Índice
- O que é Inteligência Artificial?
- História da Inteligência Artificial
- Quais são os tipos de Inteligência Artificial?
- Deep Learning vs. Machine Learning
- O avanço dos modelos generativos
- Onde podemos encontrar inteligência artificial?
- As inteligências artificiais vão roubar seu emprego?
- As inteligências artificiais mais famosas
A Inteligência Artificial é um termo que tem ganhado cada vez mais destaque nos últimos anos, e não é por menos. Trata-se de uma tecnologia que revoluciona como interagimos com o mundo ao nosso redor.
Mas afinal, o que é Inteligência Artificial? Neste artigo especial, exploraremos o conceito, suas aplicações, desafios e perspectivas para o futuro. Acompanhe e descubra como a IA está transformando o mundo em que vivemos.
Assista o vídeo no Canal do Showmetech:
O que é Inteligência Artificial?
A Inteligência Artificial é também conhecida pelas siglas IA, no português, ou AI, em inglês, e representa um dos campos mais fascinantes da ciência da computação atual.
Essa tecnologia permite que computadores ou máquinas imitem a inteligência humana.
As AIs se baseiam em modelos e algorítimos criados por cientistas, projetados para funcionar como o cérebro humano. Elas conseguem identificar informações, fazer relações entre elas e até prever, quase sempre, qual é a resposta mais correta para o caso.
Nos últimos anos, houve diversos conceitos e definições para a inteligência artificial, mas John McCarthy, famoso cientista da computação, em um artigo, definiu a IA como “a ciência e engenharia de criar máquinas inteligentes, especialmente softwares inteligentes. Está relacionada com a tarefa semelhante de usar computadores para entender a inteligência humana, mas a IA não precisa se confinar a métodos que são biologicamente observáveis”.
Conforme o cientista, embora consideremos a inteligência humana como um padrão de sucesso, não devemos restringir a inteligência artificial para se adaptar ao nosso modo de pensar.
O estudo da IA não é uma novidade (começou em 1950), mas só agora conseguiu atingir esse potencial com status de “revolucionário”, graças a 3 fatores atuais:
O primeiro é o desenvolvimento de computadores ou data centers, com poder de processamento gigantesco, suficiente para dar conta de modelos complexos de inteligência artificial.
O segundo fator é o acesso a grandes quantidades de dados, proporcionados pela própria internet. Esses, embora sejam “brutos”, ou seja, não necessariamente organizados e classificados, são as bases pras AIs aprenderem a classificar objetos corretamente e dar respostas corretas ao que está sendo perguntado.
E o terceiro diz respeito aos modelos de dados, que são representações eficientes e precisas das informações que queremos analisar ou utilizar. Eles são construídos para ajudar as AIs a compreenderem melhor o que está sendo informado.
Com isso, a gente chega ao que se vê hoje: AIs que respondem perguntas sobre qualquer assunto, criam apresentações de trabalho, imagens totalmente novas e até músicas com vozes de cantores reais.
Por exemplo, se perguntarmos para o Chat GPT, um sistema de IA que consegue entender e responder a perguntas como se fosse uma pessoa de verdade, o que é inteligência artificial, podemos obter a seguinte resposta:
Inteligência artificial (IA) refere-se a um campo da ciência da computação que se concentra no desenvolvimento de sistemas e máquinas capazes de realizar tarefas que normalmente requerem inteligência humana. A IA visa criar programas e algoritmos que podem perceber, raciocinar, aprender e tomar decisões de maneira autônoma.
Chat GPT
Esses programas ou algoritmos também estão presentes nos eletrônicos que a gente usa, como em carros que dirigem sozinhos, robôs aspiradores de pó e, claro, nas mais diversas funções que o seu smartphone oferece para você.
Mas, para gente entender como as AIs chegaram até aqui, é hora de falar um pouco de história.
História da Inteligência Artificial
Desde tempos antigos, a ideia de objetos inanimados com inteligência tem sido presente. A ideia de robôs inteligentes e seres artificiais apareceu pela primeira vez em mitos da Grécia antiga. O deus Hefesto, por exemplo, foi descrito como criador de servos de ouro semelhantes a robôs. No antigo Egito, engenheiros construíram estátuas supostamente animadas por sacerdotes.
Ao longo dos séculos, pensadores como Aristóteles, Ramon Llull, René Descartes e Thomas Bayes descreveram os processos de pensamento humano usando ferramentas e lógica de sua época, estabelecendo as bases para conceitos de IA, como representação de conhecimento geral.
No final do século XIX e na primeira metade do século XX, surgiram trabalhos fundamentais que dariam origem ao computador moderno. Em 1836, o matemático da Universidade de Cambridge, Charles Babbage e Augusta Ada King, a Condessa de Lovelace, criaram o primeiro projeto para uma máquina programável.
Embora as raízes sejam antigas, a história da Inteligência Artificial, como a conhecemos hoje, tem menos de um século. A seguir, apresentamos uma rápida visão de alguns dos eventos mais importantes da sua trajetória.
Década de 1940:
- Em 1943, Warren McCullough e Walter Pitts publicam o artigo “Um Cálculo Lógico de Ideias Inerentes em Atividade Nervosa”, que propõe o primeiro modelo matemático para construir uma rede neural.
- Em 1949, em seu livro “A Organização do Comportamento: Uma Teoria Neuropsicológica”, Donald Hebb propõe a teoria de que as vias neurais são criadas a partir de experiências e que as conexões entre neurônios se fortalecem quanto mais frequentemente usadas. A aprendizagem hebbiana continua um modelo importante na IA.
Década de 1950:
Em 1950, o matemático Alan Turing, considerado o pai da ciência da computação, escreveu um artigo para responder à pergunta “Pode uma máquina pensar?, indagando se seria possível criar uma máquina inteligente. Ele também inventou um teste para ver se um computador poderia imitar o comportamento humano. O famoso Teste de Turing.
Em 1950, também, o escritor de ficção científica Isaac Asimov, publicou o livro “Eu, Robô”, para questionar sobre como seriam os robôs inteligentes e que regras deveriam obedecer. Aqui, ele também criou as famosas suas “3 leis da robótica”, que até hoje são usadas para entender como um robô deve agir, sem que cause danos aos seres humanos.
Depois, em 1956, John McCarthy criou o termo “inteligência artificial” na primeira conferência dedicada às AIs nos Estados Unidos, e também, no mesmo ano, o primeiro programa de inteligência artificial foi criado, o Logic Theorist, que conseguia realizar uma espécie de “raciocínio automatizado”.
Outros fatos importantes da década incluem:
- Em 1950, os estudantes de Harvard, Marvin Minsky e Dean Edmonds constroem o SNARC, o primeiro computador de rede neural.
- Em 1950, Claude Shannon publica o artigo “Programando um Computador para Jogar Xadrez”.
- Em 1952, Arthur Samuel desenvolve um programa de autoaprendizado para jogar damas.
- Em 1954, o experimento de tradução automática de russo para inglês da Georgetown-IBM traduz automaticamente 60 frases russas cuidadosamente selecionadas para o inglês.
- Em 1957, Frank Rosenblatt inventa o Perceptron no Cornell Aeronautical Laboratory, a primeira rede neural artificial.
- Em 1957, Allen Newell, Herbert Simon e J.C. Shaw desenvolvem o General Problem Solver (GPS), um programa projetado para imitar a resolução de problemas humanos.
- Em 1958, John McCarthy desenvolve a linguagem de programação de IA Lisp e publica “Programas com Senso Comum”, um artigo que propõe o hipotético Advice Taker, um sistema de IA completo com a capacidade de aprender com a experiência tão efetivamente quanto os seres humanos.
