Nota: Se procura o filme de 2001, veja Se procura o filme de 2001, veja A.I.
- Inteligência Artificial
A Inteligência Artificial 💷 (de sigla: IA; do inglês: Artificial Intelligence, de sigla: AI) é um campo de estudo multidisciplinar que abrange varias áreas 💷 do conhecimento.
[1] Embora seu desenvolvimento tenha avançado mais na ciência da computação, bets bola fazer aposta abordagem interdisciplinar envolve contribuições de diversas disciplinas.
Algumas 💷 das principais áreas relacionadas à IA incluem:
Ciência da Computação: A ciência da computação desempenha um papel central na IA, fornecendo 💷 as bases teóricas e práticas para o desenvolvimento de algoritmos, modelos e técnicas computacionais para simular a inteligência humana.
Matemática e 💷 Estatística: A matemática e a estatística fornecem os fundamentos teóricos para a modelagem e análise de algoritmos de IA, incluindo 💷 aprendizagem de máquina, redes neurais e processamento de dados.
Aprendizagem de Máquina (Machine Learning): A aprendizagem de máquina é uma subárea 💷 da IA que se concentra no desenvolvimento de algoritmos que permitem aos computadores aprender e melhorar com base em dados.
Isso 💷 envolve a aplicação de técnicas estatísticas e algoritmos de otimização.
Ciência Cognitiva: A ciência cognitiva estuda os processos mentais e a 💷 inteligência humana, e suas contribuições para a IA estão relacionadas à compreensão e modelagem dos processos cognitivos para o desenvolvimento 💷 de sistemas inteligentes.
Neurociência Computacional: A neurociência computacional busca entender o funcionamento do cérebro humano e aplicar esses insights no desenvolvimento 💷 de modelos e algoritmos de IA inspirados no cérebro.
Filosofia da Mente: A filosofia da mente explora questões relacionadas à natureza 💷 da mente, da consciência e da inteligência, oferecendo perspectivas teóricas importantes para o campo da IA.
Linguística Computacional: A linguística computacional 💷 envolve o processamento de linguagem natural (PLN), que se concentra no desenvolvimento de algoritmos e técnicas para que os computadores 💷 compreendam e processem a linguagem humana.
É um conceito amplo e que recebe tantas definições quanto significados diferentes à palavra inteligência.
[2] 💷 É possível considerar algumas características básicas desses sistemas, como a capacidade de raciocínio (aplicar regras lógicas a um conjunto de 💷 dados disponíveis para chegar a uma conclusão), aprendizagem (aprender com os erros e acertos para que no futuro possa agir 💷 de maneira mais eficaz), reconhecer padrões (tanto padrões visuais e sensoriais, como também padrões de comportamento) e inferência (capacidade de 💷 conseguir aplicar o raciocínio nas situações do nosso cotidiano).[2]
O desenvolvimento da área de estudo começou logo após a Segunda Guerra 💷 Mundial, com o artigo "Computing Machinery and Intelligence" do matemático inglês Alan Turing,[3] e o próprio nome foi cunhado em 💷 1956.
[4][5] Seus principais idealizadores foram os cientistas Herbert Simon, Allen Newell, John McCarthy, Warren McCulloch, Walter Pitts e Marvin Minsky.
A 💷 construção de máquinas inteligentes interessa à humanidade há muito tempo, havendo na história tanto um registro significante de autômatos mecânicos 💷 (reais) quanto de personagens fictícios construídos pelo homem com inteligência própria, tais como o Golem e o Frankenstein.
Tais relatos, lendas 💷 e ficções demonstram expectativas contrastantes do homem, de fascínio e de medo, em relação à Inteligência Artificial.[6][7]
Apenas recentemente, com o 💷 surgimento do computador moderno, é que a inteligência artificial ganhou meios e massa crítica para se estabelecer como ciência integral, 💷 com problemáticas e metodologias próprias.
Desde então, seu desenvolvimento tem extrapolado os clássicos programas de xadrez ou de conversão e envolvido 💷 áreas como visão computacional, análise e síntese da voz, lógica difusa, redes neurais artificiais e muitas outras.
Inicialmente, os modelos de 💷 IA visavam reproduzir o pensamento humano.
Posteriormente, no entanto, tais modelos abraçaram a ideia de reproduzir capacidades humanas como criatividade, auto 💷 aperfeiçoamento e uso da linguagem.
Porém, o conceito de inteligência artificial ainda é bastante difícil de se definir.
Por essa razão, Inteligência 💷 Artificial foi (e continua sendo) uma noção que dispõe de múltiplas interpretações, não raro conflitantes ou circulares.[8]
Existem duas abordagens principais 💷 para a criação de Sistemas de Inteligência Artificial: O Simbolismo e o Conexionismo.[9]
A primeira, chamada de IA Simbólica,[10] propõe a 💷 representação de conhecimento por meio da manipulação de símbolos, isto é, na forma de estruturas construídas por seres humanos, normalmente 💷 baseadas em noçoes de Lógica.
Ela teve grande impulso durante uma fase onde foram criados muitos Sistemas Especialistas, muitos deles basados 💷 em Lógica de Primeira Ordem, implementados em Prolog, ou em linguagens de programação derivadas desta ou especializadas, como CLIPS.
Normalmente programas 💷 desse tipo têm o conhecimento programado diretamente por seres humanos, o que levou a trabalhos de elicitação de conhecimento.
Apesar do 💷 sucesso inicial dos Sistemas Especialistas, a grande dificuldade de levantar e registrar conhecimento a partir de humanos e o sucesso 💷 dos processos de aprendizado de máquina a partir de dados levou a dimimuição da importância dessa vertente.[10]
A segunda, chamada de 💷 IA Conexionista,[11] se baseia em um modelo matemático inspirado no funcionamento dos neurônios,[12] e depende do aprendizado de máquina baseado 💷 em grandes massas de dados para calibrar esse modelo, que normalmente começa com parâmetros aleatórios.
[13] Essa abordagem, apesar de proposta 💷 muito cedo, não encontrou computadores capazes de modelar problemas complexos, apesar de ter sucesso com problemas restritos de reconhecimento de 💷 padrão, o que só acontece a partir da década de 2010, com resultados extramemente fortes no final dessa década e 💷 no início da década de 2020, a partir de modelos contendo bilhões de parametros, como o GPT-3[14] e conceitos como 💷 Redes Neurais Profundas,[15] Transformers,[16] e Atenção.[17]
Em torno de 2022, a maior parte da pesquisa em IA gira em torno dos 💷 conceitos de Aprendizado de Máquina e Conexionismo, havendo também propostas para sistemas híbridos.
Definição do termo [ editar | editar código-fonte 💷 ]
A questão sobre o que é "inteligência artificial", mesmo como definida anteriormente, pode ser separada em duas partes: "qual a 💷 natureza do artificial" e "o que é inteligência".
A primeira questão é de resolução relativamente fácil, apontando no entanto para a 💷 questão de o que poderá o homem construir.
A segunda questão seria consideravelmente mais difícil, levantando a questão da consciência, identidade 💷 e mente (incluindo a mente inconsciente) juntamente com a questão de que componentes estão envolvidos no único tipo de inteligência 💷 que universalmente se aceita como estando ao alcance do nosso estudo: a inteligência do ser humano.
O estudo de animais e 💷 de sistemas artificiais que não são modelos triviais começa a ser considerado como pauta de estudo na área da inteligência.
Ao 💷 conceituar inteligência artificial, presume-se a interação com o ambiente, diante de necessidades reais como relações entre indivíduos semelhantes, a disputa 💷 entre indivíduos diferentes, perseguição e fuga; além da comunicação simbólica específica de causa e efeito em diversos níveis de compreensão 💷 intuitiva, consciente ou não.
Suponhamos uma competição de cara ou coroa, cujos resultados sejam observados ou não.
Se na segunda tentativa der 💷 o mesmo resultado que a primeira, então não existiam as mesmas chances para ambas opções iniciais.
Claro que a coleta de 💷 informação em apenas duas amostragens é confiável apenas porque a quantidade de tentativas é divisível pelo número de opções de 💷 resultados prováveis.
A verdade é que o conceito de cara ou coroa está associado a artigos de valor, como moedas e 💷 medalhas que podem evitar que as pessoas abandonem o jogo e induza os participantes a acompanhar os resultados até o 💷 final.
Para manter a disposição do adversário em desafiar a máquina seria necessário aparentar fragilidade e garantir a continuidade da partida.
Isso 💷 é muito utilizado em máquinas de cassino, sendo que vários apostadores podem ser induzidos a dispensar consideráveis quantias em apostas.
A 💷 utilização de uma máquina de resultados pode compensar a ausência de um adversário, mas numa partida de xadrez, por exemplo, 💷 para que a máquina não precise armazenar todas as informações que excedem a capacidade de próprio universo imaginável são necessárias 💷 fórmulas que possam ser armazenadas para que então sejam calculadas por princípios físicos, lógicos, geométricos, e estatísticos para refletir o 💷 sistema completo em cada uma das suas partes; como a integração do Google com Wikipédia, por exemplo.
Uma popular e inicial 💷 definição de inteligência artificial, introduzida por John McCarthy na famosa conferência de Dartmouth em 1956 é "fazer a máquina comportar-se 💷 de tal forma que seja chamada inteligente caso fosse este o comportamento de um ser humano.
" No entanto, esta definição 💷 parece ignorar a possibilidade de existir a IA forte (ver abaixo).
Outra definição de Inteligência Artificial é a inteligência que surge 💷 de um "dispositivo artificial".
A maior parte das definições podem ser categorizadas em sistemas que: "pensam como um humano; agem como 💷 um humano; pensam racionalmente ou agem racionalmente".[11][18]
O conceito de inteligência artificial não é contemporâneo.
Aristóteles, professor de Alexandre, o Grande, almejava 💷 substituir a mão de obra escrava por objetos autônomos, sendo essa a primeira idealização de Inteligência Artificial relatada, uma ideia 💷 que seria explorada muito tempo depois pela ciência da computação.
O desenvolvimento dessa ideia se deu de forma plena no Século 💷 XX, com enfoque nos anos 50, com pensadores como Herbert Simon e John McCarthy.
Os primeiros anos da IA foram repletos 💷 de sucessos – mas de uma forma limitada.
Considerando-se os primeiros computadores, as ferramentas de programação da época e o fato 💷 de que apenas alguns anos antes os computadores eram vistos como objetos capazes de efetuar operações aritméticas e nada mais, 💷 causava surpresa o fato de um computador realizar qualquer atividade remotamente inteligente.
O sucesso inicial prosseguiu com o General Problem Solver 💷 (Solucionador de problemas gerais) ou GPS, desenvolvido por Newell e Simon.
[19] Esse programa foi projetado para imitar protocolos humanos de 💷 resolução de problemas.
Dentro da classe limitada de quebra-cabeças com a qual podia lidar, verificou-se que a ordem em que os 💷 seres humanos abordavam os mesmos problemas.
Desse modo, o GPS talvez tenha sido o primeiro programa a incorporar a abordagem de 💷 "pensar de forma humana".
Desde o início os fundamentos da inteligência artificial tiveram o suporte de várias disciplinas que contribuíram com 💷 ideias, pontos de vista e técnicas para a IA.
Os filósofos (desde 400 a.C.
) tornaram a IA concebível, considerando as ideias 💷 de que a mente é, em alguns aspectos, semelhante a uma máquina, de que ela opera sobre o conhecimento codificado 💷 em alguma linguagem interna e que o pensamento pode ser usado para escolher as ações que deverão ser executadas.
Por bets bola fazer aposta 💷 vez, os matemáticos forneceram as ferramentas para manipular declarações de certeza lógica, bem como declarações incertas e probabilísticas.
Eles também definiram 💷 a base para a compreensão da computação e do raciocínio sobre algoritmos.
Os economistas formalizaram o problema de tomar decisões que 💷 maximizam o resultado esperado para o tomador de decisões.
Os psicólogos adotaram a ideia de que os seres humanos e os 💷 animais podem ser considerados máquinas de processamento de informações.
Os linguistas mostraram que o uso da linguagem se ajusta a esse 💷 modelo.
Os engenheiros de computação fornecem os artefatos que tornam possíveis as aplicações de IA.
Os programas de IA tendem a ser 💷 extensos e não poderiam funcionar sem os grandes avanços em velocidade e memória que a indústria de informática tem proporcionado.
Atualmente, 💷 a IA abrange uma enorme variedade de subcampos.
Dentre esses subcampos está o estudo de modelos conexionistas ou redes neurais.
Uma rede 💷 neural pode ser vista como um modelo matemático simplificado do funcionamento do cérebro humano.
[20] Este consiste de um número muito 💷 grande de unidades elementares de processamento, ou neurônios, que recebem e enviam estímulos elétricos uns aos outros, formando uma rede 💷 altamente interconectada.
No processamento, são compostos os estímulos recebidos conforme a intensidade de cada ligação, produzindo um único estímulo de saída.
É 💷 o arranjo das interconexões entre os neurônios e as respectivas intensidades que define as principais propriedades e o funcionamento de 💷 uma RN.
O estudo das redes neurais ou o conexionismo se relaciona com a capacidade dos computadores aprenderem e reconhecerem padrões.
Podemos 💷 destacar também o estudo da biologia molecular na tentativa de construir vida artificial e a área da robótica, ligada à 💷 biologia e procurando construir máquinas que alojem vida artificial.
Outro subcampo de estudo é a ligação da IA com a Psicologia, 💷 na tentativa de representar na máquina os mecanismos de raciocínio e de procura.
Nos últimos anos, houve uma revolução no trabalho 💷 em inteligência artificial, tanto no conteúdo quanto na metodologia.
Agora, é mais comum usar as teorias existentes como bases, em vez 💷 de propor teorias inteiramente novas, fundamentar as informações em teoremas rigorosos ou na evidência experimental rígida, em vez de utilizar 💷 como base a intuição e destacar a relevância de aplicações reais em vez de exemplos hipotéticos.
A utilização da IA permite 💷 obter não somente ganhos significativos de performance, mas também possibilita o desenvolvimento de aplicações inovadoras, capazes de expandir de forma 💷 extraordinária nossos sentidos e habilidades intelectuais.
Cada vez mais presente, a inteligência artificial simula o pensamento humano e se alastra por 💷 nosso cotidiano.
Em maio de 2017 no Brasil, foi criada a ABRIA (Associação Brasileira de Inteligência Artificial) com o objetivo de 💷 mapear iniciativas brasileiras no setor de inteligência artificial, englobando os esforços entre as empresas nacionais e formação de mão de 💷 obra especializada.
Esse passo reforça que, atualmente, a inteligência artificial é impactante no setor econômico.
Humanoide
Investigação na IA experimental [ editar | 💷 editar código-fonte ]
A inteligência artificial começou como um campo experimental nos anos 50 com pioneiros como Allen Newell e Herbert 💷 Simon, que fundaram o primeiro laboratório de inteligência artificial na Universidade Carnegie Mellon, e McCarty que juntamente com Marvin Minsky, 💷 que fundaram o MIT AI Lab em 1959.
Foram eles alguns dos participantes na famosa conferência de verão de 1956 em 💷 Darthmouth College.[21]
Historicamente, existem dois grandes estilos de investigação em IA: IA "neats" e IA "scruffies".
A IA "neats", limpa, clássica ou 💷 simbólica.
Envolve a manipulação de símbolos e de conceitos abstractos, e é a metodologia utilizada na maior parte dos sistemas periciais.
Paralelamente 💷 a esta abordagem existe a abordagem IA "scruffies", ou "coneccionista", da qual as redes neuronais são o melhor exemplo.
Esta abordagem 💷 cria sistemas que tentam gerar inteligência pela aprendizagem e adaptação em vez da criação de sistemas desenhados com o objectivo 💷 especifico de resolver um problema.
Ambas as abordagems apareceram num estágio inicial da história de IA.
Nos anos 60s e 70s os 💷 coneccionistas foram retirados do primeiro plano da investigação em IA, mas o interesse por esta vertente da IA foi retomada 💷 nos anos 80s, quando as limitações da IA "limpa" começaram a ser percebidas.
Pesquisas sobre inteligência artificial foram intensamente custeadas na 💷 década de 1980 pela Agência de Projetos de Pesquisas Avançadas sobre Defesa ("Defense Advanced Research Projects Agency"), nos Estados Unidos, 💷 e pelo Projeto da Quinta Geração ("Fifth Generation Project"), no Japão.
