ABC da inteligência artificial

Mar 7, 2021 | Descobrir

Vota este post
TEXTO JAVIER ORTEGA | FOTOGRAFIA MAPFRE, ISTOCK

Hoje em dia, já não nos surpreendemos mais ao encontrar publicidades personalizadas quando navegamos na internet ou ao receber, em plataformas de streaming, recomendações de conteúdos audiovisuais que parecem feitas por alguém que nos conhece melhor do que nós mesmos. No entanto, o potencial da inteligência artificial (IA), responsável por essas circunstâncias, vai muito além. Na atual pandemia de COVID-19, a inteligência artificial tem sido utilizada, por exemplo, para prever o número de leitos de UTI necessários ou em aplicativos de diagnóstico rápido da doença por meio da análise de raios-X. Saúde, educação, mobilidade, finanças, seguros… Embora essa tecnologia passe agora pelo seu momento mais crítico, ela está se desenvolvendo há décadas e pode nos oferecer soluções em quase todos os âmbitos da nossa vida.

Sem que tenhamos ciência disso, às vezes, em nosso dia a dia, a inteligência artificial invade nossas rotinas. Ela é, em parte, responsável por garantir que cheguemos ao nosso destino a tempo quando procuramos uma rota no GPS ou pelo celular ordenar as fotos por lugar, temas ou pessoas sem que as tenhamos marcado. A IA também está por trás dos assistentes virtuais que atendem nossas ordens quando pedimos para acender a luz, colocar música, nos contar as novidades ou verificar o trânsito até o nosso trabalho; do nosso provedor de e-mail que filtra as mensagens que são spam; e também das redes sociais quando nos sugerem amizades.

Nossos colegas Mireia Rojo (especialista em Advanced Analytics) e Pedro Sacristán (Artificial Intelligence Lead) no explicam como essa nova revolução industrial está afetando todos os setores, “da agricultura (onde espera-se que seus avanços tenham mais impacto do que a própria introdução de maquinário) à saúde, na qual podemos ver algoritmos treinados com eficiência para detectar câncer por meio de imagens”. Companhias aéreas que modificam suas tarifas com base em cálculos em tempo real; investidores que compram na bolsa de valores assessorados pelas informações coletadas e processadas na internet com as quais preveem o comportamento de determinados valores nos mercados; empresas de logística que otimizam as rotas para a entrega de encomendas… A lista de áreas onde essas técnicas são aplicadas, entre as quais podemos incluir, é claro, os seguros, é ilimitada, segundo nossos especialistas. No início da década passada, apenas uma em cada 50 startups na Europa estava focada nesta tecnologia; agora, esse número é de praticamente uma em cada 10. É claro que a IA é e será, indiscutivelmente, protagonista em muitos modelos de negócios, mas para aproveitar todos os seus benefícios é essencial conhecer bem o seu funcionamento e seu potencial.

A base do algoritmo

Embora possa parecer algo muito moderno para nós, a inteligência artificial surgiu na década de 1950 como um ramo da ciência da computação. Especificamente, o termo foi cunhado em 1956 durante um encontro de especialistas em teoria da informação, redes neurais, computação, abstração e criatividade, realizado na Universidade de Darmouth (EU A). Mais do que uma tecnologia em si, como veremos, a IA é na verdade uma constelação de tecnologias que buscam permitir que as máquinas percebam, entendam, ajam e aprendam. Assim, essa disciplina procura desenvolver sistemas informáticos capazes de realizar tarefas normalmente atribuídas à inteligência humana, como, por exemplo, reconhecer objetos, identificar rostos, dirigir veículos, detectar doenças ou compreender a linguagem natural, falada e escrita, além de muitas outras coisas mais, quase tantas quanto as tarefas que nós, humanos, desenvolvemos em nosso dia a dia. Em todas essas tarefas, os algoritmos desempenham um papel fundamental.

Um algoritmo é um conjunto ordenado de instruções, operações, etapas e processos que permitem desenvolver uma tarefa específica ou encontrar uma solução para um problema. Mais concretamente, é como uma lista de instruções pré-estabelecidas que orientam as decisões a serem tomadas. Por exemplo, parar um veículo ao identificar uma placa de PARE. Os algoritmos são a essência de qualquer sistema de inteligência artificial e são treinados ao serem alimentados com a maior quantidade de dados possível, como referências, para que possam aprender melhor. Alguma vez, ao acessar a galeria de fotos do seu smartphone, já lhe apareceu uma mensagem pedindo para confirmar quem é a pessoa que aparece na foto? Isso tem muito a ver com o que falamos. O que o dispositivo está fazendo nesses casos é pedir sua ajuda na coleta de informações e treinamento em identificação facial. Refinando sua classificação, da próxima vez que você quiser pesquisar as fotos de um parente, basta digitar o nome dele para que o celular recupere todas as fotos associadas a essa pessoa em apenas um segundo.

LINHA DO TEMPO DA INTELIGÊNCIA ARTIFICIAL

1951

Surge a primeira rede neural: SNARC

1955

Nasce o conceito de Inteligência Artificial

1967

O primeiro modelo de reconhecimento de padrões é desenvolvido: Nearest Neighbor

1974 - 1980

Primeiro inverno da IA

1985

Criação do NetTalk que aprende a pronunciar palavras

1987 - 1993

Segundo inverno da IA

1997

Deep Blue derrota o campeão mundial de xadrez

2006

São desenvolvidos novos algoritmos chamados “Redes Neurais Profundas” que permitem detectar objetos em imagens e vídeos

2010

Watson ganha o concurso Jeopardy contra dois dos campeões

2016

AlphaGo derrota o campeão mundial

2018

Tesla lança veículos capazes de dirigir sozinhos

Como a IA aprende?

Dependendo das capacidades que uma máquina desenvolve em relação à inteligência humana, pode-se distinguir três tipos ou níveis de inteligência artificial: a IA suave ou fraca, a IA forte e a superinteligência, nos explicam Mireia e Pedro. A IA fraca é o que quase todas as empresas estão implementando hoje em dia e é destinada a resolver tarefas muito concretas e específicas. Nesse tipo de IA, as máquinas nos oferecem soluções que aprenderam por meio de padrões e tendências repetitivas, graças a algoritmos programados por humanos. É a IA utilizada, por exemplo, por assistentes virtuais como Siri (Apple), Alexa (Amazon) ou Assistant (Google) com os quais, aparentemente, podemos conversar, mas o que fazem de fato é nos oferecer respostas a pedidos específicos (como por exemplo “Me diga como está o tempo agora”) a partir dos resultados de uma pesquisa na internet ou em seus bancos de dados.

Por sua vez, espera-se que a IA forte tenha capacidades semelhantes às dos humanos ao tomar decisões de forma proativa, dedutiva e autoconsciente. Se for assim, os algoritmos poderiam entender, agir e tomar decisões sem esperar por ordens e sem ter que contar com a repetição da mesma tarefa continuamente. Até o momento, esse tipo de IA existe apenas no campo da ficção científica com exemplos em produções clássicas como 2001: Uma Odisseia no Espaço (1969), Blade Runner (1982) e Matrix (1999), e em produções mais recentes como Her (2014), Ex Machina (2015) e Upgrade (2018). Mais longe ainda está a superinteligência que, em teoria, ultrapassará as capacidades humanas tanto em inteligência quanto em habilidade.

Como indicamos anteriormente, a IA engloba diferentes técnicas que têm o objetivo final de que as máquinas aprendam por meio de padrões extraídos dos dados. A técnica principal é a aprendizagem automática, ou machine learning em inglês, que embora seja frequentemente confundido com a IA, é apenas uma parte dela. Essa técnica inclui processos nos quais as próprias máquinas criam suas regras (algoritmos) e previsões a partir dos dados fornecidos por humanos. É por causa dela, por exemplo, que os sistemas de tradução entre idiomas fornecidos por plataformas como o Google Tradutor têm melhorado muito nos últimos anos. O segredo é que, no início, ele traduzia a partir de regras sintáticas e agora traduz cruzando milhões de exemplos de traduções reais que estão na rede.

Dentro do machine learning há um subdomínio ou área mais específica onde redes neurais profundas são usadas; é o que conhecemos como deep learning. O deep learning, que cresceu muito nos últimos tempos, baseia sua potência em diversas camadas de processamento de informações (as redes neurais). O que o diferencia do machine learning é que são os próprios sistemas que aprendem sozinhos e se auto melhoram a partir da experiência que vão adquirindo.

Algumas aplicações da IA

PLN

Processamento de Linguagem Natural (PLN, ou NLP, na sua sigla em inglês) é um campo de aplicação da IA ligada à linguística que processa comandos (escritos ou falados) em uma linguagem natural para os humanos, ou seja, da mesma forma que nos comunicaríamos com outra pessoa.

COMPUTER SPEECH

Converte uma mensagem em linguagem humana de um formato para outro, por exemplo, de áudio para texto e vice-versa. Permite, por exemplo, transcrever gravações, fazer ditados ou fazer com que a própria máquina leia um documento.

COMPUTER VISION

Busca o reconhecimento pelas máquinas de qualquer tipo de informação visual, seja ela estática ou em movimento. Ao entender o conteúdo de uma fotografia, desenho ou vídeo, pode reconhecer pessoas ou identificar objetos e pode ser aplicada a vários processos em áreas como a da segurança, mobilidade, lazer…

ROBÓTICA

É uma aplicação da IA relacionada a todas as anteriores, já que um robô pode ser projetado para se mover, realizar ações ou compreender e produzir mensagens dependendo das capacidades que lhe sejam aplicadas ou da combinação de várias delas.

Share This