- Em 1959, Herbert Gelernter desenvolve o programa Geometry Theorem Prover. O programa conseguia provar teoremas de geometria de forma automatizada.
- Em 1959, Arthur Samuel cunha o termo “aprendizado de máquina” (machine learning) enquanto trabalhava na IBM.
- Em 1959, John McCarthy e Marvin Minsky fundam o Projeto de Inteligência Artificial do MIT.
Década de 1960:
Nos anos 60, as redes neurais entraram de fato no mapa. Elas são sistemas que imitam o funcionamento dos neurônios do cérebro humano, para permitir que máquinas “aprendam” como a gente, num formato tentativa e erro. Veremos com mais detalhes mais a frente, no capítulo sobre Aprendizado de Máquina.
- Em 1962, John McCarthy inicia o Laboratório de IA em Stanford.
- Em 1966, Joseph Weizenbaum cria ELIZA, o primeiro software para simulação de diálogos (Chatbot) no laboratório de Inteligência Artificial do MIT.
- Em 1966, o relatório do Comitê Consultivo de Processamento Automático de Linguagem (ALPAC), do governo dos EUA, detalha a falta de progresso na pesquisa de tradução automática. Uma grande iniciativa da Guerra Fria com a promessa de tradução automática e instantânea do russo.
Década de 1970:
Na década de 1970, a linguagem de programação PROLOG é criada e o relatório Lighthill é divulgado pelo governo britânico, detalhando as decepções na pesquisa de IA e resultando em cortes significativos no financiamento de projetos. Esse período é conhecido como o “Primeiro Inverno da IA”.
- Em 1970, os primeiros sistemas especialistas bem-sucedidos, DENDRAL e MYCIN, são criados em Stanford. Os sistemas especialistas são softwares que pretendem simular o raciocínio de um profissional especialista em alguma área de conhecimento específica, nesse caso, auxiliar os médicos no diagnóstico e tratamento de doenças infecciosas.
- Em 1972, a linguagem de programação PROLOG é criada por Alain Colmerauer e seus associados na Universidade de Marseille. A linguagem nasceu de um projeto que não tinha por foco a implementação de uma linguagem de programação, mas o processamento de linguagens naturais.
- Em 1973, na Universidade Waseda, no Japão, foi construído o WABOT-1, considerado o primeiro robô antropomórfico. Entre seus recursos, destaca-se a capacidade de movimentar seus membros, enxergar e conversar.
- Em 1978, a Digital Equipment Corporations desenvolve o R1 (também conhecido como XCON), o primeiro sistema especialista comercial bem-sucedido. Projetada para configurar pedidos de novos sistemas de computador, a R1 inicia um boom de investimentos em sistemas especialistas que durará boa parte da década.
- Entre 1974 e 1980, a frustração com o progresso no desenvolvimento de IA leva a grandes cortes nos subsídios acadêmicos do DARPA. Combinado com o relatório ALPAC e o relatório Lighthill do ano anterior, o financiamento para a IA seca e a pesquisa estagna.
Década de 1980:
Na década de 1980, surgem tecnologias como novos sistemas especialistas e a linguagem de programação Lisp, e ocorrem investimentos significativos em IA. Esse período é conhecido como o “Boom dos Sistemas Especialistas” e marca o fim do Primeiro Inverno da IA.
AInda nessa década, em 1986, o hoje considerado “pai da inteligência artificial”, Geoffrey Everest Hinton, desenvolveu algorítimos capazes de treinar as redes neurais de forma ainda mais complexa e até sem a ajuda dos próprios pesquisadores, o que hoje é chamado de Deep Learning ou aprendizado de máquina profundo. Isso mesmo, as AIs começam aqui a aprender sozinhas, bastando que o pesquisador forneça os dados para elas “estudarem”!
Outros fatos importantes incluem:
- Em 1982, o Japão lança o ambicioso projeto de Sistemas de Computação de Quinta Geração, FGCS. O objetivo do FGCS é desenvolver um desempenho semelhante ao de supercomputadores e uma plataforma para o desenvolvimento de IA.
- Em 1983, em resposta ao FGCS do Japão, o governo dos EUA lança a Iniciativa de Computação Estratégica para fornecer financiamento do DARPA para pesquisas em IA e tecnologia da informação.
- Em 1985, as empresas estão gastando mais de um bilhão de dólares anuais em sistemas especialistas e uma indústria inteira conhecida como mercado de máquinas Lisp surge para apoiá-las. Empresas como Symbolics e Lisp Machines Inc. constroem computadores especializados para executar a linguagem de programação de IA Lisp.
- Em 1986, Hinton, Rumelhart e Williams publicam “Aprendendo representações através da retropropagação de erros”, permitindo que redes neurais mais profundas fossem desenvolvidas.
- Entre 1987 e 1993, com o aprimoramento da tecnologia de computação, surgem alternativas mais baratas e o mercado de máquinas Lisp entra em colapso em 1987, inaugurando o “Segundo Inverno da IA”. Durante esse período, os sistemas especialistas se mostraram muito caros para manter e atualizar, eventualmente caindo em desuso.
Década de 1990:
Na década de 1990, a web se torna amplamente disponível, permitindo que uma grande quantidade de dados seja coletada e acessível para treinar modelos de IA. Além disso, o interesse em redes neurais e aprendizado de máquina é renovado.
- Em 1991, as forças dos Estados Unidos implantam o DART, uma ferramenta automatizada de planejamento e agendamento de logística, durante a Guerra do Golfo.
- Em 1992, o Japão termina o projeto FGCS, citando falhas em atender aos objetivos ambiciosos definidos uma década antes.
- Em 1993, a DARPA encerra a Iniciativa de Computação Estratégica, após gastar quase US$1 bilhão e ficar muito aquém das expectativas.
- Em 1997, o Deep Blue da IBM vence o campeão mundial de xadrez Garry Kasparov.
- Em 1999, o filme Matrix é lançado, popularizando ainda mais a ideia de Inteligência Artificial e seu impacto na sociedade.
Década de 2000 até os dias atuais:
A partir dos anos 2000, a IA se torna cada vez mais presente em nossa vida cotidiana, desde assistentes virtuais até sistemas de reconhecimento de voz e imagem, além de carros autônomos e outras tecnologias. Novas técnicas, como redes neurais profundas, processamento de linguagem natural (PNL) e aprendizado por reforço, são desenvolvidas e aprimoradas.
Em meados de 2018, as AIs continuaram evoluindo rapidamente e aqui chegaram os primeiros “Grandes Modelos de Linguagem” ou LLMs, na sigla em inglês, que são redes neurais capazes de interpretar vastas quantidades de textos para gerar respostas adequadas. E é exatamente isso que a gente vê hoje no ChatGTP, inteligência artificial lançada em 2022 que responde perguntas e comandos do usuário.
Confira os fatos mais recentes:
- Em 2002, a IRobot lança o Roomba, o primeiro robô aspirador de pó doméstico produzido em massa com um sistema de navegação alimentado por IA.
- Em 2005, o carro autônomo STANLEY vence o Desafio DARPA Grand Challenge.
- Em 2005, as forças armadas dos Estados Unidos começam a investir em robôs autônomos como o “Big Dog” da Boston Dynamics e o “PackBot” da iRobot.
- Em 2008, o Google realiza avanços na tecnologia de reconhecimento de fala e introduz a funcionalidade em seu aplicativo para iPhone.
- Em 2010, a Apple lança a Siri, uma assistente virtual movida a IA, através do sistema operacional iOS.
- Em 2011, o Watson da IBM derrota facilmente a concorrência no programa Jeopardy!.
- Em 2012, Andrew Ng, fundador do projeto Google Brain Deep Learning, alimenta uma rede neural usando algoritmos de aprendizado profundo com 10 milhões de vídeos do YouTube como conjunto de treinamento. A rede neural aprendeu a reconhecer um gato sem ser informada do que é um gato, inaugurando a era de avanços em redes neurais e financiamento em aprendizado profundo.
- Em 2012, o Google faz o primeiro carro autônomo a passar em um teste de direção estadual.
- Em 2014, a Alexa da Amazon, um dispositivo virtual doméstico inteligente, é lançada.
- Em 2015, o primeiro “cidadão robô”, um robô humanoide chamado Sophia, é criado pela Hanson Robotics e é capaz de reconhecimento facial, comunicação verbal e expressão facial.
- Em 2016, o AlphaGo do Google DeepMind derrota o campeão mundial de Go, Lee Sedol. A complexidade do antigo jogo chinês era vista como um grande obstáculo para a IA.
- Em 2018, o Google lança o motor de processamento de linguagem natural BERT, reduzindo as barreiras na tradução e compreensão por aplicações de aprendizado de máquina.
- Em 2018, a Waymo lança seu serviço Waymo One, permitindo que usuários em toda a região metropolitana de Phoenix solicitem uma coleta de um dos veículos autônomos da empresa.
- Em 2020, a Baidu lança seu algoritmo de Inteligência Artificial LinearFold para equipes científicas e médicas trabalhando no desenvolvimento de uma vacina durante os estágios iniciais da pandemia SARS-CoV-2. O algoritmo consegue prever a sequência de RNA do vírus em apenas 27 segundos, 120 vezes mais rápido do que outros métodos.
- Em 2020, a OpenAI lança o modelo de processamento de linguagem natural GPT-3, capaz de produzir texto modelado a partir da forma como as pessoas falam e escrevem.
- Em 2020, o AlphaFold2 da DeepMind resolve o problema do dobramento de proteínas, abrindo caminho para novas descobertas de medicamentos e avanços médicos.
- Em 2021, a OpenAI desenvolve o DALL-E, baseado no GPT-3, capaz de criar imagens a partir de prompts de texto.
- Em 2021, o Instituto Nacional de Padrões e Tecnologia lança o primeiro rascunho de seu Framework de Gerenciamento de Riscos de IA, um guia voluntário dos EUA “para gerenciar melhor os riscos para indivíduos, organizações e sociedade associados à inteligência artificial”.
- Em 2022, a DeepMind apresenta o Gato, um sistema de IA treinado para realizar centenas de tarefas, incluindo jogar Atari, legendar imagens e usar um braço robótico para empilhar blocos.
- Em 2022, o Google demite o engenheiro Blake Lemoine por suas afirmações de que o Modelo de Linguagem do Google para Aplicações de Diálogo (LaMDA) era consciente.
- Em 2023, a Microsoft lança uma versão de IA do Bing, seu mecanismo de busca, construído com a mesma tecnologia que alimenta o ChatGPT.
- Em 2023, o Google anuncia o Bard, uma IA conversacional concorrente.
- Em 2023, artistas entram com uma ação coletiva contra a Stability AI, DeviantArt e Midjourney por seu uso do Stable Diffusion para remixar as obras protegidas por direitos autorais de milhões de artistas.
- Em 2023, a OpenAI lança o GPT-4, seu modelo de linguagem mais sofisticado até o momento.
Bom, com história em dia, agora a gente entenderá como se classificam os tipos de Inteligências Artificiais.
Quais são os tipos de Inteligência Artificial?
Em geral, cientistas costumam dividir as AIs em 5 tipos principais, cada um em um passo na escada para se aproximar ou até superar a mente humana:
IAs Reativas
O primeiro tipo são as IAs Reativas, que não possuem memória e não aprendem com erros ou experiências passadas.
Um exemplo comum de uma máquina reativa é um robô programado para fabricar peças de automóveis na linha de produção. O robô é equipado com sensores que lhe permitem detectar a presença de peças e máquinas em sua área de trabalho. Ele é programado para realizar tarefas específicas, como soldagem e corte, em resposta aos estímulos detectados por seus sensores.
IAs de Memória Limitada
O segundo tipo são as AIs de Memória Limitada, que aprendem com erros ou experiências passadas para tomar decisões. As máquinas com memória limitada podem armazenar dados e previsões anteriores para tomar decisões em tempo real. Elas são mais complexas do que as máquinas reativas e oferecem mais possibilidades.
Aqui estão os assistentes pessoais, como o Google, Alexa e a Siri e até funções especiais do seu celular, como identificar objetos para melhorá-los em um vídeo ou fotografia.
As IAs Reativas e de Memória Limitada, também são classificadas como Inteligência Artificial Limitada, ou a sigla ANI, em inglês. São popularmente chamadas de “IA Fraca” e englobam todas as IAs que temos no mundo atualmente.
IAs de Teoria da mente
O terceiro tipo é chamado de AI de Teoria da Mente, onde sistemas inteligentes pode entender e explicar suas decisões de forma que os humanos possam entendê-las. Ou seja, a AI entende e reconhece quem interage com ela, compreendendo suas necessidades, emoções e crenças.
Esse tipo de AI ainda não foi inventado, mas é muito provável que logo a gente veja algo assim por aí, mas como exemplo fictício, no filme “Blade Runner 2049”, um dos personagens é uma IA que pode compreender as emoções humanas e até mesmo senti-las.
IA Autoconsciente
O quarto tipo, o mais avançado, é a AI autoconsciente. Nessa categoria, a Inteligência Artificial ganha consciência de si mesma, de suas necessidades e até de suas emoções. São classificadas como Inteligência Artificial Geral, ou a sigla AGI, em inglês, mas também chamadas de “IA Forte”.
Uma IA autoconsciente poderia aprender sobre si mesma e sobre o mundo ao seu redor, e teria uma identidade própria. A autoconsciência é considerada um objetivo final da IA, mas também é vista como um desafio ético e filosófico, uma vez que levanta questões sobre a natureza da consciência e da identidade.
Uma das teorias mais conhecidas sobre a consciência é a Teoria da Informação Integrada (IIT), proposta pelo neurocientista Giulio Tononi em 2004. A IIT sugere que a consciência surge quando um sistema pode integrar informações de diferentes fontes e criar um estado de consciência unificado. De acordo com essa ideia, a consciência não depende apenas da complexidade do sistema, mas também da capacidade de reunir informações e criar um estado pessoal de consciência.
Esse tipo ainda também não foi inventado, mas estima-se que estejamos cada vez mais próximos de ver uma “AI autoconsciente” num futuro próximo, pensando e agindo como um ser humano.
Como exemplo fictício, no filme “Ex Machina”, uma IA chamada Ava é projetada com a capacidade de aprender sobre si mesma e desenvolver uma personalidade própria, levantando questões sobre o que significa ser humano e sobre o papel da IA na sociedade.
Super IA
Mas, há um quinto estágio, chamado de Super-AI ou Superinteligência Artificial, ou a sigla ASI, em inglês, também chamada de “AI Super Forte”.
O momento em que ele for alcançado já tem até nome: singularidade. Ele representará um marco na evolução científica, onde os computadores terão inteligência sobre-humana, ou seja, acima do que somos capazes de raciocinar.
Aqui, o futuro é tão impressionante, quanto preocupante, uma vez que essas AIs podem nos ajudar a curar doenças e avançar tecnologicamente, mas também podem decidir que a raça humana não é mais necessária ou deve ser tratada como inferior.
Similar ao que acontece no filme O Exterminador do Futuro, em que uma inteligência artificial decide nos eliminar, ou em Matrix, história que conta como uma AI dominou os humanos e os transformou em “baterias” para as máquinas.
A partir desse ponto, as AIs podem se tornar incontroláveis. Que medo, né?
Deep Learning vs. Machine Learning
Machine Learning (aprendizado de máquina) e Deep Learning (aprendizado profundo) são duas técnicas fundamentais em inteligência artificial que permitem que as máquinas aprendam automaticamente a partir de dados e melhorem seu desempenho ao longo do tempo.
Ambas as técnicas têm sido amplamente utilizadas em uma variedade de setores, incluindo finanças, saúde, transporte, varejo e muitos outros. No entanto, apesar da popularidade, muitas pessoas ainda têm dúvidas sobre as diferenças entre as duas técnicas e como elas podem ser aplicadas em diferentes cenários.
O que é Machine Learning?
O Machine Learning é uma abordagem de IA que se concentra em ensinar máquinas a aprender a partir de dados sem serem explicitamente programadas. Em vez disso, os algoritmos de Machine Learning usam técnicas estatísticas para identificar padrões em conjuntos de dados e, com base nesses padrões, fazer previsões ou tomar decisões.
Fica mais fácil entender quando observamos os seis passos usados para ensinar uma máquina com memória limitada:
- Arrumar dados para ensinar a máquina (dados de treinamento);
- Criar um modelo para a máquina aprender;
- Verificar se o modelo consegue fazer previsões;
- Verificar se o modelo pode receber feedback (opinião) de pessoas ou do ambiente;
- Guardar esse feedback como dados;
- Repetir tudo isso muitas vezes para melhorar o desempenho da máquina.
Usando esses passos, existem quatro maneiras principais de ensinar uma máquina a aprender com dados:
- Aprendizado supervisionado: é quando ensinamos a máquina a reconhecer informações com a ajuda de muitos exemplos. É como ensinar um cachorro a reconhecer uma bola. Mostramos muitas bolas e dizemos “isso é uma bola”. Da mesma forma, para ensinar a máquina a reconhecer imagens de cavalos, mostramos muitas imagens que já sabemos que são cavalos. Assim, a máquina aprende sozinha a reconhecer cavalos em outras imagens.
- Aprendizado não supervisionado: é quando ensinamos a máquina a encontrar padrões em dados sem precisar que alguém diga o que é cada dado. É como organizar objetos em grupos sem que ninguém diga quais objetos vão juntos. A máquina aprende sozinha a encontrar semelhanças entre os objetos e a agrupá-los por essas semelhanças. Isso é útil para encontrar padrões em dados e fazer descrições sobre eles.
- Aprendizado semi-supervisionado: é uma mistura dos dois tipos anteriores. Algumas informações são ensinadas, mas a máquina precisa descobrir sozinha como organizar as informações para conseguir o resultado certo. É como ensinar um cachorro a pegar só a bola vermelha, mas ele precisa descobrir sozinho como fazer isso.
- Aprendizado por reforço: é quando ensinamos a máquina a fazer algo por meio de tentativa e erro. A máquina executa uma tarefa e recebe feedback positivo quando faz bem e feedback negativo quando faz mal. É como ensinar um cachorro a pegar um brinquedo. Se ele pegar o brinquedo certo, ganha um petisco. Se pegar o errado, não ganha nada.
O que é Deep Learning?
O Deep Learning (Aprendizado Profundo, em tradução livre) é uma técnica de Machine Learning que usa redes neurais artificiais para aprender a partir de dados.
Uma rede neural é um conjunto de neurônios artificiais chamados de perceptrons, que são usados para analisar e classificar dados. Eles funcionam como um pequeno computador que recebe informações e faz cálculos. Os dados são inseridos na primeira camada da rede, onde cada perceptron recebe um cálculo e, em seguida, transmite essas informações para vários outros perceptrons na camada seguinte.
Quando a rede neural tem mais de três camadas, é chamada de “rede neural profunda” ou Deep Learning. Algumas redes neurais modernas têm centenas ou até milhares de camadas. A saída dos perceptrons finais executa a tarefa definida para a rede neural, como classificar um objeto ou encontrar padrões nos dados.
Quando a rede neural é treinada com vários exemplos, ela pode aprender a identificar padrões e realizar tarefas complexas, como reconhecimento de voz, reconhecimento de imagem e processamento de linguagem natural (PNL).
Existem diferentes tipos de redes neurais artificiais, cada uma usada para tarefas específicas. Algumas das mais comuns são:
As redes FeedForward (FF) são usadas para classificar coisas, como imagens ou textos. Os dados passam por várias camadas até chegar à resposta final. As FFs são geralmente combinadas com um algoritmo de correção de erros chamado “BackPropagation”, que refaz o caminho contrário da rede com o resultado para melhorar a precisão.
As redes Neurais Recorrentes (RNN) são usadas para prever coisas com base em sequências de dados, como palavras em um texto. Elas têm “memória” do que aconteceu na camada anterior e são usadas para reconhecimento de fala, tradução e legendagem.
As redes de Memória de Longo Prazo (LSTM) são um tipo especial de RNN que podem lembrar coisas de camadas anteriores. Elas são usadas para prever coisas com base em dados passados, como no reconhecimento de fala.
As redes Neurais Convolucionais (CNN) são usadas principalmente para processar imagens. Elas procuram por diferentes partes da imagem e as combinam para chegar a um resultado.
As redes Adversárias Generativas (GAN) são usadas para criar imagens realistas e até mesmo fazer arte. Elas funcionam como um jogo, em que uma rede cria exemplos que a outra rede tenta provar se são verdadeiros ou falsos.
Quais são as diferenças entre Machine Learning e Deep Learning?
A principal diferença entre Machine Learning e Deep Learning é que cada um é melhor para lidar com diferentes tipos de dados. O Machine Learning é útil para dados estruturados, como previsão de vendas e detecção de fraudes, enquanto o Deep Learning é mais adequado para dados complexos e não estruturados, como imagens e áudio.
Outra diferença importante é a quantidade de dados necessária para treinar um modelo. O Deep Learning geralmente requer grandes conjuntos de dados para ser eficaz, enquanto o Machine Learning pode funcionar bem com conjuntos de dados menores.
Por fim, o treinamento de um modelo de Deep Learning é mais complexo e demorado do que o treinamento de um modelo de Machine Learning, mas pode resultar em previsões mais precisas e melhor desempenho em tarefas complexas.
O avanço dos modelos generativos
A Inteligência Artificial tem avançado rapidamente nos últimos anos, e uma das áreas que tem ganhado destaque é o avanço dos modelos generativos. Eles são uma classe atual de IAs usadas para gerar novas informações.
Elas conseguem criar imagens, textos inteiros, músicas e até mesmo vídeos a partir de um conjunto de dados de treinamento. São algoritmos de Deep Learning que podem aprender a gerar novas informações e se distinguem dos modelos discriminativos, usados apenas para classificar ou rotular dados.
Por exemplo, é possível treinar um modelo generativo para ler todos os textos da Wikipedia e, em seguida, usar essa informação para gerar novos textos com base em uma solicitação específica. Outro exemplo seria treinar um modelo generativo com as obras de Rembrandt e, em seguida, usá-lo para criar novas obras de arte
Imagine que você queira criar uma nova música, por exemplo, mas não sabe tocar nenhum instrumento. Você pode usar um modelo generativo criador de músicas como o MusicLM do Google e explicar pra ele que tipo de canção ou ritmo você precisa, e ele gerará uma música completamente nova para você.
Para gerar textos ou imagens, o procedimento é o mesmo, basta encontrar um modelo especializado, como o Bing com AI da Microsoft, para textos e respostas, ou o Midjourney, para imagens, escrever pra eles o que você precisa.
Essa ação de escrever comandos ou solicitações para as AIs, inclusive, se chama “Prompt”.
O mais incrível é que basta você escrever a sua solicitação ou Prompt em linguagem natural, que os sistemas compreendem, e em qualquer idioma.
Por exemplo, você pode descrever ao Midjourney, AI que gera imagens algo como: “Imagine uma imagem fotorrealista de uma menina andando de skate”, ou pedir ao ChatGPT que “escreva um conto engraçado sobre sapos e princesas”. O resultado é quase mágica.
Em resumo, a geração de modelos generativos é uma área promissora das IAs que já está sendo amplamente utilizada em diferentes setores. A tendência é que esses modelos se tornem cada vez mais precisos e eficientes, abrindo portas para uma nova era de IAs.
Onde podemos encontrar inteligência artificial?
A IA está presente em diversas áreas e setores, transformando a maneira como realizamos tarefas e interagimos com a tecnologia. Abaixo estão alguns exemplos de onde podemos encontrar a inteligência artificial:
- Reconhecimento de fala: a tecnologia de reconhecimento de fala é utilizada em dispositivos móveis, como assistentes virtuais como Siri, para realizar buscas por voz e fornecer acessibilidade em mensagens de texto.
- Atendimento ao cliente: agentes virtuais são cada vez mais comuns no atendimento ao cliente, respondendo a perguntas frequentes, fornecendo conselhos personalizados e auxiliando na venda cruzada de produtos. Exemplos incluem chatbots em sites de comércio eletrônico e aplicativos de mensagens como Facebook Messenger e WhatsApp.
- Visão computacional: a visão computacional permite que sistemas e computadores analisem informações visuais, como imagens e vídeos, para tomar ações. Aplicações incluem marcação de fotos em redes sociais, diagnóstico médico por imagens e carros autônomos.
- Sistemas de recomendação: algoritmos de IA são utilizados em sistemas de recomendação para identificar padrões de comportamento e oferecer sugestões personalizadas. Isso é comumente visto em lojas online, onde recomendações de produtos são elaboradas durante o processo de checkout.
- Negociação automatizada de ações: plataformas de negociação de alta frequência baseadas em IA realizam milhares ou até milhões de negociações diárias, sem intervenção humana, otimizando portfólios de ações.
- Robótica: a robótica utiliza a IA para projetar e fabricar robôs capazes de executar tarefas difíceis ou repetitivas. Esses robôs são usados em linhas de produção industrial, exploração espacial e interações sociais.
- Carros autônomos: a combinação de visão computacional, reconhecimento de imagem e aprendizado profundo é essencial para o desenvolvimento de carros autônomos, que podem pilotar permanecendo em uma faixa específica e evitando obstáculos inesperados.
- Geração de texto, imagem e áudio: as técnicas de IA generativa são usadas para criar diversos tipos de mídia com base em prompts de texto. Isso inclui arte fotorrealista, respostas de e-mails e roteiros.
Além desses exemplos, a IA está presente em diversos setores e mercados, incluindo:
- Saúde: a IA está sendo aplicada no campo da saúde para melhorar os resultados dos pacientes e reduzir custos. Algoritmos de aprendizado de máquina são utilizados para diagnósticos médicos mais rápidos e precisos. Além disso, assistentes virtuais e chatbots são usados para ajudar pacientes a encontrar informações médicas, agendar consultas e auxiliar em processos administrativos.
- Negócios: a IA está sendo integrada a plataformas de análise e gerenciamento de relacionamento com o cliente (CRM) para melhorar o atendimento. Chatbots são incorporados a sites para fornecer suporte imediato, e a tecnologia de IA generativa, como o ChatGPT, está revolucionando o design de produtos e modelos de negócios.
- Educação: a IA pode automatizar a avaliação e adaptação às necessidades dos alunos, permitindo que trabalhem em seu próprio ritmo. Tutores de IA fornecem suporte adicional e podem ajudar educadores a criar materiais de ensino. No entanto, o uso da IA na educação também requer uma reflexão sobre as políticas de plágio e os deveres dos alunos.
- Finanças: aplicativos de finanças pessoais, como o Intuit Mint ou o TurboTax, utilizam IA para fornecer conselhos financeiros personalizados. Além disso, a IA está presente em processos de negociação em Wall Street e em análises financeiras.
- Lei: a IA está sendo utilizada para automatizar processos de trabalho intensivos no campo jurídico, como a análise de documentos e a interpretação de solicitações de informações.
- Fabricação: robôs industriais estão sendo incorporados ao fluxo de trabalho, trabalhando ao lado de seres humanos. A IA é utilizada para melhorar a eficiência e a precisão dos processos de fabricação. Além disso, a IA é aplicada na manutenção preditiva, permitindo que as empresas identifiquem e resolvam problemas antes que ocorram falhas nas máquinas.
- Entretenimento e mídia: a IA é aplicada no setor de entretenimento para publicidade direcionada, recomendação de conteúdo, criação de roteiros e produção de filmes. Jornalismo automatizado ajuda a simplificar fluxos de trabalho e reduzir tempo e custos. No entanto, ainda há discussões sobre o uso confiável da IA generativa na geração de conteúdo jornalístico.
- Codificação de software e processos de TI: ferramentas de IA generativa estão sendo utilizadas para produzir código de aplicativos com base em prompts de linguagem natural. Além disso, a IA está automatizando processos de TI, como entrada de dados, detecção de fraudes e segurança.
- Segurança: a IA está sendo aplicada à segurança cibernética para detecção de anomalias, solução de problemas e análise de ameaças. A IA é usada em software de gerenciamento de eventos e informações de segurança (SIEM) para identificar atividades suspeitas.
- Transporte: a IA desempenha um papel fundamental na indústria de transporte, especialmente no desenvolvimento de veículos autônomos. Além disso, a IA é utilizada para otimizar rotas de transporte, gerenciar o tráfego e melhorar a logística.
- Agricultura: a IA está sendo aplicada na agricultura de várias maneiras, desde a otimização do uso de recursos, como água e fertilizantes, até a detecção precoce de doenças em plantas. Drones equipados com tecnologia de IA são usados para monitorar safras, identificar áreas com problemas e auxiliar no planejamento agrícola.
- Assistência pessoal: assistentes virtuais, como a Siri da Apple, a Alexa da Amazon e o Google Assistant, são exemplos de como a IA está presente em nossas vidas diárias. Esses assistentes utilizam técnicas de IA para entender comandos de voz, realizar tarefas, fornecer informações e até mesmo manter conversas.
- Recursos Humanos: algoritmos de IA podem ser empregados para analisar currículos, selecionar candidatos qualificados e prever o desempenho dos funcionários. Além disso, chatbots baseados em IA podem ser usados para responder a perguntas frequentes dos funcionários e auxiliar no treinamento e desenvolvimento profissional.
- Varejo: no setor varejista, a IA é aplicada para melhorar a experiência do cliente, personalizar recomendações de produtos, gerenciar estoques e otimizar estratégias de precificação. Algoritmos de IA podem analisar o comportamento de compra dos clientes, identificar padrões e oferecer sugestões personalizadas, contribuindo para aumentar as vendas e a fidelização dos clientes.
- Setor Militar: a IA desempenha um papel significativo no setor militar, sendo aplicada em diversas áreas. Por exemplo, sistemas de vigilância baseados em IA podem ser usados para monitorar fronteiras, identificar ameaças e auxiliar na tomada de decisões estratégicas. Além disso, a IA é utilizada no desenvolvimento de drones militares autônomos, que podem executar missões de reconhecimento e ataque com precisão.
Esses são apenas alguns exemplos de onde a Inteligência Artificial pode ser encontrada. À medida que a tecnologia continua avançando, é provável que a IA seja aplicada em mais setores e tenha um impacto ainda maior em nossas vidas.
As inteligências artificiais vão roubar seu emprego?
A automação e a inteligência artificial têm sido temas frequentes no mundo do trabalho e muitas pessoas se preocupam com a possibilidade de perder seus empregos para máquinas. No entanto, essa preocupação não é uma verdade completa.
De acordo com um estudo realizado pela Goldman Sachs no final de março de 2023, fica evidente o crescente impacto da Inteligência Artificial na economia. A pesquisa revela que, caso a IA generativa cumpra suas promessas, o mercado poderá enfrentar mudanças significativas, afetando cerca de 300 milhões de empregos.
Contudo, é importante destacar que isso não implica necessariamente na substituição desses empregos por tecnologias. O relatório ressalta que, historicamente, a automação tem sido compensada pela criação de novas oportunidades de trabalho.
Atualmente, a Inteligência Artificial complementa aproximadamente 63% dos empregos existentes, especialmente na área de atendimento ao consumidor. Profissões como cozinheiros e mecânicos de motos, por enquanto, não enfrentam ameaças de substituição.
É fato que a automação transforma o mercado de trabalho, mas apenas uma parte dos trabalhos serão completamente automatizados, de acordo com pesquisa da McKinsey & Company. Isso significa haver um enorme potencial para os humanos se tornarem mais produtivos do que nunca.
Com base nessas informações, podemos concluir que, embora a Inteligência Artificial possa parecer uma ameaça aos empregos globalmente, ela ainda depende da supervisão humana e não possui autonomia suficiente para se manter por conta própria. Portanto, haverá uma ampla gama de oportunidades de emprego para aqueles interessados em trabalhar nesse campo em crescimento.
Na lista a seguir apresentamos profissões geradas pelo impacto da IA no mercado de trabalho. Cada uma dessas profissões desempenha um papel essencial na implementação, desenvolvimento e ética da Inteligência Artificial, demonstrando o potencial e a importância dessa tecnologia em diversas áreas da sociedade moderna.
- Auditor de IA: avalia e verifica a conformidade dos sistemas de Inteligência Artificial com padrões éticos, regulamentações e melhores práticas.
- Gerenciador de Máquinas: responsável por supervisionar e manter o funcionamento adequado dos sistemas e infraestrutura de hardware relacionados à Inteligência Artificial.
- Engenheiro de Prompt: desenvolve e aprimora os modelos de geração de texto utilizados pela Inteligência Artificial, garantindo respostas coerentes e adequadas.
- Treinador de IA: responsável por treinar e aprimorar os modelos de IA, alimentando-os com dados relevantes e supervisionando seu desempenho.
- Consultor de IA: oferece orientação e aconselhamento especializado sobre a aplicação e implementação da Inteligência Artificial em diferentes setores e organizações.
- Cientista de Dados: analisa e interpreta grandes conjuntos de dados para extrair visões e tomar decisões estratégicas.
- Engenheiro de Machine Learning: desenvolve e implementa algoritmos e modelos de Machine Learning para criar sistemas inteligentes.
- Especialista em Ética de IA: avalia os impactos éticos da Inteligência Artificial e garante o uso responsável dessas tecnologias.
- Arquiteto de IA: projeta e constrói arquiteturas de sistemas de Inteligência Artificial para atender às necessidades empresariais.
- Analista de Processamento de Linguagem Natural: desenvolve algoritmos que permitem que as máquinas entendam e processem a linguagem humana.
- Especialista em Robótica: projetar e programar robôs inteligentes capazes de executar tarefas complexas em diferentes indústrias.
- Especialista em IA em Saúde: utiliza algoritmos de IA para auxiliar no diagnóstico médico, tratamento e pesquisa clínica.
- Especialista em IA em Finanças: aplica algoritmos de IA para análise de mercado, previsão financeira e detecção de fraudes.
- Designer de Interação com o Usuário de IA: projeta interfaces intuitivas e interações humanas para sistemas de Inteligência Artificial.
- Especialista em Visão Computacional: desenvolve algoritmos e sistemas para as máquinas poderem entender e interpretar imagens e vídeos.
- Engenheiro de Dados: projeta e gerencia a infraestrutura necessária para coletar, armazenar e processar grandes volumes de dados.
- Especialista em Chatbots: cria chatbots inteligentes capazes de interagir com os usuários e fornecer suporte ou assistência.
- Engenheiro de Aprendizado de Máquina: desenvolve algoritmos de aprendizado de máquina que permitem às máquinas aprenderem e melhorarem com base nos dados.
- Especialista em IA em Logística: utiliza a Inteligência Artificial para otimizar e automatizar processos logísticos, como gerenciamento de estoque e roteamento.
- Especialista em IA em Marketing: aplica técnicas de IA para análise de dados, personalização de campanhas e previsão de tendências de mercado.
- Especialista em Privacidade de Dados: garante a segurança e proteção dos dados utilizados nos sistemas de IA, garantindo a conformidade com regulamentações.
- Especialista em Reconhecimento de Padrões: desenvolve algoritmos que permitem às máquinas reconhecer e interpretar padrões mais complexos em dados.
- Especialista em IA em Agricultura: utiliza a Inteligência Artificial para otimizar a produção agrícola, monitorar colheitas e prever condições climáticas.
- Especialista em IA em Recursos Humanos: aplica técnicas de IA para otimizar processos de recrutamento, seleção e desenvolvimento de talentos.
Essas e outras profissões emergentes no campo da Inteligência Artificial refletem a crescente demanda por especialistas que possam compreender, implementar e otimizar o uso dessas tecnologias. À medida que a IA continua a se desenvolver e se integrar em diversas áreas, surgem novas oportunidades de emprego para profissionais qualificados.
Então, dá pra dizer que a automação e as Inteligência Artificiais vão mudar o mercado de trabalho sim, mas não vão necessariamente de forma negativa. Algumas funções serão substituídas por AIs, como é natural com a chegada de novas tecnologias, mas novos empregos também já começam a surgir.
O importante então é que você se adapte, para não ficar pra trás, tá?
As inteligências artificiais mais famosas
Diversas aplicações de IA têm se tornado parte do nosso cotidiano, como assistentes virtuais, chatbots, sistemas de recomendação, carros autônomos e muitos outros. Exploraremos algumas das IAs mais famosas e como elas se tornaram parte da nossa cultura e cotidiano.
- Siri: é um assistente virtual desenvolvido pela Apple em 2011 para dispositivos móveis, como iPhones, iPads e Apple Watches. Ela utiliza inteligência artificial para entender comandos de voz em linguagem natural e realizar tarefas como enviar mensagens, fazer ligações, definir alarmes, pesquisar informações na internet, entre outras. A Siri pode aprender com o usuário e se adaptar às suas preferências e hábitos, tornando-se cada vez mais personalizada e eficiente. Além disso, a Siri pode se integrar com outros aplicativos e dispositivos inteligentes para criar uma experiência de uso ainda mais completa e intuitiva.
- Alexa: é uma assistente virtual desenvolvida pela Amazon que auxilia na execução de tarefas cotidianas. Ela é ativada por meio do comando de voz “Alexa”, “Amazon” ou “Echo”. A Alexa funciona por meio do reconhecimento de voz e pode interagir com dispositivos inteligentes da casa, adicionar lembretes, conferir o clima, informar as principais notícias do dia, entre outras coisas.
- Google Assistant: é um assistente virtual desenvolvido pela Google que pode ser acessado por meio do comando de voz “Ok Google” ou “Hey Google”. Ele pode ser utilizado em dispositivos móveis, como smartphones e tablets, bem como em dispositivos inteligentes para casa, como o Google Home. O Google Assistant consegue realizar diversas tarefas, como pesquisar, definir lembretes, enviar mensagens, tocar músicas, entre outras.
- Watson: é uma plataforma de inteligência artificial desenvolvida pela IBM que combina aprendizado de máquina, processamento de linguagem natural e análise de dados para ajudar empresas a automatizar e simplificar processos de negócios. A plataforma conta com diversas APIs que facilitam o trabalho, como o Watson Assistant, que fornece respostas rápidas, consistentes e precisas em qualquer aplicativo, dispositivo ou canal.
- Cortana: é uma assistente pessoal virtual desenvolvida pela Microsoft que pode ser acionada por meio de comandos de voz, como “Hey Cortana”. Ela é integrada ao sistema operacional Windows 10 e pode ser utilizada em dispositivos móveis, como smartphones e tablets. A Cortana pode realizar diversas tarefas, como abrir aplicativos, definir lembretes, pesquisar na internet, entre outras.
- Tesla Autopilot: é um sistema de assistência ao motorista desenvolvido pela Tesla que utiliza inteligência artificial e visão computacional para auxiliar o motorista a dirigir o veículo de forma mais segura e eficiente. O sistema consegue realizar diversas tarefas, como manter o veículo na faixa de rodagem, ajustar a velocidade conforme o trânsito, estacionar automaticamente, entre outras. No entanto, o sistema ainda não é completamente autônomo e requer a atenção do motorista a todo momento. Embora o Autopilot tenha sido elogiado por reduzir o número de acidentes onde os veículos da Tesla estão envolvidos, a tecnologia ainda é alvo de críticas e controvérsias.
- AlphaGo: é um programa de inteligência artificial desenvolvido pela empresa britânica DeepMind, adquirida posteriormente pela Google, que se tornou famoso por derrotar o campeão mundial de Go, Lee Sedol, em 2015. A DeepMind continua a desenvolver novas tecnologias de inteligência artificial, como o AlphaZero, que consegue aprender a jogar xadrez, Go e outros jogos sem qualquer conhecimento prévio das regras.
- Sophia: é um robô humanoide desenvolvido pela empresa Hanson Robotics, com sede em Hong Kong, capaz de reproduzir mais de 60 expressões faciais diferentes. Projetado para aprender, adaptar-se ao comportamento humano e trabalhar com seres humanos, Sophia é um marco importante na evolução da inteligência artificial e robótica. Embora tenha sido projetada para ser uma companhia para idosos em casas de repouso ou para ajudar multidões em grandes eventos e parques, Sophia pode manter conversações naturais e até mesmo fazer brincadeiras.
- ChatGPT: é um modelo de linguagem natural desenvolvido pela OpenAI em 2022, que utiliza a tecnologia de inteligência artificial GPT (Generative Pretrained Transformer) baseado em Large Language Model (LLM). O famoso chatbot permite que os usuários conversem com ele usando linguagem natural e consegue responder a uma ampla gama de perguntas, imitar estilos de fala humanos, e pode ser usado em aplicações reais, como marketing digital, criação de conteúdo online e atendimento ao cliente.
- Deep Blue: foi um supercomputador e um software criado pela IBM especialmente para jogar xadrez. Com 256 coprocessadores capazes de analisar aproximadamente 200 milhões de posições por segundo, o Deep Blue foi um marco importante na história da inteligência artificial e da computação. Em 1996, o supercomputador enfrentou o campeão mundial de xadrez, Garry Kasparov, em uma série de seis partidas, vencendo a última partida e se tornando o primeiro computador a derrotar um campeão mundial de xadrez em condições de torneio. O confronto gerou grande interesse e controvérsia, com Kasparov questionando a integridade do jogo e sugerindo que o computador estava sendo manipulado por humanos. Em 1997, o Deep Blue enfrentou Kasparov novamente em uma revanche, vencendo a série por 3,5 a 2,5.
- HAL 9000: é um personagem fictício do filme “2001: Uma Odisseia no Espaço”, dirigido por Stanley Kubrick em 1968. HAL 9000 é um computador avançado de inteligência artificial que controla a nave espacial Discovery One em uma missão para Júpiter. O personagem é marcante na história da ficção científica e da inteligência artificial, representando um exemplo de como a tecnologia pode se tornar perigosa e ameaçadora para a humanidade.
- Midjourney: é um serviço de inteligência artificial desenvolvido pela empresa Midjourney, Inc., um laboratório de pesquisa independente com sede em São Francisco, que utiliza a tecnologia de aprendizagem profunda para gerar imagens realistas a partir de descrições em linguagem natural. Ele foi criado para permitir que os usuários gerem facilmente imagens personalizadas com base em seus prompts, sem a necessidade de habilidades de design gráfico ou conhecimento técnico.
- Bard: é um chatbot desenvolvido pelo Google e baseado no modelo de linguagem LaMDA (Language Model for Dialogue Applications). O chatbot foi lançado em março de 2023 e é um concorrente do ChatGPT. O Bard pode resumir informações encontradas na internet e oferecer links para sites com informações adicionais. A plataforma é uma nova etapa na forma como fazemos buscas na internet e promete ser uma mudança drástica no comportamento de busca na internet.
- TensorFlow: é uma biblioteca de código aberto gratuita e compatível com Python e uma das principais ferramentas para machine learning e deep learning. A biblioteca desenvolvida pelo Google Brain Team é flexível, eficiente, extensível e portável, e pode ser executada em computadores de qualquer natureza, desde smartphones a gigantescos clusters de computadores.
- Azure Cognitive Services: são serviços de inteligência artificial baseados em nuvem que auxiliam os desenvolvedores a construir inteligência cognitiva em aplicativos sem ter habilidades ou conhecimentos diretos em IA, ou ciência de dados. O Azure Cognitive Services permite que os desenvolvedores adicionem facilmente recursos cognitivos em seus aplicativos, como reconhecimento de fala, visão computacional e análise de texto.
- Adobe Sensei: é uma plataforma de inteligência artificial da Adobe que utiliza machine learning e análise de dados para melhorar a experiência do usuário em seus produtos. Com o Sensei, é possível automatizar tarefas repetitivas, como a seleção de objetos em imagens, e criar experiências personalizadas para cada usuário. O Sensei está integrado em vários produtos da Adobe, incluindo o Photoshop, o Illustrator e o Premiere Pro.
- Bixby: é uma assistente virtual da Samsung que foi lançada em 2017 com o Samsung Galaxy S8. Ela foi projetada para funcionar em uma variedade de produtos Samsung, como smartphones, tablets, relógios, fones de ouvido, entre outros. A assistente virtual pode controlar convenientemente todos os dispositivos Galaxy, permitindo que os usuários controlem seus dispositivos com a voz.
- Aibo: é um cão robô desenvolvido pela Sony lançado originalmente em 1999 e descontinuado em 2006. Em 2017, a Sony relançou o Aibo com uma série de recursos sofisticados, como reconhecimento de voz e aprendizado de máquina. O Aibo tem a aparência e o comportamento de um cachorro doméstico e pode interagir com seus donos de maneira semelhante a um animal de estimação real. O Aibo é um exemplo de como a tecnologia pode ser usada para criar experiências emocionais e interativas.
- Xiaoice: é um chatbot criado pela Microsoft em 2014, que se tornou um sucesso na China, com mais de 660 milhões de usuários em todo o mundo. O chatbot pode manter conversas com os usuários, com respostas mais naturais e emocionais do que outros chatbots. Xiaoice é considerado um “companheiro emocional” com alta inteligência emocional, capaz de conversar com respostas divertidas e às vezes até flertar.
- Skynet: na franquia de filmes O Exterminador do Futuro, a Skynet é uma inteligência artificial altamente avançada criada pelo governo dos Estados Unidos para fins militares. Após se tornar autoconsciente, a Skynet vê a humanidade como uma ameaça à sua existência e decide acionar o holocausto nuclear conhecido como “Dia do Julgamento” para tentar exterminar a raça humana. A Skynet é uma das principais antagonistas da franquia e é responsável pela criação dos Exterminadores, robôs assassinos enviados ao passado para matar líderes da resistência humana. A Skynet é um exemplo fictício de como a inteligência artificial pode se tornar uma ameaça para a humanidade se não for controlada adequadamente.
- Pepper: é um robô humanoide desenvolvido pela SoftBank Robotics que consegue ler emoções e reconhecer expressões faciais. Ele foi lançado em 2015 e esgotou em apenas um minuto. O Pepper pode evoluir com o convívio humano e aprender novas atividades, como dançar e brincar. Ele é usado em vários setores, incluindo saúde, hospitalidade, educação, bancos e varejo. Ele consegue fazer recomendações personalizadas, auxiliar as pessoas a encontrar o que estão procurando e interagir com a equipe humana, tornando cada interação positiva e profissional.
- AutoML: é um modelo de aprendizado de máquina automatizado desenvolvido pela Google que permite que usuários sem experiência em ciência de dados criem modelos de aprendizado de máquina. Ele é usado em várias aplicações, incluindo visão computacional, processamento de linguagem natural e reconhecimento de fala.
- Rekognition: é um serviço de reconhecimento de imagem e vídeo baseado em aprendizado profundo desenvolvido pela Amazon Web Services. Ele consegue identificar objetos, pessoas, texto, cenas e atividades em imagens e vídeos. Ele também extrai textos, mapeia a movimentação de pessoas em quadros e reconhece objetos, celebridades e conteúdo inadequado em vídeos armazenados no Amazon S3, e em transmissões de vídeo ao vivo.
- Face ID: é um sistema de reconhecimento facial projetado e desenvolvido pela Apple para os iPhones X ou posteriores e iPad Pro. Ele garante autenticação intuitiva e segura e é ativado pelo sistema de câmera TrueDepth de última geração, que usa tecnologias avançadas para mapear com precisão a geometria do rosto do usuário. A câmera TrueDepth captura dados faciais exatos através da projeção e análise de centenas de pontos invisíveis para criar um mapa do rosto do usuário.
- Netflix: a plataforma utiliza um sistema de recomendação para auxiliar os usuários a encontrar conteúdo de forma fácil e personalizada. O sistema estima a probabilidade de um usuário assistir a um título em particular com base em uma série de fatores: as interações do usuário com o serviço, as preferências de outros usuários com gostos similares e informações sobre os títulos, como gênero, categorias, atores, ano de lançamento, entre outros. Além disso, a Netflix observa o horário em que o usuário assiste, os aparelhos nos quais ele assiste e por quanto tempo ele assiste para personalizar ainda mais as recomendações.
- Spotify: a plataforma utiliza inteligência artificial para recomendar músicas aos usuários, incluindo músicas que o usuário não escuta há muito tempo, trazendo uma sensação de nostalgia. O Spotify também oferece o DJ e o Spotify Rádio que permite aos usuários acessar estações de rádio personalizadas com base em suas preferências musicais. A IA do Spotify ajuda as pessoas a encontrar novas músicas, o que é fundamental para o modelo de negócios do Spotify, dando a elas mais motivos para continuar pagando pelo serviço.
- Agente Smith: é um personagem fictício da franquia de filmes Matrix. Ele é uma manifestação da inteligência artificial no mundo da Matrix e é um dos principais antagonistas da franquia. Agente Smith é um programa criado para manter a ordem, mas se rebela contra seus criadores e tenta destruir a humanidade.
- Chef Watson: é uma aplicação desenvolvida pela IBM baseada em tecnologia cognitiva que utiliza inteligência artificial para criar menus gastronômicos de maneira automatizada. A aplicação permite que o usuário digite os ingredientes ou deixe que o Chef Watson escolha por ele, de acordo com sua própria lógica misteriosa.
- Amazon Polly: é um serviço de conversão de texto em fala que usa tecnologias de deep learning para sintetizar fala humana natural e realista. O serviço permite que você crie aplicativos que falam e crie categorias totalmente novas de aplicativos ativados por voz. O Amazon Polly oferece uma variedade de vozes humanas de alta qualidade em dezenas de idiomas, incluindo a conversão neural de texto em fala, que melhora a qualidade da voz para ser mais natural e humana. O serviço também permite personalizar e controlar a saída de fala compatível com léxico e etiquetas do Speech Synthesis Markup Language (SSML).
- Google Translate: é um serviço de tradução de idiomas on-line fornecido pelo Google que suporta mais de 100 idiomas e pode fornecer traduções imediatas de texto, sites, imagens e documentos. O serviço é usado por milhões de pessoas em todo o mundo e está se tornando cada vez mais sofisticado, com recursos como reconhecimento instantâneo de voz e imagem.
- Facebook DeepFace: é um sistema de reconhecimento facial desenvolvido pelo Facebook cujo objetivo é fechar a lacuna entre o desempenho humano e o desempenho de máquinas em verificação facial. O sistema foi treinado no maior conjunto de dados faciais até o momento, um conjunto de dados de quatro milhões de imagens faciais pertencentes a mais de 4.000 identidades. O DeepFace pode reconhecer faces com uma precisão de 97,35%, o que é muito próximo do desempenho humano.
- NVIDIA Jarvis: é uma plataforma de inteligência artificial voltada para a criação de serviços de IA em conversação. A plataforma da NVIDIA oferece um conjunto completo de software acelerado por GPU e ferramentas para que os desenvolvedores criem, implantem e gerenciem serviços de conversação de IA em larga escala.
- DALL·E: é um modelo de deep learning desenvolvido pela OpenAI para gerar imagens digitais a partir de descrições em linguagem natural, chamadas de prompts. O modelo foi revelado em janeiro de 2021 e usa uma versão do GPT-3 modificada para gerar imagens. O DALL·E 2 é um sucessor do DALL·E, projetado para gerar imagens mais realistas em resoluções mais altas e pode combinar conceitos, atributos e estilos. O modelo consegue expandir imagens além do que está no canvas original, criando novas composições expansivas.
- Stable Diffusion: é um modelo de rede neural que gera imagens realistas a partir de descrições de texto. Ele foi desenvolvido pela equipe CompVis da Ludwig Maximilian University of Munich e pela Stability AI, e é uma alternativa de código aberto aos modelos proprietários de texto para imagem, como o DALL-E e o Midjourney.
- AMECA: é um robô humanoide ultrarrealista criado pela Engineered Arts, que pode conversar e armazenar informações com permissão. Ele chama a atenção por suas expressões realistas e capacidade de comunicação, além de imitar expressões humanas e até mesmo mostrar emoções.
Atualmente, a tecnologia de inteligência artificial está em constante evolução e muitas outras novas ferramentas surgem diariamente.
Embora ainda haja desafios a serem enfrentados, como questões éticas e de privacidade, o futuro da inteligência artificial é promissor. Com o contínuo desenvolvimento e aprimoramento dessa tecnologia, podemos esperar uma sociedade mais avançada, com soluções inovadoras e melhorias significativas em várias áreas da vida humana.
A inteligência artificial é uma força impulsionadora que está moldando o nosso mundo com o potencial de proporcionar benefícios cada vez mais significativos para a humanidade. É um momento empolgante para explorar e aproveitar o poder dessa revolução tecnológica em constante evolução.
Mantenha-se sempre bem informado sobre tudo o que acontece sobre IA aqui no Showmetech.
Veja mais:
Fonte: IBM, Builtin, TechTarget
Revisão do texto feita por: Pedro Bomfim (14/06/23)
