nota3

Mitos e verdades sobre a inteligência artificial

Com passagens por empresas como Medial Saúde, Banco Matrix e outras grandes companhias, Dora Kaufman é pós-doutora pela Coppe/UFRJ e atualmente faz pós-doutorado na PUC-SP. No AI View 2019, Dora vai falar sobre os impactos da Inteligência Artificial no mercado de trabalho. Ela é autora dos livros “O Despertar de Gulliver: os desafios das empresas nas redes digitais” (2017), e “A inteligência artificial irá suplantar a inteligência humana? ” (2019). Neste artigo, Dora comenta sobre os diversos usos da IA e mitos e verdades do tema.

Ainda em 2012, a Orquestra Sinfônica de Londres executou uma composição intitulada Transits – Into an Abyss. Elogiada pelos críticos, a canção foi composta por uma máquina inteligente, o computador Iamus projetado por pesquisadores da Universidade de Málaga, Espanha. Em 2014, a empresa de capital de risco de Hong Kong, Deep Knowledge, anunciou o sistema inteligente Vital (Validating Investment Tool for Advancing Life Sciences) como novo integrante do conselho de administração, ajudando na tomada de decisões de investimento.

Na primavera de 2016, o sistema de inteligência artificial AlphaGo, criado pela companhia DeepMind, derrotou no hotel Four Seasons em Seul, por 4×1, o sul-coreano Lee Sedol, campeão mundial do jogo asiático Go. No Ocidente, a audiência foi baixa, mas na China 280 milhões de pessoas assistiram à vitória do AlphaGo: como uma máquina pertencente a uma empresa da Califórnia (Alphabet, controladora do Google), venceu o melhor jogador de um jogo inventado há mais de 2.500 anos na Ásia (e os americanos nem sequer jogam Go).

Em outubro, o Retrato de Edmond De Belamy do Obvious de Paris — coletivo de artistas e pesquisadores –, foi vendido por US$ 432,5 mil (quase 45 vezes o preço estimado) pela Christie\’s de Nova York, o primeiro leilão a oferecer uma obra de arte criada por algoritmos.

Em comum a todos esses eventos, de áreas tão díspares, é o uso de inteligência artificial. Aplicativos como Netflix, Waze, Spotify e Amazon usam a tecnologia para reconhecer nossas preferências e fazer recomendações. Algortimos estão presentes nos diagnósticos médicos, nos sistemas de vigilância, nas análises de crédito, nas contratações de RH, na gestão de investimento, na Indústria 4.0, no atendimento automatizado e em muitas outras áreas.

A varejista Otto, com filiais em 30 países e faturamento de 13,7 bilhões de faturamento, usa os algoritmos de IA para antecipar as compras dos clientes com base nos históricos. Com 90% de precisão, os clientes recebem as mercadorias quase antes de encomendá-las, reduzindo custos pela eliminação de estoques excedentes e retorno de produtos (além de melhorar a taxa de retenção de clientes, fruto de maior grau de satisfação).

Proliferam documentários, artigos nos jornais, programas de televisão; pululam filmes e séries de ficção científica com narrativas distópicas, como Ex-Machina, Matrix, Blade Runner e Black Mirror. Essa visibilidade é positiva, contribui para colocar o tema na pauta, mas, em parte, mistura realidade com ficção. Para quem quiser se manter relevante, econômica e socialmente, vale conhecer minimamente como funciona a IA.

A maioria dos avanços observados na última década provém do Deep Learning (aprendizado profundo), inspirado no funcionamento do cérebro, por isso também conhecido como redes neurais (de neurônios). Por décadas, a abordagem dominante no campo da IA foi baseada em programas lógicos de computação. Nos anos 70 e início dos anos 80, era um anátema dentro da comunidade. Você não podia publicar um artigo com a expressão redes neurais porque seria rejeitado por seus colegas, diz Yann LeCun, um dos pioneiros, atualmente pesquisador da Universidade de Nova York e diretor de IA do Facebook.

Os dois primeiros anos da competição apresentaram uma melhora na taxa de erro, de 28% em 2010 para 26% em 2011, mas uma mudança de paradigma aconteceu em 2012, quando uma submissão deselegante e perdida se tornou a vencedora indiscutível do desafio ImageNet. A submissão foi uma rede neural profunda e chegou com um erro de 16%, explica Sean Gerrish (How Smart Machines Think).

Sua popularidade, em parte, advém do fato de que as redes neurais são adequadas a problemas inteiramente distintos. O treinamento consiste em mostrar exemplos (inputs) e ajustar gradualmente os parâmetros da rede até obter os resultados requeridos, denominado aprendizagem supervisionada: são fornecidos os resultados desejados (output).  A pergunta-chave migrou de quais as características de um cachorro?, fundamental na programação de sistemas, para essa imagem é similar a uma imagem que já vi antes?, cerne dos modelos estatísticos de IA.

A mesma capacidade de correlacionar a palavra cão com as imagens de cão no sistema de busca do Google, identifica tipos de câncer: os algoritmos investigam, num conjunto de dados de imagens de tumores, correlações com indicadores da imagem em análise. Semelhante ao procedimento tradicional dos médicos, a taxa de sucesso do Watson da IBM para o câncer de pulmão, p.ex., é de 90%, comparado a 50% para os médicos humanos.

A mineradora Vale implantou, recentemente, um sistema de monitoramento na Estrada de Ferro Carajás: um carro controle percorre mensalmente os 892 km da ferrovia captando os dados, que são utilizados no treinamento dos algoritmos de IA para prever a necessidade de manutenção de trens e trilhos, minimizando os impactos negativos sobre a operação (consequentemente, reduzindo custos). Munidos dos dados gerados pelos sensores do carro controle, os algoritmos de IA identificam padrões específicos que indicam potenciais defeitos. Desde sua implantação, houve uma redução de 85% nas falhas.

No estágio atual da inteligência artificial não se trata de ensinar às máquinas a pensarem, mas apenas a prever a probabilidade de os eventos ocorrerem por meio de modelos matemáticos. Esses sistemas carecem da essência da inteligência humana: capacidade de compreender o significado. Apesar dos esforços, houve pouco progresso em prover a IA de senso intuitivo, de capacidade de formar conceitos abstratos e de fazer analogias e generalizações. Assim, não é adequado comparar o aprendizado de máquina ao aprendizado de uma criança (ou animal).

Nos primeiros meses de vida, os bebês aprendem uma quantidade enorme de conhecimento sobre como o mundo funciona apenas por observação. Não sabemos como fazer isso com as máquinas. Conceitos básicos – tridimensionalidade, movimentação e permanência dos objetos, gravidade, inércia e rigidez — são aprendidos pela observação. Descobrir como incorporar esse aprendizado às máquinas é a chave para o progresso da IA, ou seja, as máquinas serem capazes de aprender como o mundo funciona assistindo um vídeo do YouTube.

O que desperta o entusiasmo da comunidade IA é que a inteligência artificial permeia o modelo de negócio de gigantes de tecnologia como Google, Facebook, Amazon, Baidu, Alibaba e está sendo igualmente impulsionada por outros poderosos setores como financeiro, varejo, telefonia, além de governos. Grandes montadoras estão investindo pesado em carros autônomos. Em 2017, a General Motors pagou U$ 1 bilhão pela Cruise Automation, startup do Vale do Silício, e investiu U$ 600 milhões adicionais em pesquisas.

Relatório anual sobre IA do Massachusetts Institute of Technology do ano passado indicou que entre 2013 e 2017, nos EUA, o financiamento para startups com tecnologias de IA aumentou 4,5 vezes. Em 2017, o financiamento de capital de risco para startups de IA totalizou U$ 15,2 bilhões (crescimento de 141% em relação a 2016). O empenho da China em liderar o campo da IA é um forte acelerador; o Baidu, gigante tecnológico chinês, tem mais de 2.000 engenheiros alocados em redes neurais.

A PriceWatherhouseCoopers estima que o desenvolvimento da IA vá adicionar U$ 15,7 trilhões ao PIB mundial até 2030, sendo que a China ficará com U$ 7 trilhões desse total, i.é., mais de 50%, e os EUA U$ 3,7 trilhões.

Para Andrew Ng, cofundador do Google Brain e ex-cientista-chefe do Baidu, as grandes empresas continuam a apoiar fortemente o deep learning, e não se baseiam apenas em esperanças e sonhos, mas nos resultados que já estamos vendo. O ritmo e a velocidade da adoção em larga escala, contudo, depende de mudanças na infraestrutura e no arcabouço legal, ou seja, políticas públicas.

No fim do ano, Martin Ford lançou um livro que vale a leitura: Architects of Intelligence: the Truth About AI from the People Building It. São entrevistas com 23 dos mais importantes especialistas em IA, abordando questões-chave de forma acessível. Distinto do que possa parecer, estamos nos primórdios da IA. A inteligência artificial é um campo aberto. A natureza das inovações que estão por vir, a taxa na qual elas ocorrerão e as aplicações específicas às quais elas serão aplicadas estão todas envoltas em profundas incertezas, afirma Ford.

Fonte: Valor – Dora Kaufman

Se interessou por este conteúdo? Saiba mais e participe do AI View 2019, o mais relevante evento de Inteligência Artificial. Garanta sua vaga!

Compartilhe

Notícias relacionadas

Blog
Mudança na natureza jurídica da ANPD fortalece aplicação da LGPD
Por Edilma Rodrigues A Medida Provisória (MPV) nº 1.124, de 13 de junho de 2022 assinada pelo...
Blog
Mercado Pago usa tecnologia de segurança da Mastercard para criptos
A carteira digital do Mercado Livre, o Mercado Pago, vai usar
Blog
Ant Group lança banco digital para micro, pequenas e médias empresas em Singapura
O ANEXT Bank, banco digital de atacado de Singapura e parte do Ant Group, anunciou...
Blog
Cetelem vai reduzir 6 mil toneladas de CO² com emissão de cartões reciclados
O Banco Cetelem Brasil emitiu cerca de 370 mil cartões de plástico reciclado, desde o...

Assine o CANTAnews

Não perca a oportunidade de saber todas as atualizações do mercado, diretamente no seu e-mail

plugins premium WordPress
Scroll to Top