Total Pageviews

Blog Archive

Procura neste Blog

ITO-NeTthings. Com tecnologia do Blogger.

O que é IA? Tudo sobre Inteligência Artificial

Tudo o que precisas de saber sobre inteligência artificial
Share it:
Inteligência Artificial

O que é inteligência artificial (IA)?


Inteligência Artificial é sem dúvida um tópico muito quente. Na década de 1950, Minsky e McCarthy descreveram a inteligência artificial como qualquer tarefa realizada por um programa ou uma máquina que, se um ser humano realizasse a mesma actividade, diríamos que o ser humano precisava de aplicar inteligência para acompanhar a tarefa.

Os sistemas IA geralmente demonstram pelo menos alguns dos seguintes comportamentos associados à inteligência humana: planeamento, aprendizagem, raciocínio, resolução de problemas, representação do conhecimento, percepção, movimento e manipulação e, em menor grau, inteligência social e criatividade.

Inteligência artificial é a inteligência similar à humana exibida por mecanismos ou software ou "a ciência e engenharia de produzir máquinas inteligentes".

É uma área de pesquisa da computação dedicada a buscar métodos ou dispositivos computacionais que possuam ou multipliquem a capacidade racional do ser humano de resolver problemas, pensar ou, de forma ampla, ser inteligente.

Para que usos é a IA?


A IA é omnipresente hoje, digamos que está quase em todo lado. Recomenda-te as tuas compras online, está presente nos assitentes virtuais como Alexa da Amazon e o Siri da Apple, para reconhecer quem e o que está numa foto, detectar spam ou detectar fraudes de cartão de crédito.

Influencia e muito algumas decisões que tu tomas no dia a dia.

Exemplo: Tu procuras um determinado produto ou assunto, a publicidade que irá aparecer nas páginas ou redes sociais que frequentares vai de acordo com aquilo que tiveste a pesquisar.

Quais são os diferentes tipos de IA?


De forma muito ampla, a inteligência artificial pode ser dividida em dois: IA Narrow (Fraca ou estreita) e IA Geral (forte).

Inteligência Artificial

A Narrow AI é o que vemos ao nosso redor hoje em dia, nos computadores: sistemas inteligentes que foram ensinados a realizar tarefas específicas sem serem explicitamente programados como fazê-lo. Este tipo de inteligência da máquina é evidente no reconhecimento de fala e linguagem do assistente virtual Siri no iPhone da Apple, nos sistemas de reconhecimento de visão em carros auto-dirigidos, nos motores de recomendação que sugerem produtos que você pode gostar com base no que compraste no passado.

Ao contrário dos seres humanos, esses sistemas só podem aprender ou ser ensinados a fazer tarefas específicas, e é por isso que eles são chamados de Narrow IA ou IA mais fraca.

O que pode a Narrow IA fazer?


Interpretar feeds de vídeo de drones que realizam inspecções visuais de infra-estrutura, como oleodutos, organizar calendários pessoais e de negócios, responder a consultas simples de atendimento ao cliente, coordenando com outros sistemas inteligentes para realizar tarefas como reservar um hotel num momento e local adequados, ajudando os radiologistas a detectar potenciais tumores em raios-X, sinalizando conteúdo inapropriado on-line, detectando desgaste em elevadores a partir de dados colectados por dispositivos IoT, etc.

O que a IA Geral pode fazer?


A inteligência geral artificial é muito diferente e é o tipo de intelecto adaptável encontrado nos seres humanos, uma forma flexível de inteligência capaz de aprender a realizar tarefas muito diferentes, desde cortes de cabelo até a construção de folhas de excel, ou a motivo de uma grande variedade de tópicos com base na sua experiência acumulada.

Este tipo de inteligência artificial ainda não se vê (a não ser nos filmes) mas pode estar para breve. Os especialistas em IA estão divididos neste assunto.

Uma pesquisa conduzida entre quatro grupos de especialistas em 2012/13 pelos pesquisadores de AI Vincent C Müller e filósofo Nick Bostrom relatou uma hipóetese de 50 por cento de que a Inteligência Geral Artificial (AGI) teria uma probabilidade grande acontecer entre 2040 e 2050, aumentando para 90% até 2075.

A O grupo avançou ainda mais, prevendo que a denominada "super inteligência" - que Bostrom define como "qualquer intelecto que excede muito o desempenho cognitivo dos seres humanos em praticamente todos os domínios de interesse" - foi esperado cerca de 30 anos após a obtenção da AGI. Dito isto, alguns especialistas da AI acreditam que tais projecções são extremamente optimistas, dada nossa compreensão limitada do cérebro humano, e acreditamos que a AGI ainda está a alguns séculos.

O que é "Machine Learning?


Há um amplo conjunto de pesquisas em IA, muitas das quais alimenta-se e complementa-se.
Actualmente, desfrutando de um ressurgimento, o "Machine Learning" é onde um sistema de computador é alimentado com grandes quantidades de dados, o que ele usa para aprender a realizar uma tarefa específica, como entender a fala (voz) ou identificar uma fotografia.

O que são redes neurais?


A chave para o processo de aprendizagem de máquinas são redes neurais. Estas são redes inspiradas pelo cérebro de camadas inter-conectadas de algoritmos, chamados neurónios, que alimentam dados um para o outro e que podem ser treinados para realizar tarefas específicas, modificando a importância atribuída aos dados de entrada à medida que passa entre as camadas.

Durante o treino dessas redes neurais, os pesos associados a diferentes entradas continuarão a ser variados até que a saída da rede neural esteja muito próxima do que é desejado, momento em que a rede terá "aprendido" como realizar uma determinada tarefa.

Um subconjunto de "Machine Learning" é uma aprendizagem profunda, onde as redes neurais são expandidas para redes alastrando com uma grande quantidade de camadas treinadas usando enormes quantidades de dados.

São essas redes neves profundas que alimentaram o salto atual na capacidade dos computadores para realizar tarefas como reconhecimento de fala e visão por computador.

Existem vários tipos de redes neurais, com diferentes pontos fortes e fracos. As redes neurais recorrentes são um tipo de rede neural particularmente adequada ao processamento de linguagem e ao reconhecimento de fala, enquanto as redes neurais convolutivas são mais comummente usadas no reconhecimento de imagens.

O design das redes neurais também está a evoluir, com os investigadores recentemente a melhorar uma forma mais efectiva de rede neural profunda chamada memória de curto prazo longo ou LSTM, permitindo que ele funcione rápido o suficiente para ser usado em sistemas como o Google Translate.

Outra área da pesquisa da AI é a computação evolutiva, que segue a famosa teoria de selecção natural de Darwin e vê algoritmos genéticos sofrer mutações aleatórias e combinações entre gerações na tentativa de desenvolver a solução ideal para um determinado problema. Essa abordagem foi até mesmo usada para ajudar a projetar modelos IA, usando efectivamente a IA para ajudar a construir a IA.

Este uso de algoritmos evolutivos para optimizar as redes neurais é denominado neuro-evolução e pode ter um papel importante a desempenhar para ajudar a projectar a IA Geral, já que o uso de sistemas inteligentes se torna mais prevalecente, particularmente porque a procura por cientistas de dados geralmente ultrapassa a oferta.

A técnica foi recentemente exibida pela Uber IA Labs, que lançou artigos sobre o uso de algoritmos genéticos para treinar redes neurais profundas para problemas de aprendizagem de reforço.

Finalmente, há sistemas experientes, onde os computadores são programados com regras que lhes permitem tomar uma série de decisões com base em um grande número de entrada de dados, permitindo que a máquina imite o comportamento de um especialista humano num domínio específico.

Um exemplo desses sistemas baseados no conhecimento pode ser, por exemplo, um sistema de piloto automático que está num avião.

O que está a alimentar a evolução da IA?


Os maiores avanços para a pesquisa da IA nos últimos anos têm sido no campo da aprendizagem mecânica, em particular no campo da aprendizagem profunda. Isso foi impulsionado em parte pela fácil disponibilidade de dados, mas ainda mais por uma explosão de poder de computação paralela nos últimos anos, período durante o qual o uso de aglomerados de GPU para treinar sistemas de aprendizagem de máquinas tornou-se mais prevalecente.

Não só esses clusters oferecem sistemas muito mais poderosos para o treino de modelos de aprendizagem em máquina, mas agora estão amplamente disponíveis como serviços na nuvem pela internet.

Ao longo do tempo, as principais empresas de tecnologia, como o Google e a Microsoft, mudaram-se para usar chips especializados adaptados tanto à execução, quanto mais recentemente, a modelos de treino e aprendizagem da máquina.

São estas grandes empresas que estão a "alimentar" a IA com forma de acelerar os modelos que detêm e assim melhorar serviços como o Google Translate, Google Photos, etc.

Quais são os elementos de "Machine Learning"?


Como mencionado, o "Machine Learning" é um subconjunto de IA e geralmente é dividido em duas categorias principais: "Learning" supervisionado e não supervisionado.

Aprendizagem supervisionada - Uma técnica comum para ensinar sistemas de IA é treinando-os usando uma grande quantidade de exemplos rotulados. Esses sistemas de aprendizagem em máquina são alimentados com enormes quantidades de dados, que foi anotado para destacar as características de interesse. Estas podem ser fotos marcadas para indicar se elas contêm um cão ou frases escritas que têm notas de rodapé para indicar se a palavra "baixo" se refere a música ou a um peixe. Uma vez treinado, o sistema pode então aplicar esses rótulos para novos dados, por exemplo, para um cachorro numa foto que acabou de ser carregada. Este processo de ensino de uma máquina através de um exemplo é chamado de aprendizagem supervisionada e o papel da rotulagem desses exemplos é geralmente realizado por trabalhadores on-line, empregados através de plataformas como o Amazon Mechanical Turk.

O treino desses sistemas normalmente requer grande quantidade de dados, com alguns sistemas que precisam explorar milhões de exemplos para aprender a desempenhar uma tarefa com eficiência - embora isso seja cada vez mais possível numa época de grandes dados e mineração de dados generalizada.

Os conjuntos de dados de treino são enormes e a crescer, vamos a exemplos: o conjunto de dados de imagens abertas do Google tem cerca de nove milhões de imagens, enquanto o repositório de vídeos rotulados do YouTube tem cerca de 8 milhões. ImageNet, um dos primeiros bancos de dados deste tipo, tem mais de 14 milhões de imagens categorizadas. Compilado ao longo de dois anos, foi montado por quase 50.000 pessoas - a maioria dos quais foram recrutados através do Amazon Mechanical Turk - que verificou, classificou e rotulou quase um bilhão de fotos candidatas.

A longo prazo, ter acesso a grandes conjuntos de dados rotulados também pode ser menos importante do que o acesso a grandes quantidades de potência de computação. Nos últimos anos, as Redes Adversárias Generativas (GANs) mostraram que os sistemas de aprendizagem em máquina que são alimentados com uma pequena quantidade de dados rotulados podem gerar enormes quantidades de dados novos para ensinar a si mesmos.

Quais são as empresas líderes em IA?


Google DeepMind e o NHS: um vislumbre do que AI significa para o futuro dos cuidados de saúde. A subsidiária do Google atingiu uma série de acordos com organizações no serviço de saúde do Reino Unido - então, o que realmente está a acontecer?

Com a IA a desempenhar um papel cada vez mais importante em software e serviços modernos, cada uma das principais empresas de tecnologia está a lutar para desenvolver tecnologia robusta de aprendizagem numa máquina para uso interno e para vender ao público através de serviços na nuvem.

Cada um regularmente faz manchetes para abrir novos caminhos na pesquisa da AI, embora seja provavelmente o Google com o DeepMind IA AlphaGo que provavelmente fez o maior impacto na consciencialização pública sobre a IA.

Quais serviços IA estão disponíveis?


Todas as principais plataformas de nuvem - Amazon Web Services, Microsoft Azure e Google Cloud Platform - fornecem acesso a matrizes de GPU para treino e execução de modelos de aprendizagem de máquinas, com o Google também, a adaptar-se para permitir que os utilizadores usem as suas Unidades de Processamento de Tensor - chips personalizados cujo design é optimizado para treino e execução de modelos de "Machine Learning".

Todas as infraestruturas e serviços associados necessários estão disponíveis nas três grandes lojas de dados baseadas na nuvem, capazes de armazenar a grande quantidade de dados necessários para treinar modelos de aprendizagem em máquina, serviços para transformar dados para prepará-lo para análise, ferramentas de visualização para exibir os resultados com clareza e software que simplifique a construção de modelos.

Essas plataformas na nuvem estão mesmo a simplficar a criação de modelos personalizados de aprendizagem da máquina, com a Google a revelar recentemente um serviço que automatiza a criação de modelos IA, denominados Cloud AutoML. Este serviço de arrastar e soltar cria modelos personalizados de reconhecimento de imagem e exige que o utilizador não tenha experiência em Machine Learning.

Qual das principais empresas de tecnologia está a ganhar a corrida de IA?


Internamente, cada um dos gigantes tecnológicos - e outros como o Facebook - usam a IA para ajudar a administrar inúmeros serviços públicos: servir os resultados da pesquisa, oferecer recomendações, reconhecer pessoas e coisas em fotos, traduções, detectar spam - a lista é extensa.

Mas uma das manifestações mais visíveis desta guerra da IA foi o surgimento de assistentes virtuais, como o Siri da Apple, o Alexa da Amazon, o Assistente do Google e a Microsoft Cortana. Baseando-se fortemente no reconhecimento de voz e no processamento de linguagem natural, além de precisar de um imenso corpus para recorrer a perguntas, uma grande quantidade de tecnologia está no desenvolvimento desses assistentes.

Mas enquanto o Siri da Apple pode ter chegado à proeminência primeiro, é o Google e a Amazon, cujos assistentes já superaram a Apple no espaço da IA - o Google Assistant com a capacidade de responder a uma ampla gama de consultas e Alexa da Amazon com o número maciço de "Habilidades".

Apesar de ter sido incorporado ao Windows 10, a Cortana teve tempos particularmente difícil, com o rumor de que os principais fabricantes de PCs vão criar Alexa em Laptops, aumentando a especulação de que os dias de Cortana estão contados, embora a Microsoft tenha sido rápida para rejeitar isso.

Que países lideram o caminho da IA?


Seria um grande erro pensar que os gigantes tecnológicos dos EUA têm o campo de IA dominado.

As firmas chinesas Alibaba, Baidu e Lenovo estão ia investir forte em IA em campos que vão desde o comércio electrónico até a condução autónoma. A China está a transformar a IA numa industria no país.

A Baidu investiu no desenvolvimento de carros de autónomos, impulsionados pelo algoritmo de Machine Learning profundo, Baidu AutoBrain e, após vários anos de testes, está a planear lançar veículos totalmente autónomos em 2018 e produzi-los em massa até 2021.

A Baidu também fez uma parceria com a Nvidia para usar a inteligência artificial para criar uma plataforma de carro autónoma (Cloud Computing) para fabricantes de automóveis em todo o mundo.

A combinação de leis de privacidade fracas, grandes investimentos, e análise de big data por grandes empresas como Baidu, Alibaba e Tencent, significa que alguns analistas acreditam que a China tem vantagem sobre os EUA em relação a futuras pesquisas de inteligência artificial.

Como posso começar a IA?


Provavelmente a maneira mais fácil de experimentar serviços relacionados à IA é através da nuvem. Todas as principais empresas de tecnologia oferecem vários serviços de inteligência artificial, desde a infraestrutura para construir e treinar seus próprios modelos de machine learning até serviços da Web que permitem aceder a ferramentas de IA, como reconhecimento de fala, linguagem, visão e sentimentos.

Quais são os marcos recentes no desenvolvimento da IA?


Há muitos para montar uma lista abrangente, mas alguns destaques recentes incluem: em 2009, o Google mostrou que era possível que o seu Toyota Prius autónomo completasse mais de 10 viagens de 160 km cada, colocando a sociedade num caminho para veículos sem motorista.

Em 2011, o sistema informático Watson da IBM ganhou as manchetes de todo o mundo quando ganhou o programa de perguntas e respostas Jeopardy, batendo dois dos melhores jogadores que o programa já produziu. Para ganhar o programa, o Watson usou processamento e análise de linguagem natural em vastos repositórios de dados que processava para responder a perguntas feitas por pessoas, muitas vezes numa fracção de segundo.

Existem outros casos principalmente no que se refere ao Xadrez.

Como a IA mudará o mundo?


