Cada vez mais temos ouvido falar sobre inteligência artificial (IA) nas notícias, no trabalho e até mesmo no lançamento de novos produtos.
Ao que tudo indica, a nova ordem do pessoal do marketing é “coloquem o termo inteligência artificial”. Fica a sensação de que, se algo não possui essa tecnologia, é por que já está ultrapassado e não tem mais lugar em nosso dia-a-dia.
Mas depois de tudo que você já ouviu sobre esse tema, você saberia definir o que é Inteligência Artificial?
Você entende o real significado dessa tecnologia implementada em um produto ou simplesmente imagina um robô realizando a tarefa de uma pessoa?
Definindo a inteligência artificial
Definir a inteligência artificial não é uma tarefa fácil. Considerando algumas declarações populares sobre o termo, podemos defini-lo como sendo qualquer tentativa de uma máquina imitar ou simular uma ação inteligente humana.
É importante destacar o termo “inteligente”, pois nem tudo que um ser humano faz é necessariamente classificado como inteligente. Interpretar um texto é uma ação inteligente; mas copiar um texto, nem tanto.
Uma dos conceitos mais populares sobre IA diz que quando um ser humano faz algo que pensamos “isso requer inteligência” e uma máquina consegue imitar esta ação da mesma forma (ou ainda melhor) do que a pessoa, trata-se de inteligência artificial.
Até agora já deu para ter uma noção do que é inteligência artificial, mas esse conceito ainda está muito genérico.
É importante observamos que o próprio conceito de inteligência artificial vem sendo alterado ao longo do tempo.
Houve épocas onde um simples cálculo realizado por uma calculadora ou computador já era considerado IA, e hoje não categorizamos desta forma.
Afinal, o que acontece em uma calculadora é a simples execução de um código explicitamente passado por um humano para a máquina, contendo a totalidade dos passos a serem executados.
Antigamente isso era uma grande tecnologia, mas hoje é considerado algo trivial no mundo dos computadores. Nossa tendência é banalizar as coisas com o passar do tempo.
Alguns exemplos de IA
Tendo isso em mente, vamos analisar alguns exemplos de inteligência artificial que temos hoje:
- Recomendação de filmes – com base em seu perfil de uso, o algoritmo compara filmes assistidos por outros usuários que tenham os mesmos gostos que você e recomenda aquilo que você provavelmente vai gostar também. Exemplo: Netflix.
- Reconhecimento de fala – a partir das ondas sonoras emitidas por nossa voz, o algoritmo reconhece palavras, frases e até mesmo timbre de voz. Exemplo: Legenda automática do Youtube.
- Reconhecimento de imagens – identificação de objetos, pessoas ou qualquer figura a partir de exemplos prévios (o algoritmo recebe as imagens, treina/aprende o que caracteriza cada uma e depois fica pronto para identificar imagens semelhantes). Exemplo: Sugestão automática de marcar uma pessoa em uma foto no Facebook.
- Assistentes virtuais – a partir de frases recebidas, o algoritmo consegue fornecer respostas, agindo como se fosse uma conversa. Exemplo: centrais de atendimento com chat bots.
- Verificação de compras no cartão de crédito – detecta comportamentos suspeitos a partir de histórico e perfil do usuário. Exemplo: e-commerce.
- Automóveis autônomos – o algoritmo visualiza a estrada, as placas, a condição climática, outros veículos e também possíveis obstáculos na pista para tomar decisões, dirigindo sozinho, sem receber comandos de uma pessoa.
Poderíamos estender consideravelmente essa lista, mas a ideia aqui é apenas introduzir o conceito para que você comece a perceber as implicações dessa tecnologia.
Obs: por enquanto, não se preocupe muito com o termo “algoritmo”, encare como um sinônimo para “máquina” ou ainda “robô”.
A IA ainda é especialista, não generalista
É importante observarmos que, em todos os exemplos mencionados acima, estamos falando de inteligências específicas, ou seja, a recomendação de filmes não irá afirmar se houve fraude em uma compra ou reconhecer uma imagem, e assim por diante. Cada IA domina muita bem a sua própria área.
Portanto, podemos considerar a inteligência artificial atual como inteligência restrita, pois sua especialidade está em apenas uma área.
Esta ainda é uma diferença considerável em relação à inteligência humana, que consegue atuar nas mais variadas áreas e é extremamente adaptável.
Nós aprendemos de maneira muita rápida e aplicamos o aprendizado de uma área em outra completamente distinta. Caso você tenha dúvidas com relação a isso, passe alguns dias com um bebê de um ou dois anos e observe com atenção que você verá a mágica acontecendo.
A AGI (Artificial General Intelligence), ou Inteligência Artificial Geral, busca sanar este problema, criando uma inteligência artificial generalista, realmente similar a humana, capaz de ser especialista em uma área, mas também aprender com facilidade outras.
Esta é uma das fortes frentes de estudo existentes atualmente, inclusive sendo uma das principais linhas de pesquisa de uma das maiores empresas de inteligência artificial da atualidade, a DeepMind.
Como funciona a inteligência artificial
Cada aplicação específica da IA possui seus próprios algoritmos e metodologias. Por exemplo, a estratégia que consegue separar clientes de acordo com seus perfis é diferente da estratégia utilizada para diagnosticar pacientes com câncer.
Basicamente, existe uma proposta de solução para cada problema, onde a máquina aplica conceitos matemáticos recursivos para se aproximar da solução ideal.
“Recursivo” significa que determinada técnica será executada muitas vezes, onde a própria máquina pode salvar os resultados obtidos, aplicar a técnica novamente com algumas variações e optar pela melhor opção.
É como se um ser humano tentasse resolver um problema usando a abordagem que mais faz sentido, analisando aquilo que está gerando melhores resultados, comparando com outros casos, e aprimorando sua própria estratégia! Não é à toa que essa metodologia recebe o nome de “Inteligência”.
Para compreender exatamente o que cada programa de IA está executando, é necessário um estudo aprofundado de cada algoritmo.
No final deste artigo, iremos indicar a melhor forma de começar a estudar esse ramo; afinal, a tendência é que as aplicações de inteligência artificial não só continuem, mas aumentem cada vez mais, exigindo profissionais capacitados no mercado.
A inteligência artificial já é um dos principais requisitos do profissional de data science.
Machine Learning
Dentro dos campos desta tecnologia, um dos principais é o Machine Learning (Aprendizado de Máquina), que dá ao computador a capacidade de aprender, fazendo com que ele possa tomar decisões sem receber um código específico para isso.
Essa capacidade de aprender com base nos dados históricos, utilizando um algoritmo de machine learning para identificar os padrões existentes nos dados e então decidir o melhor caminho a seguir, vem se mostrando mais eficiente e precisa do que simplesmente dizer ao programa o que ele deve fazer em cada situação.
A capacidade computacional atual também acaba permitindo que os algoritmos realizem cálculos muito rapidamente, em uma quantidade muito grande de dados, levando a conclusões que no passado nem chegavam a ser consideradas.
Caso você queira aprender mais sobre esta área fascinante, acesse nosso curso Introdução a Machine Learning, totalmente gratuito, focado na didática e simplicidade, para que você possa realmente compreender conceitos complexos de uma maneira descomplicada.
Deep Learning
Partindo do machine learning, chegamos no Deep Learning, que em português significa aprendizagem profunda. Neste campo, o foco está nas redes neurais, que possuem um sistema inspirado nos neurônios do cérebro humano.
As pesquisas de redes neurais tiveram início por volta da década de 50, e hoje possuem os mais diversos tipos, como: redes neurais convolucionais (CNNs), redes neurais recorrentes (RNNs), redes feedforward, LSTMs, Autoencoders, etc.
Atualmente, o principal uso prático do Deep Learning está no reconhecimento de fala, reconhecimento de imagens e processamento de linguagem natural.
Mas as aplicações são inúmeras e estão ganhando cada vez mais notoriedade, desde previsão do preço das ações na bolsa de valores até o domínio de jogos de videogame.
Processamento de linguagem natural
A comunicação entre máquinas e humanos ainda merece grande atenção.
A linguagem humana é extremamente complexa, não existindo apenas um ou dois padrões, e sim muitas possibilidades. Além da grande quantidade de idiomas existentes, cada um tem suas próprias regras e peculiaridades, como gírias e influências regionais.
O contexto também tem grande influência, e ainda existem os não tão raros erros que cometemos, às vezes fáceis de se interpretar, mas em alguns momentos indecifráveis. Isso sem considerar os mais variados sotaques.
O processamento de linguagem natural visa resolver esse problema de comunicação, fazendo com que o computador entenda a nossa linguagem da forma como a utilizamos.
Esse entendimento aliado a uma correta interpretação é extremamente poderoso, levando à manipulação da linguagem por parte da máquina, como já vemos em muitos casos.
Como estudar Inteligência Artificial na prática?
A melhor forma de estudar inteligência artificial é aprender primeiro conceitos básicos como dados de treino vs teste, underfitting vs overfitting, e depois ir avançando para aplicações práticas, iniciando com algoritmos de machine learning simples.
Dessa forma, é possível estudar conceitos teóricos sobre aprendizado, matemática e programação ao mesmo tempo. Essa é exatamente a proposta de nosso curso de machine learning com Python. Confira!
Esse curso é o nosso módulo 1, ideal para iniciantes que estão começando do zero.
Se você tem interesse em redes neurais e deep learning, os módulos 3 e 4 são específicos sobre isso.
Clique aqui e confira todos os nossos cursos! Preparamos conteúdos exclusivos para acelerar ao máximo seu aprendizado.
No vídeo abaixo você pode obter mais informações sobre o que é IA:
Leia também:
