Inteligência Artificial
O que é e porque é importante?
A inteligência Artificial (IA) faz com que seja possível às máquinas aprender a partir da experiência, ajustarem-se a novos inputs e a desempenhar tarefas de forma semelhante à do ser humano. A maioria dos exemplos que ouvimos hoje em dia sobre AI – desde jogar xadrez com computadores a carros que se conduzem sozinhos – depende fortemente do deep learning e processamento de linguagem natural. Com estas tecnologias, os computadores podem ser treinados a realizar tarefas específicas. Para tal precisam de processar grandes quantidades de dados e reconhecer padrões nos mesmos.
História da Inteligência Artificial
O termo inteligência artificial foi cunhado em 1956. Não obstante, a AI tornou-se mais popular nos dias de hoje graças ao aumento no volume de dados, algoritmos avançados, e melhorias nas capacidades computacionais e de armazenamento.
As pesquisas iniciais sobre a IA nos anos cinquenta exploraram tópicos como a resolução de problemas e métodos simbólicos. Nos anos sessenta, o Departamento de Defesa dos EUA interessou-se neste tipo de trabalho e começou a treinar os computadores para que estes replicassem raciocínios básicos dos seres humanos. Por exemplo, foi a Agência de Projetos de Pesquisa Avançada de Defesa dos EUA (DARPA) que completou os projetos de mapeamento das ruas nos anos setenta. Além disso, a DARPA criou assistentes pessoais inteligentes em 2003, bem antes da Siri, Alexa ou Cortana se afirmarem como nomes de renome neste meio.
Este trabalho inicial abriu caminho para a automatização e raciocínio formal que vemos atualmente nos computadores, incluindo sistemas de apoio e de pesquisa inteligente que podem ser concebidos para complementar e aumentar as capacidades humanas.
Embora os filmes e séries de Hollywood descrevam a IA como robôs humanoides que podem conquistar o mundo, o caminho evolutivo das tecnologias de IA não é assim tão assustador – nem tão inteligente. Em vez disso, a IA evoluiu para providenciar vários benefícios específicos nas várias indústrias. Continue a ler para ficar a conhecer exemplos modernos de inteligência artificial nos cuidados de saúde, comércio, e outras indústrias.
De 1950 a 1970
Os primeiros trabalhos com redes neurais despertam fascínio pelas "máquinas que pensam".
Veja as tendências da inteligência artificial
Não perca este vídeo onde especialistas em IA e ciência de dados consideram os prós e contra das tendências da IA na próxima década.
Qual é o papel da ética no futuro da IA? Quão importantes são os big data? Porque é que os conhecimentos de domínios são fundamentais para o sucesso da IA?
Mas mais importante do que isso: "O que realmente interessa é quem tem acesso aos dados. É nas mãos dessa pessoa que está o poder." diz Harper Reid, Pioneiro em Tecnologias.
Porque é que a inteligência artificial é importante?
A IA automatiza a aprendizagem repetitiva e faz descobertas através dos dados. Em vez de automatizar tarefas manuais, a IA realiza tarefas computorizadas de elevado volume e frequentes. Ademais, fá-lo de forma fiável e sem fadiga. Claro que os humanos continuam a ser essenciais para montar o sistema e para fazer as perguntas certas.
A IA junta inteligência aos produtos que já existem. Muitos dos produtos que utiliza serão melhorados através das capacidades da IA. Similarmente ao que aconteceria se adicionássemos a Siri como funcionalidade a toda uma nova geração de produtos da Apple. Automatização, plataformas de diálogo, bots e máquinas inteligentes podem ser combinadas com grandes quantidades de dados para melhorar várias tecnologias. Os aprimoramentos em casa e no local de trabalho vão desde a inteligência na segurança e câmaras inteligentes a análises de investimento.
A IA adapta-se através de algoritmos de aprendizagem progressiva permitindo aos dados fazer a programação. A IA encontra uma estrutura e regularidades nos dados para que os algoritmos possam adquirir competências. Da mesma forma que um algoritmo se pode ensinar a si mesmo a jogar xadrez, também poderá aprender qual o produto a sugerir quando estiver online. Além disso, os modelos adaptam-se quando recebem dados novos.
A IA analisa mais profundamente e em maior quantidade os dados através de redes neurais que possuem muitas camadas ocultas. Construir um sistema de deteção de fraudes com cinco camadas ocultas, costumava ser impossível. No entanto, tudo mudou com os incríveis poderes computacionais e com os big data. É necessária uma imensidão de dados para treinar modelos de aprendizagem profunda, pois estes aprendem através dos dados.
A IA consegue atingir uma precisão surpreendente através das redes neurais profundas. Por exemplo, todas as suas interações com a Alexa e Google tem por base o deep learning. Estes produtos continuam a ser aprimorados à medida que os utiliza. No campo da medicina, técnicas de IA derivadas do deep learning e reconhecimento de objetos podem agora ser aplicadas para identificar a presença de células cancerígenas em imagens médicas com maior exatidão.
A IA aproveita ao máximo os dados. Quando os algoritmos aprendem sozinhos, os dados em si tornam-se um ativo. As respostas estão nos dados – basta-lhe aplicar a IA para as encontrar. Visto que o papel dos dados é agora mais importante do que nunca, estes podem ser a chave para criar vantagens face à competição. Se tem os melhores dados numa indústria competitiva, mesmo que todas as técnicas sejam semelhantes, são os melhores dados que vencem. Porém, usar esses dados para inovar de forma responsável exige uma IA de confiança. O que significa que os seus sistemas de IA devem ser éticos, equitativos e sustentáveis.
Como é que a inteligência artificial está a ser utilizada?
Todas as indústrias apresentam uma elevada procura para as capacidades da IA – incluindo sistemas que podem ser utilizados para automatização, aprendizagem, assistência legal, notificação de risco e pesquisa. Alguns dos usos específicos da IA na indústria incluem:
Cuidados de saúde
Aplicações de IA que oferecem leituras médicas de raio-x personalizadas. Assistentes pessoais de cuidados de saúde que podem agir como life coaches, que o lembram de tomar os comprimidos, fazer exercício ou simplesmente comer de forma mais saudável.
Comércio
A IA oferece a capacidade de fazer compras virtuais com recomendações personalizadas e discutir opções de compra com o consumidor. A gestão de stock e disposição do website também podem ser melhoradas com IA.
Indústria transformadora
A IA pode analisar dados IoT de uma fábrica, à medida que estes são transmitidos pelo equipamento que está em funcionamento, para prever a procura e a produção esperada através de redes recorrentes, trata-se de um tipo específico de rede de deep learning que usa dados sequenciais.
Banca
A inteligência artificial melhora a velocidade, precisão e eficiência dos esforços humanos. Nas instituições financeiras, a AI pode ser utilizada para identificar quais as transações que podem ser fraudulentas, adotar um credit scoring rápido e preciso, bem como automatizar as tarefas de gestão de dados manuais e exaustivas.
Há anos que a IA é uma parte fundamental do software SAS. Hoje em dia ajudamos clientes em todas as indústrias a capitalizar através dos avanços na IA. Iremos continuar a incorporar tecnologias de IA, tais como, aprendizagem automática e deep learning em todas as soluções do portfólio SAS.Jim Goodnight CEO SAS
WildTrack e SAS: A salvar espécies em vias de extinção, uma pegada de cada vez.
Espécies emblemáticas, tal como é o caso das chitas, estão a desaparecer. Com elas desaparecerá a biodiversidade que serve de apoio a todos. A WildTrack está a explorar o valor da inteligência artificial na conservação de espécies – para analisar as pegadas da mesma forma que os indígenas fazem e assim proteger essas mesmas espécies da extinção.
Como funciona a inteligência artificial
A IA combina grandes quantidades de dados de forma rápida com processamento interativo e algoritmos inteligentes. Isto, enquanto deixa o software aprender automaticamente através de padrões ou características dos dados. A AI é uma área de estudo muito vasta que inclui muitas teorias, métodos e tecnologias, bem como, os sub-campos de destaque que se seguem:
Machine Learning
A aprendizagem automática automatiza a construção de modelos analíticos. Serve-se dos métodos das redes neurais, estatísticas, pesquisa de operações e física para encontrar recomendações personalizadas nos dados. Mesmo não estando explicitamente programada para onde canalizar as atenções, ou o que concluir.
Redes neurais
Uma rede neural é um tipo de aprendizagem automática construída através de unidades interligadas (como acontece com os neurónios). Processam a informação ao responder a inputs externos, as informações são retransmitidas entre cada unidade. O processo requer múltiplas passagens pelos dados para encontrar ligações e derivar significado dos dados indefinidos.
Deep Learning
O deep learning utiliza grandes redes neurais com várias camadas de unidades de processamento, usufrui das vantagens computacionais e técnicas de aprendizagem melhoradas para aprender padrões complexos em grandes quantidades de dados. Aplicações comuns incluem o reconhecimento de imagens e voz falada.
Adicionalmente, várias tecnologias viabilizam e apoiam a IA:
A visão computacional depende do reconhecimento de padrões e do deep learning para reconhecer o que está numa imagem ou vídeo. Quando as máquinas conseguem processar, analisar e compreender imagens, conseguem capturar imagens ou vídeos em tempo real e interpretar o ambiente que as rodeia.
O processamento de linguagem natural (NLP) é a aptidão dos computadores para analisar, compreender e gerar linguagem humana, incluindo a voz falada. A próxima etapa do NLP é a interação em linguagem natural, que permite aos humanos comunicar com os computadores usando linguagem comum do dia-a-dia para realizar tarefas.
Unidades gráficas de processamento são a chave para a IA, pois facultam poder computacional profundo que é necessário para o processamento interativo. Treinar redes neurais exige big data e poder computacional.
A Internet das Coisas gera quantidades de dados gigantescas através dos aparelhos que se encontram ligados, a grande maioria por analisar. Automatizar modelos com AI permite-nos fazer mais uso dos dados.
Algoritmos avançados estão a ser desenvolvidos e combinados através de novas formulações, para analisar mais dados e mais depressa, a vários níveis. Este processamento inteligente é a chave para identificar e prever eventos raros, compreender sistemas complexos e otimizar cenários únicos.
APIs, ou interface de programação de aplicações são pacotes de código portáteis que tornam possível adicionar funcionalidades de AI a produtos já existentes e a pacotes de software. Podem ser adicionadas capacidades de reconhecimento de imagens a sistemas de segurança domésticos e capacidades de Q&A que descrevem os dados, ser adicionadas legendas e títulos, ou então, pode chamar-se à atenção para padrões interessantes e recomendações personalizadas nos dados.
Em suma, o objetivo da IA é facultar um software que possa raciocinar acerca do input e explicar o resultado. A IA terá interações semelhantes às dos humanos através de softwares e vai dar apoio na tomada de decisão de tarefas específicas, mas não será uma substituta dos humanos – e tal não acontecerá em breve.
Próximos Passos
Veja como as Soluções de Inteligência Artificial aumentam a criatividade e esforços humanos com a AI.
Produto de destaque para a inteligência artificial
SAS® Visual Data Mining and Machine Learning
A IA está simplificada quando consegue preparar dados para análise, desenvolver modelos com algoritmos modernos de aprendizagem automática e integrar text analytics tudo num só produto. Além disso, pode criar projetos de programação que combinem SAS com outras línguas, incluindo Python, R, Java ou Lua.
Leitura recomendada
- Article Shut the front door on insurance application fraud!Fraudsters love the ease of plying their trade over digital channels. Smart insurance companies are using data from those channels (device fingerprint, IP address, geolocation, etc.) coupled with analytics and machine learning to detect insurance application fraud perpetrated by agents, customers and fraud rings.
- Article Analytics: A must-have tool for leading the fight on prescription and illicit drug addictionStates and MFCUs now have the analytics tools they need to change the trajectory of the opioid crisis by analyzing data and predicting trouble spots – whether in patients, prescribers, distributors or manufacturers. The OIG Toolkit with free SAS® programming code makes that possible.
- Article How to improve your AI marketing skillsMarketing teams can use current AI capabilities to enhance their efforts around campaign automation, dynamic pricing based on forecasting models, and by providing more relevant, real-time customer offers.
Connect with SAS and see what we can do for you.
Quais são os desafios de utilizar inteligência artificial?
A inteligência artificial irá alterar todas as indústrias, mas temos de compreender os seus limites.
A principal limitação da IA é aprender através dos dados. Não há outra forma de o conhecimento poder ser incorporado. Isso significa que qualquer imprecisão nos dados refletir-se-á nos resultados. E quaisquer camadas adicionais de previsão ou análise têm de ser adicionadas separadamente.
Atualmente os sistemas de IA estão treinados para fazerem uma tarefa claramente definida. O Sistema que joga póquer não pode jogar solitário ou xadrez. O sistema que deteta fraude não consegue conduzir um carro ou dar-lhe um conselho legal. Na verdade, um sistema de IA que deteta fraude em cuidados de saúde não pode detetar fraude fiscal ou fraudes de reivindicação de garantias.
Por outras palavras, estes sistemas são muito, muito especializados. Estão focados numa única tarefa e estão longe de comportarem-se como humanos.
Da mesma forma, os sistemas de aprendizagem automática não são sistemas autónomos. As tecnologias de IA que vê nos filmes e na TV ainda são ficção científica. Mas computadores capazes de investigarem dados complexos para aprenderem e aperfeiçoarem tarefas específicas estão a tornar-se bastante comuns.