O desejo de que os robôs sejam capazes de agir autonomamente e entender e navegar pelo mundo ao seu redor significa que há uma sobreposição natural entre a robótica e a IA. Embora a inteligência artificial seja apenas uma das tecnologias usadas na robótica, o uso da inteligência artificial está a ajudar os robôs a mudarem para novas áreas, como a auto-suficiência.

A IA acabará com a vida humana?


À medida que os sistemas baseados em IA se tornaram mais capazes, os avisos das desvantagens sucedem-se. O CEO da Tesla e SpaceX, Elon Musk, afirmou que a IA é um "risco fundamental para a existência da civilização humana". Como parte de sua pressão por uma supervisão que regule para uma pesquisa mais responsável para mitigar as desvantagens da IA, ele criou a OpenAI, uma empresa de pesquisa de inteligência artificial sem fins lucrativos que visa promover e desenvolver IA amigável que beneficiará a sociedade como um todo.

Da mesma forma, o estimado e falecido físico Stephen Hawking alertou que, uma vez criada uma IA suficientemente avançada, ela avançará rapidamente até o ponto em que superará amplamente as capacidades humanas, um fenómeno conhecido como singularidade, e poderá representar uma ameaça existencial à raça humana.

No entanto, a noção de que a humanidade está à beira de uma explosão de IA que vai ofuscar o nosso intelecto parece ridícula para alguns pesquisadores de IA. Chris Bishop, diretor de pesquisa da Microsoft em Cambridge, Inglaterra, salienta quão diferente a inteligência estreita da IA ​​hoje é da inteligência geral dos seres humanos, dizendo que quando as pessoas se preocupam com "O Exterminador e a ascensão das máquinas e assim por diante". Sim. Na melhor das hipóteses, essas discussões estão a décadas de distância ".

Uma IA afecta os nossos empregos?


A possibilidade de sistemas artificialmente inteligentes substituírem grande parte do trabalho manual moderno talvez seja uma possibilidade bastante credível no futuro próximo.

Inteligência Artificial

Embora a IA não substitua todos os empregos, o que parece ser certo é que a IA mudará a natureza do trabalho, com a única dúvida de quão rápida e profundamente a automação alterará o local de trabalho.

Há apenas um campo de esforço humano que a IA não tem o potencial de causar impacto. Como diz Andrew Ng, especialista em IA: "muitas pessoas estão a fazer trabalhos rotineiros e repetitivos. Infelizmente, a tecnologia é especialmente boa para automatizar o trabalho rotineiro e repetitivo", e vê "um risco significativo de desemprego tecnológico nas próximas décadas".

A Amazon acaba de lançar o Amazon Go, um supermercado sem caixa em Seattle, onde os clientes simplesmente pegam os produtos nas prateleiras e saem.

A Amazon está a liderar no uso de robôs para melhorar a eficiência dentro dos seus armazéns. Esses robôs carregam prateleiras de produtos para catadores humanos que seleccionam itens a serem enviados. A Amazon tem mais de 100.000 bots nos centros de atendimento, com planos para adicionar muitos mais. Mas o número de bots cresceu, o mesmo acontece com o número de trabalhadores humanos nesses depósitos.

No entanto, a Amazon e as pequenas empresas de robótica estão trabalhando para automatizar os trabalhos manuais remanescentes no depósito, portanto, não é de se esperar que o trabalho manual e robótico continue a crescer lado a lado.

Veículos totalmente autónomos ainda não são uma realidade, mas segundo algumas previsões, a indústria de camiões autónomos está pronta para assumir mais de 1,7 milhão de empregos na próxima década, mesmo sem considerar o impacto nos correios e taxistas.

No entanto, alguns dos trabalhos mais fáceis de automatizar nem precisam de robótica. Actualmente, existem milhões de pessoas a trabalhar na administração, inserindo e copiando dados entre sistemas. À medida que o software melhora e actualiza este automáticamente vai executando tarefas que eram feitas pelos administrativos até aqui.

Inteligência artificial: está prestes a causar uma grande reviravolta nos empregos. Os avanços na visão computacional, fala, análise e robótica móvel prometem afectar qualquer trabalho relacionado a essas habilidades.

Fonte: ZDNET
Share it:

info

Post A Comment:

0 comments: