Sem que tenhamos ciência disso, às vezes, em nosso dia a dia, a inteligência artificial invade nossas rotinas. Ela é, em parte, responsável por garantir que cheguemos ao nosso destino a tempo quando procuramos uma rota no GPS ou pelo celular ordenar as fotos por lugar, temas ou pessoas sem que as tenhamos marcado. A IA também está por trás dos assistentes virtuais que atendem nossas ordens quando pedimos para acender a luz, colocar música, nos contar as novidades ou verificar o trânsito até o nosso trabalho; do nosso provedor de e-mail que filtra as mensagens que são spam; e também das redes sociais quando nos sugerem amizades.

Nossos colegas Mireia Rojo (especialista em Advanced Analytics) e Pedro Sacristán (Artificial Intelligence Lead) no explicam como essa nova revolução industrial está afetando todos os setores, “da agricultura (onde espera-se que seus avanços tenham mais impacto do que a própria introdução de maquinário) à saúde, na qual podemos ver algoritmos treinados com eficiência para detectar câncer por meio de imagens”. Companhias aéreas que modificam suas tarifas com base em cálculos em tempo real; investidores que compram na bolsa de valores assessorados pelas informações coletadas e processadas na internet com as quais preveem o comportamento de determinados valores nos mercados; empresas de logística que otimizam as rotas para a entrega de encomendas… A lista de áreas onde essas técnicas são aplicadas, entre as quais podemos incluir, é claro, os seguros, é ilimitada, segundo nossos especialistas. No início da década passada, apenas uma em cada 50 startups na Europa estava focada nesta tecnologia; agora, esse número é de praticamente uma em cada 10. É claro que a IA é e será, indiscutivelmente, protagonista em muitos modelos de negócios, mas para aproveitar todos os seus benefícios é essencial conhecer bem o seu funcionamento e seu potencial.

A base do algoritmo

Embora possa parecer algo muito moderno para nós, a inteligência artificial surgiu na década de 1950 como um ramo da ciência da computação. Especificamente, o termo foi cunhado em 1956 durante um encontro de especialistas em teoria da informação, redes neurais, computação, abstração e criatividade, realizado na Universidade de Darmouth (EU A). Mais do que uma tecnologia em si, como veremos, a IA é na verdade uma constelação de tecnologias que buscam permitir que as máquinas percebam, entendam, ajam e aprendam. Assim, essa disciplina procura desenvolver sistemas informáticos capazes de realizar tarefas normalmente atribuídas à inteligência humana, como, por exemplo, reconhecer objetos, identificar rostos, dirigir veículos, detectar doenças ou compreender a linguagem natural, falada e escrita, além de muitas outras coisas mais, quase tantas quanto as tarefas que nós, humanos, desenvolvemos em nosso dia a dia. Em todas essas tarefas, os algoritmos desempenham um papel fundamental.

Um algoritmo é um conjunto ordenado de instruções, operações, etapas e processos que permitem desenvolver uma tarefa específica ou encontrar uma solução para um problema. Mais concretamente, é como uma lista de instruções pré-estabelecidas que orientam as decisões a serem tomadas. Por exemplo, parar um veículo ao identificar uma placa de PARE. Os algoritmos são a essência de qualquer sistema de inteligência artificial e são treinados ao serem alimentados com a maior quantidade de dados possível, como referências, para que possam aprender melhor. Alguma vez, ao acessar a galeria de fotos do seu smartphone, já lhe apareceu uma mensagem pedindo para confirmar quem é a pessoa que aparece na foto? Isso tem muito a ver com o que falamos. O que o dispositivo está fazendo nesses casos é pedir sua ajuda na coleta de informações e treinamento em identificação facial. Refinando sua classificação, da próxima vez que você quiser pesquisar as fotos de um parente, basta digitar o nome dele para que o celular recupere todas as fotos associadas a essa pessoa em apenas um segundo.

Se a IA surgiu na década de 1950, por que ela está causando tanto impacto agora?

A resposta tem a ver com a evolução da capacidade de processamento de dados que a computação alcançou e com a facilidade de acesso a esses sistemas. “A maioria dos algoritmos que são usados hoje em dia existem há muitos anos, mas antes não haviam modelos matemáticos tão poderosos e de uma capacidade de processamento (relativamente) barata como a que temos hoje, com máquinas cada vez mais pequenas e, ao mesmo tempo, mais potentes”, afirmam Mireia Rojo e Pedro Sacristán. No início da década de 1940, o computador ENIAC (Electronic Numerical Integrator And Computer), uma máquina de 27 toneladas desenvolvida nos EUA, era capaz de realizar 5.000 somas e 300 multiplicações por segundo. Hoje, o supercomputador chinês Sunway Taihulight pode realizar 125 bilhões de operações neste mesmo tempo. Além desse fator, há outro fator que está impulsionando a adoção da IA e que pouquíssimas pessoas mencionam: a disponibilidade de dados, muitos dados, grandes quantidades de dados e de várias fontes. Para muitos, estamos diante da quarta revolução industrial, onde os dados e a IA seriam, neste caso, o que a máquina a vapor, a eletricidade e a computação foram nas revoluções anteriores.

Como a IA aprende?

Dependendo das capacidades que uma máquina desenvolve em relação à inteligência humana, pode-se distinguir três tipos ou níveis de inteligência artificial: a IA suave ou fraca, a IA forte e a superinteligência, nos explicam Mireia e Pedro. A IA fraca é o que quase todas as empresas estão implementando hoje em dia e é destinada a resolver tarefas muito concretas e específicas. Nesse tipo de IA, as máquinas nos oferecem soluções que aprenderam por meio de padrões e tendências repetitivas, graças a algoritmos programados por humanos. É a IA utilizada, por exemplo, por assistentes virtuais como Siri (Apple), Alexa (Amazon) ou Assistant (Google) com os quais, aparentemente, podemos conversar, mas o que fazem de fato é nos oferecer respostas a pedidos específicos (como por exemplo “Me diga como está o tempo agora”) a partir dos resultados de uma pesquisa na internet ou em seus bancos de dados.

Por sua vez, espera-se que a IA forte tenha capacidades semelhantes às dos humanos ao tomar decisões de forma proativa, dedutiva e autoconsciente. Se for assim, os algoritmos poderiam entender, agir e tomar decisões sem esperar por ordens e sem ter que contar com a repetição da mesma tarefa continuamente. Até o momento, esse tipo de IA existe apenas no campo da ficção científica com exemplos em produções clássicas como 2001: Uma Odisseia no Espaço (1969), Blade Runner (1982) e Matrix (1999), e em produções mais recentes como Her (2014), Ex Machina (2015) e Upgrade (2018). Mais longe ainda está a superinteligência que, em teoria, ultrapassará as capacidades humanas tanto em inteligência quanto em habilidade.

Como indicamos anteriormente, a IA engloba diferentes técnicas que têm o objetivo final de que as máquinas aprendam por meio de padrões extraídos dos dados. A técnica principal é a aprendizagem automática, ou machine learning em inglês, que embora seja frequentemente confundido com a IA, é apenas uma parte dela. Essa técnica inclui processos nos quais as próprias máquinas criam suas regras (algoritmos) e previsões a partir dos dados fornecidos por humanos. É por causa dela, por exemplo, que os sistemas de tradução entre idiomas fornecidos por plataformas como o Google Tradutor têm melhorado muito nos últimos anos. O segredo é que, no início, ele traduzia a partir de regras sintáticas e agora traduz cruzando milhões de exemplos de traduções reais que estão na rede.

Dentro do machine learning há um subdomínio ou área mais específica onde redes neurais profundas são usadas; é o que conhecemos como deep learning. O deep learning, que cresceu muito nos últimos tempos, baseia sua potência em diversas camadas de processamento de informações (as redes neurais). O que o diferencia do machine learning é que são os próprios sistemas que aprendem sozinhos e se auto melhoram a partir da experiência que vão adquirindo.

Algumas aplicações da IA

PLN: Processamento de Linguagem Natural (PLN, ou NLP, na sua sigla em inglês) é um campo de aplicação da IA ligada à linguística que processa comandos (escritos ou falados) em uma linguagem natural para os humanos, ou seja, da mesma forma que nos comunicaríamos com outra pessoa.

COMPUTER SPEECH: Converte uma mensagem em linguagem humana de um formato para outro, por exemplo, de áudio para texto e vice-versa. Permite, por exemplo, transcrever gravações, fazer ditados ou fazer com que a própria máquina leia um documento.

COMPUTER VISION: busca o reconhecimento pelas máquinas de qualquer tipo de informação visual, seja ela estática ou em movimento. Ao entender o conteúdo de uma fotografia, desenho ou vídeo, pode reconhecer pessoas ou identificar objetos e pode ser aplicada a vários processos em áreas como a da segurança, mobilidade, lazer…

ROBÓTICA: é uma aplicação da IA relacionada a todas as anteriores, já que um robô pode ser projetado para se mover, realizar ações ou compreender e produzir mensagens dependendo das capacidades que lhe sejam aplicadas ou da combinação de várias delas.