Inteligência Artificial: a realidade por trás do que Hollywood te contou

Tempo de leitura: 5 minutos

A Inteligência Artificial (IA), tão explorada e idealizada em milhares de filmes, já faz parte da nossa realidade. É ela quem possibilita que as máquinas aprendam com as experiências, se adaptem a novos dados e trabalhem tal qual seres humanos.

Grande parte do que se ouve falar hoje sobre IA – carros autônomos, computadores mestres em xadrez – dependem do processamento de linguagem natural e de deep learning.  É através dessa tecnologia que podemos treinar computadores para processar um grande volume de dados e reconhecer os seus padrões. 

Porém, o que falamos hoje sobre inteligência artificial – que nasceu da demanda crescente dos volumes de dados, algoritmos e armazenamento computacionais – na verdade foi criado em 1956.

Tudo começou na necessidade de descobrir resoluções de problemas e métodos simbólicos. Já nos anos 60 o Departamento de Defesa dos EUA começou a treinar computadores para imitar o raciocínio básico humano. A Defense Advanced Research Projects Agency (DARPA) conseguiu, através da IA, mapear ruas nos anos 70 e, muito antes da Siri significar algo, ela criou assistentes pessoais inteligentes. 

Foram esses primeiros passos que construíram um sólido caminho para o raciocínio formal e a automação que conhecemos nos computadores hoje e isso inclui sistemas de apoio à decisão e sistemas inteligentes de pesquisa que expandem a capacidade humana.

Não há necessidade de ficar assustado com a evolução. A IA não é sobre robôs com aparência humana que dominam o mundo e escravizam os humanos, na verdade a Inteligência Artificial não nasceu para nos substituir. A IA evoluiu para fornecer os mais variados benefícios para todos os tipos de indústria.

 

A importância da inteligência artificial

Elencamos alguns tópicos para deixar clara a importância da inteligência artificial na forma como vivemos e trabalhamos hoje.

  • A Inteligência Artificial automatiza a aprendizagem e a descoberta a partir dos dados de uma forma diferente da automação robótica guiada por hardwares. Ela não automatiza tarefas manuais, mas de modo seguro e sem desgaste ela realiza tarefas computadorizadas, com grande volume e que acontecem de forma frequente. Aqui a interferência humana ainda é necessária e cabe a ela configurar o sistema e fazer as perguntas corretas;
  • Ela adiciona inteligência a produtos que já existem – mas não é vendida como uma aplicação individual. A Inteligência Artificial aprimora funcionalidade, um exemplo disso é a Siri que foi adicionada a tecnologia da Apple. Robôs, aparelhos inteligentes, automação, tudo pode ser combinado com uma imensidão de dados para aprimorar tecnologias, de inteligência em segurança à análise de investimentos;
  • A IA é adaptável através de algoritmos de aprendizagem progressiva que permitem que os dados façam a programação. Ela descobre estruturas e regularidades para que o algoritmo ganhe uma nova capacidade – de ser classificador ou predicador. É dessa mesma forma que ele aprende xadrez ou até mesmo como recomendar os melhores produtos. E quanto maior o volume de dados, mais adaptável é. Uma técnica importante da Inteligência Artificial é a Propagação retroativa que se ajusta quando a primeira resposta não está 100% correta.
  • O que antes era impossível agora tornou-se realidade. A Inteligência Artificial é extremamente precisa através de redes neurais profundas. O maior exemplo aqui é são as pesquisas do Google e Google fotos, que são baseadas em deep learning. Na área médica essas mesmas técnicas podem ser usadas para reconhecer cânceres em ressonâncias, por exemplo.
  • Quando a Inteligência Artificial obtém o máximo de dados os algoritmos aprendem sozinhos e se tornam propriedade intelectual. As respostas estão todas lá e a IA é quem extraí. Isso faz com que se crie uma vantagem competitiva. Ainda que todas as empresas utilizem técnicas semelhantes, ganha quem tiver o melhor conjunto de dados. 

 

Como funciona a Inteligência Artificial

A Inteligência artificial combina dados e os processa de forma rápida e interativa com algoritmos inteligentes. É ainda um campo de estudo muito amplo e tem vários subcampos como: 

Machine learning 

É o que automatiza a construção de modelos analíticos. Através de métodos de redes neurais, ela chega a conclusões através de pesquisas de operações e física, que geram insights, antes escondidos em dados, sem ser especificamente programado.

Deep learning 

São redes neurais de muitas camadas de processamento que, através de técnicas de treinamento e avanços computacionais, aprimoram o aprendizado de padrões complexos de grandes quantidades de dados. As aplicações incluem reconhecimento de imagem e fala.

Computação cognitiva 

O maior objetivo é criar uma interação natural entre humanos e máquinas. Combinada com a Inteligência Artificial uma máquina consegue simular processos humanos interpretando imagens e fala e respondendo coerentemente.

 

Tecnologias que possibilitam e oferecem suporte à IA

  • Unidades de processamento gráfico: fornecem poder computacional que é extremamente necessário para o processamento contínuo. Para treinar redes neurais é preciso big data e poder computacional.
  • Internet das Coisas: automatizando modelos com Inteligência Artificial é possível analisar – e usar – dados que muitas vezes são esquecidos e que são gerados em grandes quantidades.
  • Algoritmos avançados: são combinados de maneiras diferentes para se tornarem mais rápidos e com nível mais alto de forma a melhorar a análise de dados. Isso é essencial para prever eventos raros e entender sistemas complexos em cenários exclusivos.
  • APIs: como já falamos aqui eles integram funcionalidades de Inteligência Artificial a produtos existentes e pacotes de software. Podem incluir capacidades novas como: reconhecimento de imagem, perguntas e respostas e até a geração de insights através dos dados.

 

Onde está sendo usada a Inteligência Artificial

É natural que exista uma grande demanda por funcionalidades da Inteligência Artificial, seja em sistemas de perguntas e respostas, notificações de risco, pesquisas. A IA é usada atualmente em: 

Manufatura

A IA analisa os dados da Internet das Coisas das fábricas na hora em que são transmitidos. Ela prevê demandas e carregamentos usando redes recorrentes. Esse é um tipo muito específico aplicado a dados sequenciais de rede de deep learning.

Operadoras de saúde

É possível ter leituras de raio X e medicamentos personalizados através das aplicações de Inteligência Artificial. Basicamente são treinadores que avisam quando tomar os medicamentos, quais exercícios fazer ou qual é a melhor opção de alimentação saudável. 

Varejo

Para lojistas virtuais a Inteligência Artificial personaliza recomendações e possibilita negociar pagamentos com consumidores. Ela também está atrelada às tecnologias de gestão de estoque e layout de sites.

Esportes

Os treinadores, através da IA, podem contar com a captura de imagens durante as partidas e com relatórios que são gerados após elas para organizar melhor o jogo, otimizar estratégias e realinhar posições. 

 

Desafios da Inteligência Artificial

A IA já transforma diariamente as empresas, mas é necessário entender quais são os limites. A maior limitação aqui é que ainda não há outra forma de incorporar o conhecimento que não pelos dados, ou seja, qualquer informação imprecisa aparecerá nos resultados. 

Outro ponto é que as tarefas programadas são bem definidas. O sistema faz apenas uma atividade por vez: ou joga damas ou xadrez; ou detecta fraudes ou dá conselhos jurídicos. E pode ser ainda mais específico. Não quer dizer que um sistema de IA que encontra fraudes fiscais vai encontrar fraudes em sistemas de saúde. Muito longe de se comportar como humanos, esses sistemas focam em apenas uma tarefa. 

E, por mais que os computadores já possam examinar dados completos, e aprender com eles, a IA está longe das histórias de ficção científica que vemos por aí. Isso porque os sistemas auto-aprendizagem não são sistemas autônomos.  Resumindo, a Inteligência Artificial objetiva fornecer aos softwares raciocínio sobre entradas e saídas de dados. Ela fornece o que é necessário para se interagir, de forma quase humana, com softwares e dá apoio na tomada de decisões para tarefas específicas