Inteligência artificial o que é quando como e por quê

1. SAS Insights
2. Insights sobre Análise de Dados

O que é e qual sua importância?

A inteligência artificial (IA) possibilita que máquinas aprendam com experiências, se ajustem a novas entradas de dados e performem tarefas como seres humanos. A maioria dos exemplos de IA sobre os quais você ouve falar hoje – de computadores mestres em xadrez a carros autônomos – dependem de deep learning e processamento de linguagem natural. Com essas tecnologias, os computadores podem ser treinados para cumprir tarefas específicas ao processar grandes quantidades de dados e reconhecer padrões nesses dados.

História da Inteligência Artificial

O termo inteligência artificial foi criado em 1956, mas só se popularizou hoje graças aos crescentes volumes de dados disponíveis, algoritmos avançados, e melhorias no poder e no armazenamento computacionais.

As primeiras pesquisas de IA nos anos 1950 exploraram temas como a resolução de problemas e métodos simbólicos. Na década de 1960, o Departamento de Defesa dos EUA se interessou por este tipo de tecnologia e começou a treinar computadores para imitar o raciocínio humano básico. Por exemplo, a Defense Advanced Research Projects Agency (DARPA) completou um projeto de mapeamento de ruas nos anos 1970. E a DARPA criou assistentes pessoais inteligentes em 2003, muito tempo antes de Siri, Alexa ou Cortana serem nomes comuns do nosso cotidiano.

Esses primeiros trabalhos prepararam o caminho para a automação e o raciocínio formal que vemos nos computadores de hoje, incluindo sistemas de apoio à decisão e sistemas inteligentes de pesquisa que podem ser projetados para complementar e expandir as capacidades humanas.

Enquanto os filmes de Hollywood e os romances de ficção científica retratam a inteligência artificial como robôs humanoides que dominam o mundo, a evolução atual das tecnologias de IA não é tão assustadora – ou tão inteligente assim. Em vez disso, a IA evoluiu para fornecer muitos benefícios específicos para todas as indústrias. Continue lendo para conhecer exemplos atuais de inteligência artificial em operadoras de saúde, varejo e mais.

1950 – 1970

Redes neurais

Primeiros trabalhos com redes neurais criam entusiasmo por "máquinas pensantes".

1980 – 2010

Machine learning

Machine learning se populariza.

Hoje

Deep learning

O deep learning impulsiona o boom da inteligência artificial.

A IA tem sido uma parte integral dos softwares SAS há anos. Hoje, nós ajudamos clientes em todas as indústrias a capitalizarem sobre os avanços em IA, e nós continuaremos a embutir tecnologias de IA como machine learning e deep learning em todo o portfólio de soluções SAS.

Jim Goodnight CEO SAS

Qual é a importância da inteligência artificial?

• A IA automatiza a aprendizagem repetitiva e a descoberta a partir dos dados. Mas a inteligência artificial é diferente da automação robótica guiada por hardwares. Em vez de automatizar tarefas manuais, a IA realiza tarefas frequentes, volumosas e computadorizadas de modo confiável e sem fadiga. Para este tipo de automação, a interferência humana ainda é essencial na configuração do sistema e para fazer as perguntas certas;
  
• A IA adiciona inteligência a produtos existentes. Na maioria dos casos, a inteligência artificial não será vendida como uma aplicação individual. Pelo contrário, os produtos que você já utiliza serão aprimorados com funcionalidades de IA, de maneira parecida como a Siri foi adicionada aos produtos da Apple. Automação, plataformas de conversa, robôs e aparelhos inteligentes podem ser combinados com grandes quantidades de dados para aprimorar muitas tecnologias para casa e escritório, de inteligência em segurança à análise de investimentos;
• A IA se adapta através de algoritmos de aprendizagem progressiva para deixar que os dados façam a programação. A IA encontra estruturas e regularidades nos dados para que o algoritmo adquira uma capacidade: ele se torna um classificador ou predicador. Então, assim como o algoritmo pode ensinar a si mesmo a jogar xadrez, ele pode ensinar a si mesmo quais produtos recomendar em seguida. E os modelos se adaptam quando recebem mais dados. Propagação retroativa é uma técnica de IA que permite que o modelo se ajuste, através de treinamento e com a entrada de novos dados, quando a primeira resposta não está totalmente correta;

• A IA analisa e mais dados, e em maior profundidade usando redes neurais que possuem muitas camadas escondidas. Construir um sistema de detecção de fraudes com cinco camadas escondidas era quase impossível alguns anos atrás. Tudo isso mudou com um poderio computacional impressionante e big data. Você precisa de muitos dados para treinar modelos de deep learning porque eles aprendem diretamente com os dados. Quanto mais dados você puder colocar neles, mais precisos eles se tornam;
• A IA atinge uma precisão incrível através de redes neurais profundas – o que antes era impossível. Por exemplo, suas interações com a Alexa, pesquisas do Google e Google Fotos são todas baseadas em deep learning – e elas continuam ficando mais precisas conforme as vamos utilizando. Na área médica, técnicas de IA baseadas em deep learning, classificação de imagens e reconhecimento de objetos podem agora ser usadas para encontrar cânceres em ressonâncias com a mesma precisão de radiologistas bem treinados;
• A IA obtém o máximo dos dados. Quando algoritmos aprendem sozinhos, os dados em si podem se tornar propriedade intelectual. As respostas estão nos dados; você só precisa aplicar IA para extraí-las. Uma vez que o papel dos dados é mais importante do que nunca, eles podem criar uma vantagem competitiva. Se você possuir dados numa indústria competitiva, e ainda que todos estiverem colocando técnicas semelhantes em prática, ganha quem tiver o melhor conjunto de dados.

Quais são os desafios de usar inteligência artificial?

A inteligência artificial irá transformar todas as indústrias, mas nós precisamos entender os seus limites.

A principal limitação da IA é que ela aprende com os dados. Não há outra maneira de incorporar conhecimento a ela. Isso significa que qualquer imprecisão nos dados se refletirá nos resultados. E qualquer camada adicional de previsão ou análise precisa ser adicionada separadamente.

Os sistemas de inteligência artificial de hoje são treinados para realizar tarefas bem definidas. O sistema que joga poker não pode jogar paciência ou xadrez. O sistema que detecta fraudes não pode dirigir um carro ou dar conselhos jurídicos. Na verdade, um sistema de IA que detecta fraudes no setor de saúde não pode precisamente detectar fraudes fiscais ou sobre sinistros de garantia.

Em outras palavras, esses sistemas são muito específicos. Eles focam em uma única tarefa e estão longe de se comportarem como seres humanos.

Da mesma maneira, sistemas de auto-aprendizagem não são sistemas autônomos. As tecnologias novelizadas de IA que você vê em filmes e na TV ainda são histórias de ficção científica. Mas computadores que podem examinar dados complexos para aprender e aperfeiçoar tarefas específicas estão se popularizando.

SAS® Visual Data Mining and Machine Learning

A IA é simplificada quando você pode preparar dados para análises, desenvolver modelos com algoritmos modernos de machine learning e integrar análises de texto em um único produto. Além disso, você pode codificar projetos que combinam SAS com outras linguagens, incluindo Python, R, Java ou Lua.

Leia mais sobre este assunto

• A questão da empregabilidade diante da inteligência artificial
• Analytics leads to lifesaving cancer therapiesA long-shot treatment offers hope to 10-year-old Harrison after he learns the DNA profile of his cancer is resistant to chemo. Find out how data and analytics play a role in cancer research and cancer treatments that are saving lives.
• Three steps for conquering the last mile of analyticsPutting your analytical models into production can be the most difficult part of the analytics journey. It’s no surprise that this last mile of analytics – bringing models into deployment – is the hardest part of digital transformation initiatives for organizations to master, yet it’s the most crucial.
• As AI accelerates, focus on 'road' conditionsAI technology has made huge strides in a short amount of time and is ready for broader adoption. But as organizations accelerate their AI efforts, they need to take extra care, because as any police officer will tell you, even small potholes can cause problems for vehicles traveling at high speeds.

O que é e como funciona a inteligência artificial?

O que é inteligência artificial resumido?

O que é inteligência artificial exemplos?

Qual é a função da inteligência artificial?