nolo­gias de gestão de estoque e lay­out de sites tam­bém são mel­ho­radas com IA.

Manufatura

A IA pode anal­is­ar dados da Inter­net das Coisas de fábri­c­as con­forme eles são trans­mi­ti­dos de equipa­men­tos conec­ta­dos para pre­v­er car­rega­men­tos e deman­das usan­do redes recor­rentes, um tipo especí­fi­co de rede de deep learn­ing apli­ca­da a dados sequen­ci­ais.

Esportes

A inteligên­cia arti­fi­cial é usa­da para cap­turar ima­gens de par­tidas e fornecer relatórios aos treinadores sobre como orga­ni­zar mel­hor o jogo, o que inclui

Quais são os desafios de usar inteligência artificial?

A inteligên­cia arti­fi­cial irá trans­for­mar todas as indús­trias, mas nós pre­cisamos enten­der os seus lim­ites.

A prin­ci­pal lim­i­tação da IA é que ela aprende com os dados. Não há out­ra maneira de incor­po­rar con­hec­i­men­to a ela. Isso sig­nifi­ca que qual­quer impre­cisão nos dados se refle­tirá nos resul­ta­dos. E qual­quer cama­da adi­cional de pre­visão ou análise pre­cisa ser adi­ciona­da sep­a­rada­mente.

Os sis­temas de inteligên­cia arti­fi­cial de hoje são treina­dos para realizar tare­fas bem definidas. O sis­tema que joga pok­er não pode jog­ar paciên­cia ou xadrez. O sis­tema que detec­ta fraudes não pode diri­gir um car­ro ou dar con­sel­hos jurídi­cos. Na ver­dade, um sis­tema de IA que detec­ta fraudes no setor de saúde não pode pre­cisa­mente detec­tar fraudes fis­cais ou sobre sin­istros de garan­tia.

Em out­ras palavras, ess­es sis­temas são muito especí­fi­cos. Eles focam em uma úni­ca tare­fa e estão longe de se com­portarem como seres humanos.

Da mes­ma maneira, sis­temas de auto-apren­diza­gem não são sis­temas autônomos. As tec­nolo­gias nov­el­izadas de IA que você vê em filmes e na TV ain­da são histórias de ficção cien­tí­fi­ca. Mas com­puta­dores que podem exam­i­nar dados com­plex­os para apren­der e aper­feiçoar tare­fas especí­fi­cas estão se pop­u­lar­izan­do.

Como a inteligência artificial funciona?

A IA fun­ciona ao com­bi­nar grandes quan­ti­dades de dados com proces­sa­men­to rápi­do e inter­a­ti­vo e algo­rit­mos inteligentes, per­mitin­do ao soft­ware apren­der auto­mati­ca­mente com padrões ou infor­mações nos dados. Inteligên­cia arti­fi­cial é um cam­po de estu­do amp­lo, que englo­ba muitas teo­rias, méto­dos e tec­nolo­gias, assim como os seguintes sub­cam­pos:

Machine learn­ing autom­a­ti­za a con­strução de mod­e­los analíti­cos. Ele usa méto­dos de redes neu­rais, estatís­ti­ca, pesquisas de oper­ações e físi­ca para encon­trar insights escon­di­dos em dados, sem ser especi­fi­ca­mente pro­gra­ma­do para olhar um deter­mi­na­do lugar ou chegar a uma deter­mi­na­da con­clusão.

Uma rede neur­al é um tipo de machine learn­ing com­pos­ta de unidades inter­conec­tadas (como neurônios), que proces­sam infor­mações ao respon­der a entradas exter­nas, retrans­mitin­do-as entre as unidades. O proces­so requer pas­sagens múlti­plas nos dados para encon­trar conexões e extrair sig­nifi­ca­dos de dados não-definidos.

Deep learn­ing uti­liza grandes redes neu­rais com muitas camadas de unidades de proces­sa­men­to, aprovei­tan­do-se de avanços no poder com­puta­cional e em téc­ni­cas de treina­men­to apri­moradas para apren­der padrões com­plex­os em grandes quan­ti­dades de dados. Apli­cações comuns incluem recon­hec­i­men­to de imagem e fala.

Com­putação cog­ni­ti­va é um sub­cam­po de IA que alme­ja uma inter­ação nat­ur­al e humana com máquinas. Uti­lizan­do IA e com­putação cog­ni­ti­va, o obje­ti­vo final é que a máquina simule proces­sos humanos através da capaci­dade de inter­pre­tar ima­gens e fala – e, então, falar coer­ente­mente em respos­ta.

Visão com­puta­cional depende do recon­hec­i­men­to de padrões e de deep learn­ing para enten­der o que há em uma imagem ou vídeo. Quan­do máquinas podem proces­sar, anal­is­ar e enten­der ima­gens, eles podem cap­turar ima­gens ou vídeos em tem­po real e inter­pre­tar o que há ao redor delas.

Proces­sa­men­to de lin­guagem nat­ur­al (PLN) é a capaci­dade que os com­puta­dores tem de anal­is­ar, enten­der e ger­ar lin­guagem humana, incluin­do fala. O próx­i­mo está­gio do PLN é a inter­ação de lin­guagem nat­ur­al, que per­mite que seres humanos se comu­niquem com com­puta­dores uti­lizan­do lin­guagem nor­mal, de uso diário, para realizar tare­fas.

Adi­cional­mente, diver­sas tec­nolo­gias pos­si­bili­tam e ofer­e­cem suporte à IA:

Unidades de proces­sa­men­to grá­fi­co são essen­ci­ais para a IA, porque fornecem o poder com­puta­cional pesa­do que é necessário para o proces­sa­men­to con­tín­uo. Treinar redes neu­rais requer big data e poder com­puta­cional.
A Inter­net das Coisas gera grandes quan­ti­dades de dados a par­tir de apar­el­hos conec­ta­dos, sendo que a maio­r­ia deles não são anal­isa­dos. Autom­a­ti­zar mod­e­los com IA per­mi­tirão um maior uso deles.

Algo­rit­mos avança­dos estão sendo desen­volvi­dos e com­bi­na­dos em novas maneiras para anal­is­ar mais dados, mais rap­i­da­mente e em múlti­p­los níveis. Esse proces­sa­men­to inteligente é essen­cial para iden­ti­ficar e pre­v­er even­tos raros, enten­den­do sis­temas com­plex­os e otimizan­do cenários úni­cos.

APIs são pacotes portáteis de códi­gos que pos­si­bili­tam a adição de fun­cional­i­dades de IA a pro­du­tos exis­tentes e pacotes de soft­ware. Eles podem adi­cionar capaci­dades de recon­hec­i­men­to de ima­gens a sis­temas de segu­rança domés­ti­ca e capaci­dades de per­gun­tas e respostas que descrevem dados, cri­am leg­en­das e títu­los ou chamam atenção para padrões inter­es­santes e insights nos dados.

Em resumo, o obje­ti­vo da IA é fornecer soft­wares que pos­sam racioci­nar sobre as entradas e explicar as saí­das de dados. A inteligên­cia arti­fi­cial fornece inter­ações quase humanas com soft­wares e ofer­ece apoio a decisões para tare­fas especí­fi­cas, mas ela não é uma sub­sti­tu­ição aos seres humanos – e tam­bém não será por bas­tante tem­po.