Inteligência Artificial

A que passo nos encontramos da evolução das máquinas?

Apesar de ser uma tecnologia extremamente recente (mais ou menos 60 aninhos), as Inteligências Artificiais ou A.I’s, em inglês, já beneficiaram a vida dos seres humanos e criam expectativas de um futuro brilhante, nos rendendo não só produtividade, qualidade, precisão e menos desperdício, como também dúvidas e mistérios. Afinal, como explicar a mente humana?

O conceito de objetos inanimados que ganham vida já vem de mitos antigos, porém a ideia de um ser artificial à imagem do homem, apareceu na década de 1920, numa peça teatral de ficção científica: Rossum’s Universal Robots – apesar de na peça os “robôs” serem mais clones artificiais do que máquinas, o termo deriva do tcheco, em que “robota” significa “trabalho forçado” – o que… spoilers!… resulta em uma revolução por parte dos servos robôs.

Isso logo virou um clichê na ficção, algo criado para pensar como um humano acaba almejando mais conhecimento e mais capacidade de escolha, levando inevitavelmente à construção de uma consciência e, consequentemente a busca por humanidade.

Na vida real, entretanto, as AI’s não pensam por assim dizer. Com base em um montante de dados, a IA é capaz de fazer previsões através de algo chamado machine learning, redes neurais e outras técnicas relacionadas. Um processo de aprendizado e que encaminha a máquina a fazer deduções lógicas. Obviamente, cientistas desejam criar uma A.I que pense nas aleatoriedades também mas por enquanto isso fica apenas na ficção.

Inteligência artificial não é o mesmo que machine learning

Não é difícil encontrar os dois termos usados como sinônimos, mas na verdade é que machine learning é apenas uma parte da inteligência artificial, em que um programa acessa um grande volume de dados e aprende com eles automaticamente, sem invenção humana.

Já a inteligência artificial é um conceito mais amplo que, além do machine learning, inclui tecnologias como:

  • Processamento de Linguagem Natural;
  • Redes Neurais;
  • Algorítmo de Inferência;
  • Deep lerning.

Sempre com a ideia de atingir raciocínio e atuação similares a dos humanos. Então, vamos às definições:

  • Machine learning: em vez de programar regras para uma máquina e esperar o resultado, conseguimos deixar a máquina aprenda essas regras por conta própria a partir dos dados, chegando ao resultado de forma autônoma. Exemplo disso são as famosas recomendações personalizadas na Netflix e na Amazon. Conforme você inclui dados (ou seja, assiste), o sistema aprende o que você gosta.
  • Deep learning: refere-se à uma parte do aprendizado de máquina que utiliza algoritmos complexos para “imitar a rede neural do cérebro humano” e aprender uma área do conhecimento com pouco ou sem supervisão. O sistema pode aprender como se defender de ataques, sozinho.
  • Processamento de Linguagem Neural: esse processamento utiliza as técnicas de machine learning para encontrar padrões em grandes conjuntos de dados puros e reconhecer a linguagem natural. Assim, um dos exemplos de aplicação do PLN é a análise de sentimentos, onde os algoritmos podem procurar padrões em postagens de redes sociais para compreender como os clientes se sentem em relação a marcas e produtos específicos.

Replicando a mente: redes neurais e algoritmos de interferência

A mente humana não funciona somente a base de padrões , ela é capaz de se adaptar. Foi pensando em como os neurônios trabalham que pesquisadores desenvolveram neurônios artificiais. Cada um tem dois ou mais receptores da entrada, responsáveis por perceberem um determinado tipo de sinal. Eles também possuem um corpo de processadores, responsável por um sistema de feedback que modifica sua própria programação dependendo dos dados de entrada e saída. Finalmente, eles possuem uma saída binária para apresentar a resposta “Sim” ou “Não”, dependendo do resultado do processamento. Não existe uma programação pré-definida dos neurônios artificiais, como existem nas portas lógicas utilizadas nos circuitos computacionais. Cada informação processada gera um peso, dependendo do resultado, dessa forma elas são capazes de aprender.

Porém, diferente de um neurônio humano que possui várias entradas, um artificial é capaz de um único processamento, então ele não pode perceber diferentes sinais. Contudo, ligar vários neurônios similares em rede faz com que o sistema consiga processar mais informações e oferecer mais resultados. 

Em suma...

De certa forma, o medo de substituição dos humanos por máquinas não é tão descabido assim, já que muitos serviços se tornaram obsoletos e/ou deixaram de existir por completo graças a imersão das máquinas na indústria. Porém isso impulsiona a profissionalização e a constante atualização do mercado de trabalho gerando da mesma maneira novos empregos que em sua maioria requerem muito mais criatividade – característica excepcional do ser humano!

Deixe um comentário

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