Definition

Inteligência artificial ou IA

Inteligência artificial ou IA (Artificial Intelligence, ou AI, em inglês) é a simulação de processos de inteligência humana por máquinas, especialmente sistemas de computador. Esses processos incluem aprendizagem (a aquisição de informações e regras para usar as informações), raciocínio (usando as regras para chegar a conclusões aproximadas ou definitivas) e autocorreção. As aplicações particulares de IA incluem sistemas especialistas, reconhecimento de voz e visão computacional. 

O termo AI foi cunhado pelo cientista da computação norte-americano John McCarthy em 1956, durante a Conferência de Dartmouth, onde nasceu a disciplina. Hoje, é um conceito geral que abrange tudo, desde a automação de processos robóticos até a robótica atual. Ele ganhou destaque recentemente devido, em parte, ao grande volume de dados ou ao aumento da velocidade, tamanho e variedade de informações que as empresas estão coletando. A IA pode realizar tarefas como identificar padrões em dados com mais eficiência do que os seres humanos, permitindo que as empresas obtenham mais informações sobre os dados que possui. 

Tipos de inteligência artificial 

A IA pode ser categorizada de várias formas, mas aqui temos dois exemplos. 

O primeiro classifica os sistemas de inteligência artificial como IA fraca ou IA forte. A IA fraca, também conhecida como IA estreita, é um sistema de inteligência artificial projetado e treinado para uma tarefa específica. Os assistentes pessoais virtuais, como a Siri, da Apple, são uma forma de IA fraca. 

A IA forte, também conhecida como inteligência artificial geral, é um sistema com habilidades cognitivas humanas generalizadas, de modo que, quando confrontado com uma tarefa desconhecida, tem inteligência suficiente para encontrar uma solução. O Teste de Turing, desenvolvido pelo matemático Alan Turing em 1950, é um método – embora controverso – usado para determinar se um computador pode realmente pensar como um ser humano. 

O segundo exemplo é de Arend Hintze, professor assistente de biologia integrativa e engenharia e ciência da computação na Universidade de Michigan. Ele categoriza a IA em quatro tipos, desde o tipo de sistemas de inteligência artificial que existem atualmente até os sistemas sensíveis, que ainda não existem. Suas categorias são as seguintes:  

  • Tipo 1: Máquinas reativas.Um exemplo é oDeep Blue, o programa de xadrez da IBM que derrotou Garry Kasparov na década de 1990. O Deep Blue pode identificar peças no tabuleiro de xadrez e fazer previsões, mas não tem memória e não pode usar experiências passadas para tomar decisões futuras. Analise os movimentos possíveis - os seus e os do seu oponente - e escolha o movimento mais estratégico. O Deep Blue e o AlphaGO, do Google, foram projetados para propósitos restritos e não podem ser facilmente aplicados a outra situação. 
  • Tipo 2: Memória limitada.Esses sistemas de IA podem usar experiências passadas para tomar decisões futuras. Algumas das funções de tomada de decisões em veículos autônomos foram projetadas dessa forma. As observações são usadas para informar ações que ocorrem em um futuro não muito distante, como um carro que mudou de faixa. Essas observações não são armazenadas permanentemente.
  • Tipo 3: Teoria da mente.Este é um termo psicológico. Refere-se ao entendimento de que os outros têm suas próprias crenças, desejos e intenções que afetam as decisões que tomam. É uma categoria que ainda não existe.
  • Tipo 4: Autoconhecimento.Nesta categoria, os sistemas de IA têm um senso de si mesmos, ou seja, uma consciência. As máquinas autoconscientes entendem seu estado atual e podem usar as informações para inferir o que os outros estão sentindo. Este é um tipo de IA que também não está disponível.

Exemplos de tecnologia de IA 

  • Automação é a criação automática de um sistema ou função de processo. A automação robótica de processos (RPA), por exemplo, pode ser programada para executar tarefas repetitivas de alto volume normalmente realizadas por seres humanos. A RPA é diferente da automação de TI porque pode se adaptar às novas circunstâncias.

O aprendizado de máquina – ou machine learning – é a ciência de fazer um computador funcionar sem programação. O deep learning (ou aprendizado profundo) é um subconjunto do aprendizado automático que, em termos muito simples, pode ser considerado a automação da análise preditiva. Existem três tipos de algoritmos de aprendizado de máquina: aprendizado supervisionado, no qual os conjuntos de dados são rotulados para que os padrões possam ser detectados e usados ​​para rotular novos conjuntos de dados; aprendizado não supervisionado, no qual os conjuntos de dados não são rotulados e são classificados de acordo com semelhanças ou diferenças; e aprendizagem por reforço, onde os conjuntos de dados não são rotulados, mas depois de realizar uma ação ou várias ações, o sistema de IA é retroalimentado. 

