Este artigo tem como objetivo relacionar os principais conceitos no campo da inteligência artificial, bem como traçar um panorama atual e discutir os possíveis desdobramentos.

O que é inteligência artificial ou IA

O campo da inteligência artificial não é novo. Esse conceito foi criado pelo professor de matemática John McCarthy em 1955, e o campo de pesquisa surgiu em meados de 1956, na conferência de Dartmouth College. Seus “fundadores”, Minsky e McCarthy, descreveram a inteligência artificial como qualquer tarefa realizada por um programa ou uma máquina que, se tivesse sido realizada por um ser humano, diríamos que o ser humano teve que aplicar inteligência para realizar a tarefa. Em suma, podemos dizer que o núcleo da IA é composto por programas ou máquinas que podem ser usados ​​para executar ou aumentar o potencial de execução de tarefas humanas.

Ainda estamos a algumas décadas da construção de máquinas com esse grau de complexidade. Neste sentido, o termo “singularidade” tem sido usado para descrever o momento quando a inteligência artificial (IA) adquire consciência de si mesma e, ao fazê-lo, reflete perfeitamente o estado da humanidade. O futurista e fundador da Singularity University, Ray Kurzweil, prevê que este feito pode ser alcançado de 2045.

Por ora, vimos esse campo evoluir para ajudar a criar sistemas que agora podem demonstrar pelo menos alguns dos seguintes comportamentos: aprendizado, solução de problemas, representação do conhecimento, percepção, movimento e algum nível de criatividade.

Quais são as aplicações da IA

Hoje, a inteligência artificial está à nossa volta. A maioria de nós interage com a IA de alguma forma no dia a dia. Ela é usada para recomendar o que você deve comprar, temos chatbots participando do comércio de conversação, ou conversational commerce, e assistentes virtuais como Alexa da Amazon, Google Assistant e Siri da Apple para ajudar nas atividades cotidianas. E a lista segue: reconhecimento facial, detecção de fraudes de cartão de crédito, spam e fake news e carros autônomos.

E ainda que a IA já esteja em uso em milhares de empresas ao redor do mundo, muitas oportunidades ainda estão por surgir. Setores inteiros precisarão incorporar a IA em seus modelos de negócios, produtos e processos. Por exemplo, podemos citar a equipe DeepMind do Google, que usou os sistemas de machine learning (ML) para melhorar em mais de 15% a eficiência do resfriamento em data centers, mesmo depois de este já ter sido otimizado por especialistas humanos. Já o banco JPMorgan Chase introduziu um sistema para rever acordos de empréstimo comercial. O trabalho que levaria aos agentes de crédito 360.000 horas para completar, agora pode ser feito em poucos segundos. A inteligência artificial pode ainda ter um impacto dramático na área da saúde, ajudando radiologistas a detectar tumores em raios-x, auxiliando pesquisadores a identificar sequências genéticas relacionadas a doenças e moléculas que poderiam levar a medicamentos mais eficazes.

A economia da IA

Por mais de dois séculos, as inovações tecnológicas impulsionaram o crescimento econômico. As mais importantes são aquelas que podemos classificar como tecnologias de propósito geral. Nesta categoria, incluímos o motor a vapor, a eletricidade e o motor de combustão interna – cada um desses exemplos catalisou ondas de inovação e oportunidades complementares. Hoje em dia, a inteligência artificial é provavelmente a maior promessa das tecnologias de propósito geral. De acordo com a IDC (International Data Corporation), a adoção de sistemas cognitivos e IA levará as receitas em todo o mundo de quase US $ 8 bilhões em 2016 para mais de US $ 47 bilhões em 2020.

O caminho é liderado por gigantes da tecnologia como Google, Amazon, Apple, Microsoft, Facebook e IBM. No entanto, seria um erro pensar que as empresas norte-americanas dominam o campo da IA. As empresas chinesas Alibaba, Baidu e Lenovo estão investindo pesadamente em IA em áreas que vão do comércio eletrônico à direção autônoma, e a China está buscando um plano para transformar a inteligência artificial em uma indústria central para o país até 2020.

Quanto ao emprego, embora a IA não substitua todas as funções, parece certo que a IA mudará a natureza do trabalho. Por exemplo, a Amazon acaba de lançar o Amazon Go em Seattle, um supermercado sem caixa onde os clientes simplesmente pegam itens nas prateleiras e saem. A Amazon tem mais de 100.000 robôs em seus centros de atendimento e está investindo em novos tipos de robôs que possam automatizar o restante dos trabalhos manuais. Empregos na área da Administração nem sequer exigirão robótica, já que os softwares se tornam cada vez melhores em atualizar os sistemas automaticamente, sinalizando a informação importante. Mas nem para todos o copo está meio vazio. Para alguns, a IA é uma tecnologia que melhorará, ao invés de substituir, o trabalho das pessoas.

O instituto Future of Humanity, da Universidade de Oxford, pediu que especialistas previssem as capacidades de IA para as próximas décadas. Datas notáveis ​​incluíram motoristas de caminhão sendo despedidos em 2027, a IA superando as capacidades humanas no varejo até 2031 e fazendo o trabalho de um cirurgião em 2053. Eles estimaram que havia uma chance relativamente alta de que a IA superasse humanos em todas as tarefas dentro de 45 anos e automatizasse todos os trabalhos humanos dentro de 120 anos.

O que impulsiona a IA novo ciclo

Os maiores avanços para a pesquisa de IA nos últimos anos ocorreram no campo de machine learning, em particular no campo de deep learning. Em parte, isso foi impulsionado pela facilidade na disponibilidade de dados, e mais ainda por uma explosão no poder da computação paralela nos últimos anos, período durante o qual o uso de clusters de GPU para treinar sistemas de machine learning se tornou mais prevalente. Ao longo do tempo, as principais empresas de tecnologia, como o Google, migraram para o uso de chips especializados. Um exemplo desses chips personalizados é a unidade de processamento tensor (TPU) do Google.

Tipos de IA

Em um nível muito alto, a inteligência artificial pode ser dividida em dois tipos bem amplos: IA aplicada e IA geral. Hoje em dia, o que podemos fazer se enquadra no conceito de “IA Aplicada”, ou seja, técnicas capazes de realizar tarefas específicas, tão bem quanto, ou melhor que, nós humanos.  Como representantes dessas técnicas, temos: Machine Learning, Computação Cognitiva, Visão Computacional, Processamento de Linguagem Natural (PNL) e Deep Learning.

Por outro lado, a IA geral é o tipo de intelecto adaptável encontrado nos seres humanos, uma forma de inteligência capaz de aprender a realizar tarefas muito diferentes com base em sua própria experiência acumulada. Este é o tipo de IA comumente visto em filmes, como a Skynet no Exterminador do futuro.

O que é machine learning?

Machine learning, ou aprendizado de máquina, é onde um sistema de computador é alimentado com grandes quantidades de dados, que ele usa para aprender a executar uma tarefa específica, como entender a fala, por exemplo. Machine learning é um subconjunto da IA ​​e geralmente é dividido em aprendizado por reforço, aprendizado supervisionado e não supervisionado. O aprendizado supervisionado é uma técnica usada para treinar o sistema usando um grande número de exemplos rotulados. Aqui, o sistema é alimentado com uma enorme quantidade de dados. Em contraste, algoritmos de aprendizado não supervisionados tentam identificar padrões em dados, procurando semelhanças que possam ser usadas para categorizar esses dados. No aprendizado de reforço, o sistema tenta maximizar uma recompensa com base em seus dados de entrada, basicamente passando por um processo de tentativa e erro até chegar ao melhor resultado possível.

O que é deep learning?

Deep learning, ou aprendizado profundo, é outra parte integrante de machine learning, onde as redes neurais (redes inspiradas no cérebro, formadas por camadas interconectadas de algoritmos) são expandidas em redes alastradas com um grande número de camadas, que são treinadas usando grandes quantidades de dados.

Existem vários tipos de redes neurais, como redes neurais recorrentes, redes neurais convolucionais e memória long short-term ou LSTM, por exemplo. Outra área de pesquisa da IA é a computação evolucionária, que se empresta da famosa teoria da seleção natural de Darwin, e vê os algoritmos genéticos sofrerem mutações aleatórias e combinações entre gerações, na tentativa de desenvolver a solução ótima para um determinado problema.

O “hype”, os riscos e as limitações

Embora existam riscos, limites e muita agitação em torno desse tipo de tecnologia, todos nós, e as empresas de todos os setores podem se beneficiar dessa tecnologia. O importante é não se deixar fascinar por uma técnica em particular, como se essa tecnologia fosse, por si só, a resposta. Também é importante que nós, o governo e as empresas permaneçam engajados em diálogo contínuo sobre os efeitos dessas tecnologias no emprego, na educação e na sociedade.

Originalmente publicado por Thiago Trida em Medium