Inteligência Artificial revelada

0

Nesta série de três artigos abordaremos a Inteligência Artificial de forma descomplicada e pragmática, trazendo uma introdução a conceitos, metodologias e ferramentas de utilização prática.

Evitando entrar em tecnicismos (além dos estritamente necessários), a série é voltada para profissionais que possuem o desafio de considerar a implementação da IA em suas organizações.

Neste primeiro artigo – Desvendando a IA – apresentamos os conceitos fundamentais que ajudarão a compreender a IA como ela é na realidade, distinguindo da imagem de ficção científica que envolve o assunto.

Parte I – Desvendando a IA

Em seu atual estágio de aplicação prática, a Inteligência Artificial (IA) consiste em uma variedade de técnicas de predição. Predição é o processo que possibilita a obtenção de informações que você não possui a partir de informações que você possui. Essa pode parecer uma definição simplista para uma tecnologia tão impressionante, mas é de fato a sua essência, como veremos a seguir.

Por exemplo, uma aplicação de IA que reconhece se uma determinada imagem é de um gato, primeiro teve acesso a uma grande quantidade de imagens sabidamente de gatos, de forma a reconhecer padrões comuns a todas as imagens de gatos. Com isso, diante de uma imagem nova, que você não sabe do que se trata, a aplicação de IA busca pelo "padrão gato" e o resultado é a predição de a imagem nova ser de um gato.

Aqui é importante fazermos uma diferenciação entre Inteligência Artificial e Inteligência Artificial Geral. Esta última simula a inteligência humana de forma plena, executando tarefas como raciocínio abstrato, formulação de conceitos, planejamento estratégico e é ainda objeto de pesquisa e de ficção científica.

Como a capacidade dos sistemas para tratar grandes quantidades de dados e diversidade de padrões é finita, a maioria das aplicações de IA é especializada em um único tema (p.ex. reconhecimento de imagens de gatos).

Dentre as técnicas abrangidas pela IA, a Aprendizagem de Máquina tem sido a utilizada na ampla maioria das aplicações. A Aprendizagem de Máquina permite que computadores trabalhem com um determinado tema, sem terem sido explicitamente programados nele.

No nosso exemplo de reconhecimento de imagem de gatos, não é necessário programar o computador com o "padrão gato". O computador extraiu o padrão gato a partir de um grande conjunto de imagens sabidamente de gatos e com isso "aprendeu" a predizer se uma determinada imagem é ou não de um gato.

Existem vários modelos de implementação da Aprendizagem de Máquina, dentre os quais citamos dois mais comuns:

– Aprendizagem Supervisionada: o nome deriva do fato de que se baseia em um grande conjunto de dados previamente identificados (por um humano) e sua principal aplicação é fornecer uma predição de um dado novo ser (ou não) compatível com o conjunto de dados conhecidos. P.ex. reconhecimento de imagens.

– Aprendizagem Não Supervisionada: como o nome sugere, neste modelo os dados não foram previamente identificados e sua principal aplicação é fornecer uma predição de um dado pertencer ou relacionar-se a um determinado grupo, por apresentar um mesmo padrão. P.ex. segmentação de clientes.

Na IA os dados possuem um papel fundamental e são divididos em três categorias:

– Dados de Treinamento: são usados para a aplicação identificar características ou correlações em um conjunto de dados de forma a "aprender" que um dado pertence a um determinado grupo ou tem uma relação definida com outros dados do conjunto.

 – Dados de Entrada: são os dados novos submetidos à aplicação e que desejamos saber se pertencem a um determinado grupo ou se tem relação com outros dados, com base no que foi aprendido pela aplicação.

– Dados de Feedback: a predição feita pela aplicação sobre os dados de entrada, indicando pertencerem um grupo ou terem relação com outros dados, retorna para a própria aplicação para refinar o processo de aprendizagem.

Quanto maior for a quantidade de dados melhor será a qualidade da predição. Uma quantidade grande de dados de treinamento é importante para que a aplicação ofereça bons resultados desde o início. E à medida que a aplicação é usada, submetida a dados de entrada e gerando dados de feedback, a predição tende a melhorar.

Além de revelar informações até então desconhecidas a partir de dados conhecidos, um outro objetivo importante da IA é automatizar tarefas. Para isso, as aplicações precisam ser capazes de usar as predições para a tomada de decisões, o que implica na capacidade de fazer julgamentos.

Para entendermos o julgamento vamos considerar um exemplo onde a IA é usada para predizer se uma mensagem de e-mail é spam e direcioná-la para a caixa de entrada ou para a caixa de spam. Remeter uma mensagem legítima para a caixa de spam pode resultar no usuário descartar algo importante. Por outro lado, encaminhar uma mensagem de spam para a caixa de entrada pode levar o usuário a perder tempo com algo indesejado. A aplicação de IA precisa então ponderar o resultado da ação de direcionamento da mensagem em função da consequência que ela trará para o usuário, ou seja, fazer um julgamento para executar a melhor ação possível.

De maneira geral, o julgamento por uma aplicação de IA pode ocorrer por deliberação ou por experimentação. Por deliberação, se for possível associar previamente a cada predição uma ação correspondente. Por experimentação, usando tentativa-e-erro, com o acompanhamento de um humano, até a IA "aprender" qual a ação que um humano executaria diante das predições possíveis e, depois, poder dispensar o acompanhamento.

Dado, predição e julgamento são os elementos fundamentais da IA. Com a utilização de técnicas e modelos adequados, podemos obter informações valiosas, até então desconhecidas, a partir de dados que estão à disposição da empresa, bem como automatizar inúmeras tarefas, por mais complexas que sejam.

Nos próximos dois artigos trataremos da avaliação da aplicabilidade da IA em um negócio e do planejamento adequado para que uma iniciativa de IA tenha maiores chances de ser bem-sucedida.

Igor Ramos Rocha, Consultor de Empresas em Tecnologia.

DEIXE UMA RESPOSTA

Por favor digite seu comentário!
Por favor, digite seu nome aqui

This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.