Inteligência Artificial

História da Inteligência Artificial

O termo inteligência artificial foi criado em 1956, mas só se popularizou hoje graças aos crescentes volumes de dados disponíveis, algoritmos avançados, e melhorias no poder e no armazenamento computacionais.

As primeiras pesquisas de IA nos anos 1950 exploraram temas como a resolução de problemas e métodos simbólicos. Na década de 1960, o Departamento de Defesa dos EUA se interessou por este tipo de tecnologia e começou a treinar computadores para imitar o raciocínio humano básico. Por exemplo, a Defense Advanced Research Projects Agency (DARPA) completou um projeto de mapeamento de ruas nos anos 1970. E a DARPA criou assistentes pessoais inteligentes em 2003, muito tempo antes de Siri, Alexa ou Cortana serem nomes comuns do nosso cotidiano.

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

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

Qual é a importância da inteligência artificial?

Como a inteligência artificial está sendo usada?

Toda indústria possui uma alta demanda pelas funcionalidades da 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:

Como a inteligência artificial funciona?

A IA funciona ao combinar grandes quantidades de dados com processamento rápido e interativo e algoritmos inteligentes, 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 processam informações ao responder a entradas externas, retransmitindo-as entre as unidades. O processo requer passagens múltiplas nos dados para encontrar conexões e extrair significados de dados não-definidos.
• Deep learning utiliza grandes redes neurais com muitas camadas de unidades de processamento, aproveitando-se de avanços no poder computacional e em técnicas de treinamento aprimoradas 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 capacidade de interpretar imagens e fala – e, então, falar coerentemente em resposta.  
• Visão computacional depende do reconhecimento de padrões e de deep learning para entender 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 há ao redor delas.
• Processamento de linguagem natural (PLN) é a capacidade que os computadores tem de analisar, entender e gerar linguagem humana, incluindo fala. O próximo estágio do PLN é a 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 possibilitam e oferecem suporte à IA:

• Unidades de processamento gráfico são essenciais para a IA, porque fornecem o poder computacional pesado que é necessário para o processamento contínuo. Treinar redes neurais requer big data e poder computacional.
• A Internet das Coisas gera grandes quantidades de dados a partir de aparelhos conectados, sendo que a maioria deles não são analisados. Automatizar modelos com IA permitirão um maior uso deles.
• Algoritmos avançados estão sendo desenvolvidos e combinados em novas maneiras para analisar mais dados, mais rapidamente e em múltiplos níveis. Esse processamento inteligente é essencial para identificar e prever eventos raros, entendendo sistemas complexos e otimizando cenários únicos.
• APIs são pacotes portáteis de códigos que possibilitam a adição de funcionalidades de IA a produtos existentes e pacotes de software. Eles podem adicionar capacidades de reconhecimento de imagens a sistemas de segurança doméstica e capacidades de perguntas e respostas 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 raciocinar sobre as entradas e explicar as saídas de dados. A inteligência artificial fornece interações quase humanas com softwares e oferece apoio a decisões para tarefas específicas, mas ela não é uma substituição aos seres humanos – e também não será por bastante tempo.