  • A visão computacional é a ciência de fazer os computadores enxergarem à sua volta. Ela captura e analisa informações visuais usando uma câmera, a conversão do analógico para o digital e o processamento de sinal digital. Muitas vezes é comparada à visão humana, mas a visão computacional não está ligada à biologia e pode ser programada para enxergar através das paredes, por exemplo. É usada em uma ampla gama de aplicações, desde a identificação de assinaturas até a análise de imagens médicas. A visão computacional, que se concentra no processamento de imagens de máquina, é frequentemente combinada com a visão artificial.
  • O processamento da linguagem natural (PNL ou NLP, em inglês) é o processamento de linguagem humana e não computacional por um programa de computador. Um dos exemplos mais antigos e conhecidos de PNL é a detecção de spam, que examina a linha de assunto e o texto de um e-mail e decide se ele é lixo eletrônico. As abordagens atuais da PNL são baseadas no aprendizado de máquina e as tarefas incluem traduções de texto, análise de sentimento e reconhecimento de voz.
  • O reconhecimento de padrões é um ramo do aprendizado de máquina que se concentra na identificação de categorias de dados. O termo, hoje, está desatualizado.
  • A robótica é uma área da engenharia voltada para o projeto e fabricação de robôs, frequentemente usados ​​para realizar tarefas difíceis para os seres humanos ou complicadas de realizar de forma consistente. Os robôs são usados ​​em linhas de montagem para a produção de carros ou pela NASA para mover grandes objetos no espaço. Mais recentemente, os pesquisadores estão usando o aprendizado de máquina para construir robôs que podem interagir em ambientes sociais.

Aplicações de inteligência artificial 

  • IA na saúde.  As maiores apostas são para melvhorar os resultados dos pacientes e reduzir custos. As empresas estão aplicando o aprendizado de máquina para fazer diagnósticos melhores e mais rápidos do que aqueles feitos pelos seres humanos. Uma das tecnologias de saúde mais conhecidas é o IBM Watson, que entende a linguagem natural e é capaz de responder às perguntas formuladas. O sistema extrai dados dos pacientes e de outras fontes de informações disponíveis para formar uma hipótese, que ele então apresenta com um esquema de pontuação de confiança. Outra aplicação de IA inclui oschatbots, programas de computador usados de forma online para responder perguntas dos pacientes, ajudar no agendamento de consultas ou auxiliar no processo de cobrança, bem como assistentes virtuais que fornecem feedbacks médicos básicos para retroalimentar o sistema. 
  • IA nos negócios.  A automação de processos robóticos está sendo aplicada a tarefas altamente repetitivas normalmente realizadas por humanos. Os algoritmos demachine learning estão sendo integrados às plataformas analíticas e de CRM para descobrir como atender melhor os clientes. Os chatbots foram incorporados a sites para oferecer um serviço imediato aos consumidores. A automação de postos de trabalho também se tornou um ponto de discussão entre acadêmicos e consultorias de TI, como Gartner e Forrester. 
  • IA na educação.  A IA pode automatizar a avaliação, dando aos educadores mais tempo. Pode avaliar os alunos e se adaptar às suas necessidades, ajudando-os a trabalhar em seu próprio ritmo. Os tutores podem fornecer suporte adicional aos alunos, garantindo que eles permaneçam no caminho certo. A tecnologia poderia mudar onde e como os alunos aprendem, talvez até substituindo alguns professores.
  • IA em finanças.  Adicionada aos aplicativos de finanças pessoais, como Mint ou Turbo Tax, a tecnologia está transformando as instituições financeiras. Aplicativos como esses podem coletar dados pessoais e fornecer consultoria financeira. Outras soluções, como o IBM Watson, foram aplicadas ao processo de compra de uma casa. Hoje, o software realiza grande parte das negociações em Wall Street. 
  • IA na legislação.  O processo de descoberta e análise das leis, por meio da revisão de documentos, costuma ser opressor para os seres humanos. Automatizar essa tarefa conduz a um melhor aproveitamento do tempo e a um processo mais eficiente. As startups também estão criando assistentes virtuais de perguntas e respostas que podem vasculhar as dúvidas programadas para responder examinando a taxonomia e a ontologia associadas a um banco de dados.
  • IA na fabricação.  Esta é uma área que tem estado na vanguarda da incorporação de robôs no fluxo de trabalho. Os robôs industriais costumavam realizar tarefas únicas e eram separados dos trabalhadores humanos, mas com os avanços da tecnologia esse cenário mudou.

 

Este conteúdo foi atualizado pela última vez em Julho 2021

Saiba mais sobre Inteligência artificial e automação

ComputerWeekly.com.br
ComputerWeekly.es
Close