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.
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
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: