O que é a Inteligência Artificial e como ele está alimentando nossas vidas?

1 ano ago
230 Views

Quando nos encontramos com os termos “Aprendizado de Máquinas” e “Inteligência Artificial” (AI), as imagens de robôs sensíveis que combatem sua guerra em nosso planeta (Transformers) ou bots de Skynet deixando cidades americanas em ruínas (Terminator), são rápidas em aparecer em nossas mentes. A maioria de nós pensa que a AI está restrita aos bots que tentam escravizar a humanidade.

(Crédito da foto: Jeremy Thompson / Wikimedia Commons)

No entanto, a AI é muito mais do que uma máquina com tendência de aprendizagem humana-esque. Na verdade, você pode se surpreender com a frequência com que encontramos essa tecnologia em nossas vidas diárias. Pense nos momentos em que você está percorrendo seu feed do Facebook e várias propagandas aparecem para sapatos casuais que você estava pensando em comprar. Pode-se pensar que a privacidade é inexistente na Internet e que isso é o resultado de sites espionados. Bem, a privacidade não é muito forte, mas os sites não estão realmente espiando todos os usuários individuais. Seria muito caro e ilógico fazer isso. A realidade por trás disso é algoritmos muito inteligentemente projetados que constantemente recebem dados de entrada através do seu comportamento de uso da internet. Isso otimiza seus feeds de mídia social, páginas de mecanismos de pesquisa, plataformas de compartilhamento de vídeo e outros sites de acordo com sua atividade.

Antes de mergulhar nos detalhes geeky sobre algoritmos, precisamos conhecer alguns conceitos básicos sobre Inteligência Artificial.

O que é Inteligência Artificial?

Inteligência artificial (ou simplesmente, AI) são programas de software que imitam a forma como os humanos aprendem e resolvem problemas complexos. Computadores com AI são programados para aprender atividades como reconhecimento de fala, planejamento, resolução de problemas, percepção e planejamento.

O termo Inteligência Artificial foi primeiro cunhado por John McCarthy em 1956 na conferência de Darthmouth. Este evento é considerado o nascimento de AI.

John maccarthy marvin minsky claude shannon ray solomonoff alan newell herbert simon arthur samuel oliver selfridge nathaniel rochester trenchard mais os pais fundadores de ai

No entanto, a busca em entender se as máquinas podem realmente ter um pensamento autônomo começou um pouco mais cedo.  Alan Turing, em 1951, intitulado “Computing Machinery and Intelligence”, propôs um teste chamado ” Turing Test ” ou “The Imitation Game”.  Um teste de Turing é um método concebido por Alan Turing para determinar se um computador é ou não capaz de pensar como um ser humano.

Os aspectos originais da AI formulados em 1955 foram os seguintes:

  1. Simulando funções superiores do cérebro humano.
  2. Programação de um computador para usar o idioma geral.
  3. Uma maneira de determinar e medir a complexidade do problema.
  4. Auto-aperfeiçoamento.
  5. Arranjando neurônios hipotéticos de forma a que eles possam formar conceitos.
  6. Aleatoriedade e Criatividade.

Desde então, o AI percorreu um longo caminho.

Nas décadas que se seguiram, o campo da AI passou por altos e baixos, já que alguns problemas de pesquisa de AI resultaram mais difíceis do que o previsto, enquanto outros se mostraram insuperáveis ​​com as tecnologias da época. Não foi até o final da década de 1990 que o progresso da pesquisa na AI começou a se acelerar, já que os pesquisadores se concentraram mais na aplicação da AI aos problemas do mundo real, como reconhecimento de imagem e diagnóstico médico. Um marco inicial foi a vitória de 1997 do computador de xadrez da IBM, Deep Blue, no então campeão mundial Garry Kasparov.

Computador Deep Blue da IBM que bateu Gary Kasparov. (Crédito: Pedro Villavicencio / Flickr)

Isto foi seguido por outros avanços significativos no campo, incluindo  a  nova tecnologia da DARPA (The Defense Advanced Research Projects Agency), CALO (Agente Cognitivo que Aprende e Organiza). A CALO eventualmente levou ao desenvolvimento do Siri da Apple Inc., a vitória de Watson na vitória da Watson da Apple, no programa de TV “Jeopardy!”, E o sucesso dos carros auto-dirigidos nas competições DARPA Grand Challenge na década de 2000.

Aprendizado de máquinas

Qualquer discussão sobre AI seria inútil sem falar sobre aprendizagem de máquinas. É o componente central que faz inteligência artificial … bem, “inteligente”. A aprendizagem de máquina é um tipo de inteligência artificial (AI) que permite que as aplicações de software se tornem mais precisas na previsão de resultados sem serem especialmente programadas.

Uma vantagem da aprendizagem de máquinas é que ele pode até ser usado nos casos em que é inviável ou difícil de escrever regras explícitas para resolver um problema. Por exemplo, uma empresa que executa um serviço on-line pode usar o aprendizado da máquina para detectar tentativas de login do usuário que são fraudulentas. A empresa pode começar com um conjunto de dados contendo informações sobre tentativas de login passado, com cada tentativa rotulada como fraudulenta. Com base nesse conjunto de dados, a empresa poderia usar o aprendizado de máquina para derivar uma regra para se candidatar a futuras tentativas de login que prediz que as tentativas são mais prováveis ​​de serem fraudulentas e, portanto, sujeitas a medidas de segurança adicionais. Em certo sentido, a aprendizagem por máquina não é um algoritmo para resolver um problema específico, mas sim uma abordagem mais geral para encontrar soluções para muitos problemas diferentes.

Aprendizagem profunda

Nos últimos anos, o campo do aprendizado profundo, também conhecido como aprendizagem em rede profunda, sofreu avanços maciços. O aprendizado profundo usa estruturas infiadamente inspiradas pelo cérebro humano, consistindo em um conjunto de unidades (que são equivalentes a “neurônios” no cérebro). Cada unidade combina um conjunto de valores de entrada para produzir um valor de saída, que por sua vez é transmitido para outros neurônios na camada mais profunda da rede. Por exemplo, em um aplicativo de reconhecimento de imagem, uma primeira camada de unidades pode combinar os dados brutos da imagem para reconhecer padrões simples na imagem; uma segunda camada de unidades pode combinar os resultados da primeira camada para reconhecer padrões de padrões; uma terceira camada pode combinar os resultados da segunda camada; e assim por diante.

As redes de aprendizagem profunda geralmente usam muitas camadas – às vezes mais de 100 – e muitas vezes usam um grande número de unidades em cada camada, para permitir o reconhecimento de padrões extremamente complexos e precisos em dados

Como a AI e a Aprendizagem de Máquinas são integradas em nossas vidas diárias?

Voltando ao tópico de algoritmos inteligentemente projetados em nossos feeds de mídia social, um deles interage com AI mais frequentemente do que ele percebe.

Quando o Facebook automaticamente dá sugestões de marcação na nova foto que você está prestes a carregar, ela usa o reconhecimento facial. Ele emprega uma técnica de aprendizado de máquinas muito profunda para esse fim. A Amazon aproveita o aprendizado profundo para anunciar recomendações para os sapatos esportivos que você estava apenas procurando no Flipkart ou no eBay.

(Foto Crédito: Pixabay)

Assistentes digitais como Siri, Alexa, Cortana e Assistente do Google usam AI para fornecer informações ou executar tarefas. Sistemas similares são usados ​​para recomendar filmes ou programas de TV em serviços de transmissão como o Netflix ou o Amazon Prime Video. Os sistemas de recomendação usam a aprendizagem de máquinas para analisar os hábitos de visualização, de modo que mostra que são relevantes para o nosso gosto aparecem no topo. Eles também são usados ​​para sugerir música em serviços de transmissão, como Spotify, e artigos para ler no Quora.

O que o futuro espera para a AI?

Nos últimos anos, a especulação sobre os cyborgs de Terminator que tentam erradicar a humanidade tem sido bastante comum. Isso pode ou não acontecer, mas a tecnologia existe para criar essa fusão de humanos e máquinas. No futuro, existe a possibilidade de ter máquinas com um cérebro humano real. Os neurônios podem ser fabricados em um laboratório.

Muitas interfaces cérebro-computador humanas estão sendo usadas atualmente para fins terapêuticos para superar problemas médicos ou neurológicos. Por exemplo, os eléctrodos de estimulação cerebral profunda (DBS) são usados ​​para aliviar os sintomas da doença de Parkinson.

Ligar um cérebro humano a um computador através de um implante pode ser benéfico para os pacientes no curto prazo. No entanto, abre outra lata de vermes, como a legalidade de seu uso em termos de perspectivas sociais e tecnológicas. A maior questão seria se um computador com um cérebro semelhante ao humano seria considerado um humano real com direitos semelhantes.

Referências:

  1. Universidade de Wharton
  2. Universidade de Louisiana
  3. Harvard edu
  4. Revisão da tecnologia MIT
  5. Arquivos da Casa Branca
Like
Like Love Haha Wow Sad Angry
Cadastre-se Receba atualizações grátis via Email

Comments

Leave a Comment

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *