O que é Inteligência Artificial?

O que é Inteligência Artificial?

A inteligência artificial (IA) é um ramo abrangente da ciência da computação preocupado com a construção de máquinas inteligentes capazes de executar tarefas que tipicamente requerem inteligência humana. A IA é uma ciência interdisciplinar com múltiplas abordagens, mas os avanços na aprendizagem de máquinas e aprendizagem profunda estão criando uma mudança de paradigma em praticamente todos os setores da indústria tecnológica.

COMO FUNCIONA A INTELIGÊNCIA ARTIFICIAL?

Menos de uma década depois de quebrar a máquina de encriptação nazista Enigma e ajudar as Forças Aliadas a vencer a Segunda Guerra Mundial, o matemático Alan Turing mudou a história uma segunda vez com uma simples pergunta: “As máquinas podem pensar?”

O artigo de Turing “Computing Machinery and Intelligence” (1950), e o subseqüente Turing Test, estabeleceu o objetivo fundamental e a visão da inteligência artificial.

Em sua essência, a IA é o ramo da ciência da computação que visa responder afirmativamente à pergunta de Turing. É o esforço de replicar ou simular a inteligência humana em máquinas.

O objetivo expansivo da inteligência artificial tem dado origem a muitas perguntas e debates. Tanto assim, que nenhuma definição singular do campo é universalmente aceita.

A maior limitação em definir IA como simplesmente “construir máquinas que são inteligentes” é que isso não explica realmente o que é inteligência artificial? O que torna uma máquina inteligente?

No seu revolucionário livro didático Inteligência Artificial: Uma abordagem moderna, os autores Stuart Russell e Peter Norvig abordam a questão unificando o seu trabalho em torno do tema dos agentes inteligentes nas máquinas. Com isso em mente, IA é “o estudo dos agentes que recebem percepções do ambiente e realizam ações”. (Russel e Norvig viii)

Norvig e Russell continuam a explorar quatro abordagens diferentes que historicamente definiram o campo da IA:

1 – Pensando humanamente

2 – Pensando racionalmente

3 – Agindo humanamente

4 – Agindo racionalmente

As duas primeiras ideias dizem respeito a processos de pensamento e raciocínio, enquanto as outras lidam com o comportamento. Norvig e Russell focam particularmente em agentes racionais que agem para alcançar o melhor resultado, observando “todas as habilidades necessárias para o Teste de Turing também permitem que um agente aja racionalmente”. (Russel e Norvig 4).

Patrick Winston, o professor de inteligência artificial e ciência da computação da Ford no MIT, define IA como “algoritmos habilitados por restrições, expostos por representações que suportam modelos direcionados a loops que amarram pensamento, percepção e ação juntos”.

Embora essas definições possam parecer abstratas para uma pessoa comum, elas ajudam a focar o campo como uma área da ciência da computação e fornecem um plano para infusão de máquinas e programas com aprendizagem de máquinas e outros subconjuntos de inteligência artificial.

Enquanto se dirigia a uma multidão na Japan AI Experience em 2017, Jeremy Achin, CEO da DataRobot, começou seu discurso oferecendo a seguinte definição de como a IA é usada hoje:

“A IA é um sistema informático capaz de executar tarefas que normalmente requerem inteligência humana… Muitos desses sistemas de inteligência artificial são alimentados pela aprendizagem de máquinas, alguns deles são alimentados pela aprendizagem profunda e alguns deles são alimentados por coisas muito enfadonhas, como regras”.

COMO É QUE A IA É USADA?

A inteligência artificial geralmente se enquadra em duas grandes categorias:

IA estreita: às vezes referida como “IA fraca”, este tipo de inteligência artificial opera num contexto limitado e é uma simulação da inteligência humana. IA estreita é frequentemente focada em executar uma única tarefa extremamente bem e, embora estas máquinas possam parecer inteligentes, elas estão operando sob muito mais restrições e limitações do que até mesmo a inteligência humana mais básica.

Inteligência Geral Artificial (AGI): AGI, às vezes referida como “IA Forte”, é o tipo de inteligência artificial que vemos nos filmes, como os robôs de Westworld ou Data from Star Trek: The Next Generation. AGI é uma máquina com inteligência geral e, como um ser humano, ela pode aplicar essa inteligência para resolver qualquer problema.

EXEMPLOS DE INTELIGÊNCIA ARTIFICIAL

– Assistentes inteligentes (como Siri e Alexa)

– Ferramentas de mapeamento e previsão de doenças

– Fabricação e robôs de drone

– Recomendações de tratamento de saúde otimizadas e personalizadas

– Bots conversacionais para marketing e atendimento ao cliente

– Robo-conselheiros para negociação de ações

– Filtros Spam no e-mail

– Ferramentas de monitorização das redes sociais para conteúdos perigosos ou notícias falsas

– Recomendações de Spotify e Netflix para Canções ou Programas de TV

Inteligência Artificial Estreita

A IA estreita está à nossa volta e é facilmente a realização mais bem sucedida da inteligência artificial até à data. Com seu foco na realização de tarefas específicas, a IA Estreita tem experimentado inúmeros avanços na última década que tiveram “benefícios sociais significativos e contribuíram para a vitalidade econômica da nação”, de acordo com “Preparando para o Futuro da Inteligência Artificial”, um relatório de 2016 divulgado pelo governo Obama.

Alguns exemplos de IA Estreita incluem:

– pesquisa no Google

– Software de reconhecimento de imagem

– Siri, Alexa e outros assistentes pessoais

– Automóveis com autocondução

– Watson da IBM

Aprendizagem de Máquina e Aprendizagem Profunda

Grande parte da IA Estreita é alimentada por avanços na aprendizagem de máquinas e aprendizagem profunda. Entender a diferença entre inteligência artificial, aprendizagem de máquina e aprendizagem profunda pode ser confuso. O capitalista de risco Frank Chen fornece uma boa visão geral de como distingui-los, observando:

“A inteligência artificial é um conjunto de algoritmos e inteligência para tentar imitar a inteligência humana. A aprendizagem de máquinas é uma delas, e a aprendizagem profunda é uma dessas técnicas de aprendizagem de máquinas”.

Simplificando, a aprendizagem de máquinas alimenta os dados de um computador e utiliza técnicas estatísticas para ajudar a “aprender” a melhorar progressivamente uma tarefa, sem ter sido especificamente programada para essa tarefa, eliminando a necessidade de milhões de linhas de código escrito. A aprendizagem de máquinas consiste tanto na aprendizagem supervisionada (usando conjuntos de dados etiquetados) como na aprendizagem não supervisionada (usando conjuntos de dados não etiquetados).

Aprendizagem profunda é um tipo de aprendizagem de máquina que executa entradas através de uma arquitetura de rede neural de inspiração biológica. As redes neurais contêm uma série de camadas ocultas através das quais os dados são processados, permitindo que a máquina vá “fundo” em sua aprendizagem, fazendo conexões e ponderando as entradas para os melhores resultados.

Inteligência Geral Artificial

A criação de uma máquina com inteligência a nível humano que pode ser aplicada a qualquer tarefa é o Santo Graal para muitos pesquisadores de IA, mas a busca pela AGI tem sido cheia de dificuldades.

A busca por um “algoritmo universal para aprender e agir em qualquer ambiente”, (Russel e Norvig 27) não é nova, mas o tempo não diminuiu a dificuldade de essencialmente criar uma máquina com um conjunto completo de habilidades cognitivas.

A AGI tem sido há muito tempo a musa da ficção científica distópica, na qual robôs super-inteligentes se sobrepõem à humanidade, mas os especialistas concordam que não é algo com o qual nos tenhamos de preocupar tão cedo.

HISTÓRIA DA IA

Robôs inteligentes e seres artificiais apareceram pela primeira vez nos antigos mitos gregos da Antiguidade. O desenvolvimento do silogismo de Aristóteles e seu uso do raciocínio dedutivo foi um momento chave na busca da humanidade para entender sua própria inteligência. Embora as raízes sejam longas e profundas, a história da inteligência artificial, tal como a pensamos hoje em dia, abrange menos de um século. O seguinte é um rápido olhar sobre alguns dos eventos mais importantes da IA.

1943

. Warren McCullough e Walter Pitts publicam “A Logical Calculus of Ideas Immanent in Nervous Activity”. O artigo propõe o primeiro modelo matemático para a construção de uma rede neural.

1949

. No seu livro The Organization of Behavior: Uma Teoria Neuropsicológica, Donald Hebb propõe a teoria de que os caminhos neurais são criados a partir de experiências e que as ligações entre os neurónios se tornam mais fortes quanto mais frequentemente são usados. O aprendizado Hebbiano continua a ser um modelo importante na IA.

1950

. Alan Turing publica “Computing Machinery and Intelligence, propondo o que agora é conhecido como Teste de Turing, um método para determinar se uma máquina é inteligente.

. Os graduados de Harvard Marvin Minsky e Dean Edmonds constroem o SNARC, o primeiro computador de rede neural.

. Claude Shannon publica o artigo “Programando um Computador para Jogar Xadrez”.

. Isaac Asimov publica as “Três Leis da Robótica”.

1952

. Arthur Samuel desenvolve um programa de auto-aprendizagem para jogar damas.

1954

. A experiência de tradução automática Georgetown-IBM traduz automaticamente 60 frases cuidadosamente seleccionadas em russo para inglês.

1956

. A frase inteligência artificial é cunhada no “Dartmouth Summer Research Project on Artificial Intelligence”. Liderada por John McCarthy, a conferência, que definiu o escopo e os objetivos da IA, é amplamente considerada como o nascimento da inteligência artificial como a conhecemos hoje.

. Allen Newell e Herbert Simon demonstram o Theorist Logic (LT), o primeiro programa de raciocínio.

1958

. John McCarthy desenvolve a linguagem de programação AI Lisp e publica o artigo “Programas com Sentido Comum”. O artigo propõe o hipotético Advice Taker, um sistema de IA completo com a capacidade de aprender com a experiência tão eficazmente como os humanos.

1959

. Allen Newell, Herbert Simon e J.C. Shaw desenvolvem o General Problem Solver (GPS), um programa concebido para imitar a resolução de problemas humanos.

. Herbert Gelernter desenvolve o programa Geometry Theorem Prover.

. Arthur Samuel faz o termo aprendizado por máquina enquanto estava na IBM.

. John McCarthy e Marvin Minsky encontraram o Projeto Inteligência Artificial do MIT.

1963

. John McCarthy inicia o Laboratório de IA em Stanford.

1966

. O relatório do Comitê Consultivo de Processamento Linguístico Automático (ALPAC) do governo dos EUA detalha a falta de progresso na pesquisa de traduções automáticas, uma importante iniciativa da Guerra Fria com a promessa de tradução automática e instantânea do russo. O relatório do ALPAC leva ao cancelamento de todos os projetos de MT financiados pelo governo.

1969

. Os primeiros sistemas especializados de sucesso são desenvolvidos em DENDRAL, um XX programa, e MYCIN, concebido para diagnosticar infecções no sangue, são criados em Stanford.

1972

. É criada a linguagem de programação lógica PROLOG.

1973

. O “Lighthill Report”, detalhando as decepções na pesquisa da IA, é divulgado pelo governo britânico e leva a cortes severos no financiamento de projetos de inteligência artificial.

1974-1980

. A frustração com o progresso do desenvolvimento da IA leva a grandes cortes nas bolsas acadêmicas da DARPA. Combinado com o relatório anterior da ALPAC e o “Relatório Lighthill” do ano anterior, o financiamento da inteligência artificial seca e barracas de pesquisa. Este período é conhecido como o “Primeiro Inverno da IA”.

1980

. A Digital Equipment Corporations desenvolve o R1 (também conhecido como XCON), o primeiro sistema comercial especializado de sucesso. Concebido para configurar pedidos para novos sistemas informáticos, o R1 dá início a um boom de investimento em sistemas especializados que durará grande parte da década, terminando efectivamente o primeiro “AI Winter”.

1982

. O Ministério do Comércio Internacional e Indústria do Japão lança o ambicioso projecto de Sistemas Informáticos da Quinta Geração. O objetivo do FGCS é desenvolver um desempenho semelhante ao de um supercomputador e uma plataforma para o desenvolvimento de IA.

1983

. Em resposta ao FGCS do Japão, o governo dos EUA lança a Iniciativa de Computação Estratégica para fornecer pesquisa financiada pelo DARPA em computação avançada e inteligência artificial.

1985

. As empresas gastam mais de um bilhão de dólares por ano em sistemas especializados e toda uma indústria conhecida como o mercado de máquinas Lisp surge para apoiá-las. Empresas como Symbolics e Lisp Machines Inc. constroem computadores especializados para funcionar com a linguagem de programação AI Lisp.

1987-1993

. À medida que a tecnologia informática melhorou, surgiram alternativas mais baratas e o mercado de máquinas Lisp entrou em colapso em 1987, inaugurando o “Segundo Inverno AI”. Durante este período, os sistemas especializados revelaram-se demasiado caros para serem mantidos e actualizados, acabando por cair em desuso.

. O Japão encerra o projeto FGCS em 1992, citando o fracasso no cumprimento das ambiciosas metas traçadas uma década antes.

. A DARPA encerra a Iniciativa de Computação Estratégica em 1993, após gastar quase US$ 1 bilhão e ficar muito aquém das expectativas.

1991

. As forças norte-americanas implantam o DART, uma ferramenta de planejamento e programação logística automatizada, durante a Guerra do Golfo.

1997

. Gary Kasparov, campeão mundial de xadrez, venceu o Deep Blue da IBM

2005

. STANLEY, um carro que se dirige sozinho, vence o Grande Desafio DARPA.

. O exército americano começa a investir em robôs autónomos como o “Big Dog” da Boston Dynamic e o “PackBot” do iRobot.

2008

. O Google faz avanços no reconhecimento da fala e introduz a funcionalidade no seu aplicativo para iPhone.

2011

. O Watson da IBM vence a competição no Jeopardy!

2012

Andrew Ng, fundador do projeto Google Brain Deep Learning, alimenta uma rede neural usando algoritmos de aprendizagem profunda 10 milhões de vídeos do YouTube como um conjunto de treinamento. A rede neural aprendeu a reconhecer um gato sem ser informada sobre o que é um gato, inaugurando uma era revolucionária para as redes neurais e o financiamento do aprendizado profundo.

2014

O Google faz o primeiro carro com autocondução a passar num teste de condução estatal.

2016

O AlphaGo do Google DeepMind derrota o campeão mundial Go do jogador Lee Sedol. A complexidade do antigo jogo chinês era vista como um grande obstáculo a vencer na IA.

About the author

Olá, prazer! Meu nome é Claudia Ferraz, sou empreendedora apaixonada por Marketing Digital, estratégias e Tecnologia, também desenvolvo Cursos Online para empreendedores e empresários que desejam ganhar dinheiro com seus negócios usando a internet! Meu propósito é compartilhar meus conhecimentos e minha experiência de marketing e vendas adquirida ao longo de 20 anos, para que cada vez mais pessoas possam ser felizes fazendo o que ama, e claro, sendo bem pagas por isso! Eu não só falo sobre marketing digital, tecnologia e estratégias. EU TRABALHO COM ISSO. Coloco a mão na massa para várias marcas todos os dias, já ajudei mais de 500 empresas em toda minha carreira. Planejo… Valido… Aprendo… E compartilho tudo com vocês!