Inteligência Artificial

O que é e qual sua importância?

A inteligência artificial (IA) permite que máquinas aprendam com experiências anteriores, se ajustem a novas entradas e executem tarefas como se fossem seres humanos. Muitos exemplos de IA sobre os quais você ouve falar hoje – de computadores mestres em xadrez aos carros autônomos – dependem de deep learning e processamento de linguagem natural. Ao usar essas tecnologias, computadores podem ser treinados para completar tarefas específicas, processando grandes volumes de dados e reconhecendo padrões nesses dados.

História da inteligência artificial

O termo inteligência artificial foi criado em 1956, mas só se tornou popular nos dias de hoje, graças ao crescente volume de dados disponíveis, algoritmos avançados, e melhorias no poder e no armazenamento computacional.

Nos anos 1950, as primeiras pesquisas de IA exploravam tópicos como soluções de problemas e métodos simbólicos. Na década de 1960, o Departamento de Defesa dos EUA se interessou por esse tipo de tecnologia e começou a treinar computadores para reproduzirem raciocínios humanos básicos. Por exemplo, a Defense Advanced Research Projects Agency (DARPA) realizou projetos de mapeamento de ruas nos anos 1970. E a DARPA criou assistentes pessoais inteligentes em 2003, muito antes de Siri, Alexa ou Cortana se tornarem nomes comuns em residências do mundo inteiro.

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

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

Chess board and Neural Network graphic

1950–1970

Redes neurais

Primeiros trabalhos com redes neurais criam excitação por “máquinas pensantes”.

Shapes and arrow graphic with classical and modern machine learning

1980–2010

Machine Learning

Machine learning se torna popular.

Binary code on dark background with magnifying glass graphic

Hoje

Deep Learning

Deep learning impulsiona o boom da inteligência artificial.


O SAS tem fornecido soluções de IA há anos, mesmo quando não éramos tão avançados em disciplinas como machine learning e deep learning. Hoje, estamos ajudando nossos clientes a capitalizarem sobre as oportunidades de crescimento que a IA apresenta. No futuro, continuaremos a incorporar soluções de inteligência artificial no portfólio do SAS para ajudar a trazer os benefícios transformacionais de tomada de decisão assistida por máquinas em todas as indústrias. PBLS Speaker  - Dr. Jim Goodnight Jim Goodnight CEO SAS

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 de 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.
  • 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 modo similar a como a Siri foi adicionada aos produtos da Apple. Automação, plataformas de conversa, robôs e aparelhos inteligentes podem ser combinados a grandes quantidades de dados para aprimorar muitas tecnologias para casa e escritório, de inteligência em segurança à análise de investimento.
  • 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 habilidade: 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 adição de dados, quando a primeira resposta não está totalmente certa.
  • AI analisa e mais dados e com maior profundidade ao usar redes neurais com muitas camadas escondidas. Construir um sistema de detecção de fraudes com cinco camadas ocultas 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 dos dados. Quanto mais dados você puder colocar neles, mais precisos eles se tornam.
  • IA atinge precisão incrível através de redes neurais profundas – o que antes era impossível. Por exemplo, suas interações com a Alexa, Busca do Google e Google Fotos são todas baseadas em deep learning – e eles continuam ficando mais precisos conforme vamos utilizando-os. Na área médica, técnicas de deep learning, classificação de imagem e reconhecimento de objetos podem agora ser usadas para encontrar cânceres em ressonâncias com a mesma precisão de radiologistas bem treinados.
  • 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-los. Uma vez que o papel dos dados é mais importante do que nunca, isso pode criar uma vantagem competitiva. Se você tem os melhores dados numa indústria competitiva, mesmo se todos estiverem colocando em prática técnicas semelhantes, o melhor conjunto de dados vai ganhar.

Inteligência artificial no mundo atual

Inteligência Artificial para Executivos

Já pensou em adicionar inteligência artificial à sua organização? Ela é, certamente, um hot topic que vale a pena conferir. Este artigo descreve a abordagem do SAS para IA e explica conceitos essenciais.

O que a Inteligência Artificial significa para seu negócio?

A IA de hoje é promissora, pois permite automatizar tarefas rotineiras, tornando os seres humanos mais eficientes. Mas precisamos garantir que ninguém se deixe levar pelo exagero.

Inteligência artificial: separando a realidade do exagero.

Se você está preocupado com as máquinas dominando o mundo, pode dormir sossegado. Isso não vai acontecer com a tecnologia que temos em uso atualmente.

A Próxima Era da Inteligência Analítica: Inteligência Artificial

Apresentando sete artigos, esse relatório mostra o quão diferente pode ser o uso de IA por indústrias visando atingir uma vantagem competitiva e adequar-se melhor aos seus objetivos e aos seus clientes.

Como a inteligência artificial está sendo usada?

Toda indústria possui uma alta demanda pelas funcionalidades de 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:

Saúde

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

Varejo

A inteligência artificial possui funcionalidades para compras virtuais que oferecem recomendações personalizadas e negociam pagamentos com o condumidore. Tecnologias de gestão de estoque e layout de sites também são melhoradas com IA.

Manufatura

IA pode analisar dados da IoT 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

IA é utilizada para capturar imagens de partidas e fornecer relatórios aos treinadores sobre como organizar melhor o jogo, o que inclui otimização de posições e de estratégias em campo.

Chess board and arrow to robot graphic

Quais são os desafios de usar inteligência artificial?

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

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

Os sistemas de inteligência artificial de hoje são treinados para completar 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. 

SAS® Visual Data Mining and Machine Learning screenshot on monitor

SAS® Visual Data Mining and Machine Learning

A IA é simplificada quando você pode preparar os dados para análise, desenvolver modelos com algoritmos modernos de machine learning e integrar análises de texto – tudo em um único produto. Além disso, você pode programar projetos que combinem SAS com outras linguagens, incluindo Python, R, Java ou Lua.

Como a inteligência artificial funciona?

A IA funciona ao combinar grandes quantidades de dados com processamento rápido e interativo, e algoritmos inteligente, 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 processa informações ao responder a entradas externas, retransmitindo as informações entre as unidades. O processo requer passagens múltiplas nos dados para encontrar conexões e extrair significado de dados não definidos.
  • Deep learning utiliza grandes redes neurais com muitas camadas de unidades de processamento, tirando vantagem de avanços em poder computacional e técnicas de treinamento aprimorados 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 habilidade de interpretar imagens e fala – e, então, falar coerentemente em resposta.
  • Visão computacional depende de reconhecimento de padrões e deep learning para reconhecer 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 houver ao redor.
  • Processamento de linguagem natural (NLP) é a habilidade de computadores analisarem, entenderem e gerarem linguagem humana, incluindo fala. O próximo estágio do PLN é 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 habilitam e suportam IA:

  • Unidades de processamento gráfico são essenciais para IA porque fornecem o poder computacional pesado que é necessário para processamento repetitivo. Treinar redes neurais requer big data e poder computacional.
  • A Internet das Coisas (IoT) gera grandes quantidades de dados a partir de aparelhos conectados, a maioria não analisados. Automatizar modelos com IA vai permitir um maior uso deles.
  • Algoritmos avançados estão sendo desenvolvidos e combinados em novas maneiras de analisar mais dados, mais rápido e em diferentes níveis. O processamento inteligente é essencial para identificar e prever eventos raros, entendendo sistemas complexos e otimizando cenários únicos.
  • APIs, ou interfaces de processamento de aplicativos, são pacotes portáteis de códigos que possibilitam a adição de funcionalidades de IA a produtos existentes e pacotes de software. Eles podem adicionar habilidades de reconhecimento de imagens a sistemas de segurança doméstica e habilidades de Q&A 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 argumentar as entradas e explicar as saídas. IA vai fornecer interações quase humanas com softwares e oferecer suporte a decisões para tarefas específicas, mas não é uma substituição dos seres humanos – e não será por bastante tempo.

Back to Top