Os tipos de Inteligência Artificial

Compartilhar no facebook
Compartilhar no linkedin
Compartilhar no whatsapp

Com as transformações que estão acontecendo no mundo, muitas empresas precisam se ajustar da maneira mais rápida e assertiva possível para continuarem no jogo das vendas. Mas, como fazer isso? Com a Inteligência Artificial, é possível isso e muito mais, como Mauricio Schiezaro, nosso Head de Inteligência Artificial, comenta, “o mais relevante é conseguir ter diferencial de tomada de decisão, tanto da sua operação quanto de negócios”.

Na prática, a Inteligência Artificial é adotada em diferentes aspectos de negócios. Ela pode ser utilizada para analisar dados coletados e transformá-los em conhecimento, não apenas de processos específicos, mas como do negócio como um todo.

Um exemplo de como a Inteligência Artificial pode ser aplicada: imagine uma empresa que vende um produto. Com os dados históricos coletados da empresa, ela pode entender melhor o seu consumidor, saber quando existe um pico de venda, quais os locais que mais vendem, entre outros pontos.

Na fabricação do produto, o uso de IA torna possível melhorar a produção, adicionando análise de qualidade, automação em alguns processos e análise de aumento de produção em períodos de pico de vendas.

Outro exemplo comum no mercado é a utilização da Inteligência Artificial para análise de imagens, que é utilizada em aeroportos, câmeras de segurança, empresas e até nas assistentes virtuais que possuímos em casa. Com essa tecnologia, a câmera consegue analisar a imagem e identificar o que for preciso, como um rosto, o crachá e até situações de risco.

Nesse texto, explicaremos as diferentes áreas que estão dentro de Inteligência Artificial e as diferentes formas como elas podem ajudar empresas, desde coleta de dados até tomada de decisões.

 

O que é Inteligência Artificial?

Se você buscar pela definição de Inteligência Artificial na internet, encontrará inúmeras explicações. Aqui, seguiremos com a definição de que Inteligência Artificial é uma área que procura imitar o comportamento humano, como a capacidade de ver, falar ou tomar decisões.

A Inteligência Artificial é uma área em constante evolução, com desenvolvimento de novas técnicas a todo momento. Desde os anos 2000, a área passa por uma rápida evolução, de forma que novas técnicas ou descobertas saiam da fase de pesquisa e testes e entrem no mercado mais rapidamente.

A IA pode ser dividida dois tipos: a Narrow AI e a Artifical General Intelligence. O conceito por trás da Artificial General Intelligence é de tecnologias capazes de aplicar conhecimento e habilidades em contextos diferentes, como os robôs R2-D2 e C3PO fazem nos filmes da franquia Star Wars.

Apesar da grande evolução da área e de muitas empresas e pesquisadores trabalharem para que isso seja possível, o mais comum é utilizarmos Inteligência Artificial para realizar uma tarefa mais restrita, em que a tecnologia supera o ser humano — esse tipo de IA é classificada como Narrow AI.

Alguns exemplos de Narrow AI: reconhecimento de face; sistemas que recomendam filmes que você possa gostar mais; projetos de NLP (Natural Language Processing ou Processamento de Linguagem Natural), como de reconhecimento de voz e tradução de idiomas por máquinas; e sistemas de visão computacional de carros autônomos capazes de identificar pessoas, sinais de trânsitos e tomar ações condizentes com cada objeto encontrado.

Agora que entendemos os dois tipos de Inteligência Artificial, vamos entrar no entendimento das suas áreas de pesquisa, a Machine Learning (Aprendizado de Máquina, ML) e Deep Learning (Aprendizado Profundo, DL).

 

Áreas de pesquisa de IA

Veja a figura abaixo. Nela vemos um contexto bem maior, mas vamos focar na esfera de IA. A Inteligência Artificial possui a sua subárea Machine Learning que, por sua vez, engloba a subárea Deep Learning.

 

 

Como vimos anteriormente, na Inteligência Artificial, uma máquina consegue imitar comportamentos humanos. Para que isso seja possível, ela precisa, primeiramente, aprender.

O aprendizado se dá através de experiência anteriores — nesse caso, com dados já existentes. “A palavrinha-chave para IA é aprendizado. É isso que fará um computador ter a capacidade de reproduzir alguns comportamentos humanos”, comenta Frederico Head de Analytics.

Agora, o diferencial entre ML e DL — Aprendizado de Máquinas e Aprendizado Profundo, respectivamente — é exatamente como é feito o treinamento das máquinas. Em Machine Learning, o desenvolvedor precisa programar o que o computador precisa identificar nos dados que serão analisados.

Em Deep Learning, por outro lado, o desenvolvedor não precisa fazer isso, porque o próprio computador analisa os dados e encontra padrões que serão utilizados como base para analisar outros dados no futuro.

Vamos a um exemplo. Suponha que você precise que seu sistema identifique faces dentro de um banco de imagens.

Caso tilize a Machine Learning para analisar esse banco de imagens, você precisará programar os padrões que o computador precisa encontrar na imagem para identificar o que é uma face — por exemplo, uma boca, dois olhos, um nariz e o contorno da face.

Se você usar Deep Learning, não é necessário programar os padrões, pois a própria DL, após analisar as imagens do banco, vai identificar o que é necessário para classificar uma face na imagem.

A recomendada a utilização de Machine Learning ou Deep Learning depende, principalmente, do problema que está sendo abordado no projeto. No entanto, outros fatores também entram nessa conta, como: custo do projeto, tempo de desenvolvimento do projeto e qual o tipo de entregáveis esse projeto terá.

 

Conclusão

A utilização de IA em diferentes ramos de negócio pode trazer muitos resultados positivos, como: melhoria de processos, aumento de produtividade, previsões e tomadas de decisões. Tudo isso é possível quando dados são extraídos e analisados de forma correta, utilizando as tecnologias existentes e comentadas nesse artigo.

No entanto, são aconselhadas uma pré-avaliação e uma prova de conceitos para verificar a viabilidade do projeto. Os dados que a equipe extrair serão a matéria prima para a transformar em informações, conhecimento e sabedoria.

Aqui na Venturus, já temos alguns cases de IA utilizando tanto Machine Learning como Deep Learning. Já auxiliamos indústrias na inspeção visual de produtos com a análise de imagem, criamos um sistema de detecção de vazamento de água, construímos sistemas para prever a falha de equipamentos e com isso fazer um planejamento de manutenção preditiva, entre vários outros cases espalhados pelas nossas verticais de atuação como energia, manufatura e pagamentos.

Veja mais