O trabalho subsidiado fracassou no sentido de produzir resultados imediatos, 💷 a despeito das promessas grandiosas de alguns praticantes de IA, o que levou proporcionalmente a grandes cortes de verbas de 💷 agências governamentais no final dos anos 80, e em consequência a um arrefecimento da atividade no setor, fase conhecida como 💷 O inverno da IA.
No decorrer da década seguinte, muitos pesquisadores de IA mudaram para áreas relacionadas com metas mais modestas, 💷 tais como aprendizado de máquinas, robótica e visão computacional, muito embora pesquisas sobre IA pura continuaram em níveis reduzidos.
Campo de 💷 estudo [ editar | editar código-fonte ]
Os principais pesquisadores e livros didáticos definem o campo como "o estudo e projeto 💷 de agentes inteligentes", onde um agente inteligente é um sistema que percebe seu ambiente e toma atitudes que maximizam suas 💷 chances de sucesso.
Andreas Kaplan e Michael Haenlein definem a inteligência artificial como "uma capacidade do sistema para interpretar corretamente dados 💷 externos, aprender a partir desses dados e utilizar essas aprendizagens para atingir objetivos e tarefas específicas através de adaptação flexível".
[22] 💷 John McCarthy, quem cunhou o termo em 1956 ("numa conferência de especialistas celebrada em Darmouth Colege" Gubern, Román: O Eros 💷 Eletrónico), a define como "a ciência e engenharia de produzir sistemas inteligentes".
É uma área de pesquisa da computação dedicada a 💷 buscar métodos ou dispositivos computacionais que possuam ou multipliquem a capacidade racional do ser humano de resolver problemas, pensar ou, 💷 de forma ampla, ser inteligente.
Também pode ser definida como o ramo da ciência da computação que se ocupa do comportamento 💷 inteligente[23] ou ainda, o estudo de como fazer os computadores realizarem coisas que, atualmente, os humanos fazem melhor.[8]
Não existe uma 💷 teoria ou paradigma unificador que orienta a pesquisa de IA.
Pesquisadores discordam sobre várias questões.
[24] Algumas das perguntas constantes mais longas 💷 que ficaram sem resposta são as seguintes: a inteligência artificial deve simular inteligência natural, estudando psicologia ou neurociência? Ou será 💷 que a biologia humana é tão irrelevante para a pesquisa de IA como a biologia das aves é para a 💷 engenharia aeronáutica? O comportamento inteligente pode ser descrito usando princípios simples e elegantes (como lógica ou otimização)? Ou ela necessariamente 💷 requer que se resolva um grande número de problemas completamente não relacionados? A inteligência pode ser reproduzida usando símbolos de 💷 alto nível, similares às palavras e ideias? Ou ela requer processamento "sub-simbólico"?[25] John Haugeland, que cunhou o termo GOFAI (Good 💷 Old-Fashioned Artificial Intelligence - Boa Inteligência Artificial à Moda Antiga), também propôs que a IA deve ser mais apropriadamente chamada 💷 de inteligência sintética, um termo que já foi adotado por alguns pesquisadores não-GOFAI.[26][27]
Cibernética e simulação cerebral [ editar | editar 💷 código-fonte ]
Nos anos de 1940 e 1950, um número de pesquisadores exploraram a conexão entre neurologia, teoria da informação e 💷 cibernética.
Alguns deles construíram máquinas que usaram redes eletrônicas para exibir inteligência rudimentar, como as tartarugas de W.
Grey Walter e a 💷 Besta de Johns Hopkins.
Muitos desses pesquisadores se reuniram para encontros da Sociedade teleológica da Universidade de Princeton e o Ratio 💷 Club na Inglaterra.
Em 1960, esta abordagem foi abandonada, apesar de seus elementos serem revividos na década de 1980.
Inteligência computacional
Interesse em 💷 redes neurais e "conexionismo" foi revivida por David Rumelhart e outros em meados de 1980.
Estas e outras abordagens sub-simbólicas, como 💷 sistemas de fuzzy e computação evolucionária, são agora estudados coletivamente pela disciplina emergente inteligência computacional.
IA forte e IA fraca [ 💷 editar | editar código-fonte ]
Entre os teóricos que estudam o que é possível fazer com a IA existe uma discussão 💷 onde se consideram duas propostas básicas: uma conhecida como "forte" e outra conhecida como "fraca".
Basicamente, a hipótese da IA forte 💷 considera ser possível criar uma máquina consciente, ou seja, afirma que os sistemas artificiais devem replicar a mentalidade humana.[28]
Inteligência artificial 💷 forte [ editar | editar código-fonte ]
A investigação em Inteligência Artificial Forte aborda a criação da forma de inteligência baseada 💷 em computador que consiga raciocinar e resolver problemas; uma forma de IA forte é classificada como auto-consciente.
A IA forte é 💷 tema bastante controverso, pois envolve temas como consciência e fortes problemas éticos ligados ao que fazer com uma entidade que 💷 seja cognitivamente indistinguível de seres humanos.
A ficção científica tratou de muitos problemas desse tipo.
Isaac Asimov, por exemplo, escreveu O Homem 💷 Bicentenário, onde um robô consciente e inteligente luta para possuir um status semelhante ao de um humano na sociedade.
[29] E 💷 Steven Spielberg dirigiu "A.I.
Inteligência Artificial" onde um garoto-robô procura conquistar o amor de bets bola fazer aposta "mãe", procurando uma maneira de se 💷 tornar real.
Por outro lado, o mesmo Asimov reduz os robôs a servos dos seres humanos ao propor as três leis 💷 da robótica.[6]
Stephen Hawking alertou sobre os perigos da inteligência artificial e considerou uma ameaça à sobrevivência da humanidade[30] (ver: Rebelião 💷 das máquinas).
Inteligência artificial fraca [ editar | editar código-fonte ]
Trata-se da noção de como lidar com problemas não determinísticos.
Uma contribuição 💷 prática de Alan Turing foi o que se chamou depois de Teste de Turing (TT),[31] de 1950: em lugar de 💷 responder à pergunta "podem-se ter computadores inteligentes?" ele formulou seu teste, que se tornou praticamente o ponto de partida da 💷 pesquisa em "Inteligência Artificial".[3]
O teste consiste em se fazer perguntas a uma pessoa e um computador escondidos.
Um computador e seus 💷 programas passam no TT se, pelas respostas, for impossível a alguém distinguir qual interlocutor é a máquina e qual é 💷 a pessoa.
No seu artigo original ele fez a previsão de que até 2000 os computadores passariam seu teste.
[31] Pois bem, 💷 há um concurso anual de programas para o TT, e o resultado dos sistemas ganhadores é tão fraco (o último 💷 tem o nome "Ella") que com poucas perguntas logo percebe-se as limitações das respostas da máquina.
É interessante notar que tanto 💷 a Máquina de Turing quanto o Teste de Turing talvez derivem da visão que Turing tinha de que o ser 💷 humano é uma máquina.
Há quem diga que essa visão está absolutamente errada, do ponto de vista linguístico, já que associamos 💷 à "máquina" um artefato inventado e eventualmente construído.
Dizem eles: "Nenhum ser humano foi inventado ou construído".
Afirma-se ainda que a comparação, 💷 feita por Turing, entre o homem e a máquina é sinônimo de bets bola fazer aposta "ingenuidade social", pois as máquinas são infinitamente 💷 mais simples do que o homem, apesar de, paradoxalmente, se afirmar que a vida é complexa.
No entanto, esta linha de 💷 raciocínio é questionável, afinal de contas, os computadores modernos podem ser considerados "complexos" quando comparados ao COLOSSUS (computador cujo desenvolvimento 💷 foi liderado por Tommy Flowers, em 1943), ou a qualquer máquina do início do século XX.
A inteligência artificial fraca centra 💷 a bets bola fazer aposta investigação na criação de inteligência artificial que não é capaz de verdadeiramente raciocinar e resolver problemas.
Uma tal máquina 💷 com esta característica de inteligência agiria como se fosse inteligente, mas não tem autoconsciência ou noção de si.
O teste clássico 💷 para aferição da inteligência em máquinas é o Teste de Turing.[31]
Há diversos campos dentro da IA fraca, e um deles 💷 é o Processamento de linguagem natural, que trata de estudar e tentar reproduzir os processos de desenvolvimento que resultaram no 💷 funcionamento normal da língua.
Muitos destes campos utilizam softwares específicos e linguagens de programação criadas para suas finalidades.
Um exemplo é o 💷 chatbot Eliza, desenvolvido por Joseph Weizenbaum no laboratório de Inteligência Artificial do MIT entre os anos de 1964 e 1966.
Outro 💷 exemplo bastante conhecido é o programa A.L.I.C.E.
(Artificial Linguistic Internet Computer Entity, ou Entidade Computadorizada de Linguagem Artificial para Internet), um 💷 software que simula uma conversa humana.
Programado em Java e desenvolvido com regras heurísticas para os caracteres de conversação, seu desenvolvimento 💷 resultou na AIML (Artificial Intelligence Markup Language), uma linguagem específica para tais programas e seus vários clones, chamados de Alicebots.
Muito 💷 do trabalho neste campo tem sido feito com simulações em computador de inteligência baseado num conjunto predefinido de regras.
Poucos têm 💷 sido os progressos na IA forte.
Mas dependendo da definição de IA utilizada, pode-se dizer que avanços consideráveis na IA fraca 💷 já foram alcançados.
Impossibilidade de Simulação Qualitativa [ editar | editar código-fonte ]
Foi provado que um simulador qualitativo, completo e robusto 💷 não pode existir, ou seja, desde que o vocabulário entrada-saída seja usado (como num algoritmo QSIM), haverá sempre modelos de 💷 entrada que causam predições erradas na bets bola fazer aposta saída.
Por exemplo, a noção de infinito é impossível ser tida por uma máquina 💷 finita (computador ou neurónios se produzirem apenas um número finito de resultados num número finito de tempo).
Neste caso é um 💷 simples paradoxo matemático, porque são em número finito as combinações saídas de qualquer conjunto finito.
Se a noção de infinito pudesse 💷 ser obtida por uma certa combinação finita, isso significaria que o infinito seria equivalente a essa sequência finita, o que 💷 é obviamente uma contradição.
Por isso, o infinito e outras noções abstractas têm que ser pré-adquiridas numa máquina finita, não são 💷 aí programáveis.[32][33]
Críticas filosóficas e a argumentação de uma IA forte [ editar | editar código-fonte ]John Searle
Muitos filósofos, sobretudo John 💷 Searle e Hubert Dreyfus, inseriram no debate questões de ordem filosófica e epistemológica, questionando qualquer possibilidade efetiva da IA forte.
[34][35] 💷 Seriam falsos, assim, os próprios pressupostos da construção de uma inteligência ou consciência semelhante à humana em uma máquina.[36]
Searle é 💷 bastante conhecido por seu contra-argumento sobre o Quarto Chinês (ou Sala Chinesa), que inverte a questão colocada por Minsky a 💷 respeito do Teste de Turing.
[37] Seu argumento diz que ainda que uma máquina possa parecer falar chinês por meio de 💷 recursos de exame comparativo com mostras e tabelas de referência, binárias, isso não implica que tal máquina fale e entenda 💷 efetivamente a língua.
Ou seja, demonstrar que uma máquina possa passar no Teste de Turing não necessariamente implica um ser consciente, 💷 tal como entendido em seu sentido humano.
[38] Dreyfus, em seu livro O que os computadores ainda não conseguem fazer: Uma 💷 crítica ao raciocínio artificial, argumenta que a consciência não pode ser adquirida por sistemas baseados em regras ou lógica; tampouco 💷 por sistemas que não façam parte de um corpo físico.
No entanto, este último autor deixa aberta a possibilidade de um 💷 sistema robótico baseado em Redes Neuronais, ou em mecanismos semelhantes, alcançar a inteligência artificial.[35]
Mas já não seria a referida IA 💷 forte, mas sim um correlato bem mais próximo do que se entende por IA fraca.
Os revezes que a acepção primeira 💷 de Inteligência Artificial vem levando nos últimos tempos contribuíram para a imediata relativização de todo seu legado.
O papel de Marvin 💷 Minsky, figura proeminente do MIT e autor de Sociedade da Mente, fora central para a acepção de uma IA linear 💷 que imitaria com perfeição a mente humana, mas seu principal feito foi construir o primeiro computador baseado em redes neurais, 💷 conhecido como Snark,[39] tendo simplesmente fracassado pois nunca executou qualquer função interessante, apenas consumiu recursos de outras pesquisas mais promissoras.
O 💷 primeiro neuro computador a obter sucesso (Mark I Perceptron) surgiu em 1957 e 1958, criado por Frank Rosenblatt, Charles Wightman 💷 e outros.
Atualmente, no entanto, as vertentes que trabalham com os pressupostos da emergência e com elementos da IA fraca parecem 💷 ter ganhado proeminência do campo.
As críticas sobre a impossibilidade de criar uma inteligência em um composto artificial podem ser encontradas 💷 em Jean-François Lyotard (O Pós-humano) e Lucien Sfez (Crítica da Comunicação); uma contextualização didática do debate encontra-se em Sherry Turkle 💷 (O segundo Eu: os computadores e o espírito humano).
Pode-se resumir o argumento central no fato de que a própria concepção 💷 de inteligência é humana e, nesse sentido, animal e biológica.
A possibilidade de transportá-la para uma base plástica, artificial, encontra um 💷 limite claro e preciso: se uma inteligência puder ser gerada a partir destes elementos, deverá ser necessariamente diferente da humana, 💷 na medida em que o seu resultado provém da emergência de elementos totalmente diferentes dos encontrados nos humanos.
A inteligência, tal 💷 como a entendemos, é essencialmente o fruto do cruzamento da uma base biológica com um complexo simbólico e cultural, impossível 💷 de ser reproduzido artificialmente.
Outros filósofos sustentam visões diferentes.
Ainda que não vejam problemas com a IA fraca, entendem que há elementos 💷 suficientes para se crer na IA forte também.
Daniel Dennett argumenta em Consciência Explicada que se não há uma centelha mágica 💷 ou alma nos seres humanos, então o Homem é apenas uma outra máquina.
Dennett questiona por que razão o Homem-máquina deve 💷 ter uma posição privilegiada sobre todas as outras possíveis máquinas quando provido de inteligência.
Alguns autores sustentam que se a IA 💷 fraca é possível, então também o é a forte.
O argumento da IA fraca, de uma inteligência imitada mas não real, 💷 desvelaria assim uma suposta validação da IA forte.
Isso se daria porque, tal como entende Simon Blackburn em seu livro Think, 💷 dentre outros, não existe a possibilidade de verificar se uma inteligência é verdadeira ou não.
Estes autores argumentam que toda inteligência 💷 apenas parece inteligência, sem necessariamente o ser.
Parte-se do princípio que é impossível separar o que é inteligência de fato do 💷 que é apenas simulação: apenas acredita-se ser.
Estes autores rebatem os argumentos contra a IA forte dizendo que seus críticos reduzem-se 💷 a arrogantes que não podem entender a origem da vida sem uma centelha mágica, um Deus ou uma posição superior 💷 qualquer.
Eles entenderiam, em última instância, máquina como algo essencialmente incapaz e sequer conseguem supô-la como capaz de inteligência.
Nos termos de 💷 Minsky, a crítica contra a IA forte erra ao supor que toda inteligência derive de um sujeito - tal como 💷 indicado por Searle - e assim desconsidera a possibilidade de uma maquinaria complexa que pudesse pensar.
Mas Minsky desconsidera o simples 💷 fato de que os maiores avanços na área foram conseguidos com "maquinaria complexa", também chamada por pesquisadores mais importantes de 💷 Inteligência Artificial Conexista.
Se a crítica de Minsky fosse válida a maquina criada por Rosenblatt e Bernard Widrow não estaria em 💷 uso ainda hoje, e o Mark I Perceptron não seria o fundador da neuro-computação.
Alguns pesquisadores importantes afirmam que um dos 💷 motivos das críticas de Minsky foi o fato de ter falhado com Snark.
A partir daí começou a criticar essa área 💷 por não compreende-la completamente, prejudicando desde então pesquisas importantes sobre o assunto.
O debate sobre a IA reflete, em última instância, 💷 a própria dificuldade da ciência contemporânea em lidar efetivamente com a ausência de um primado superior.
Os argumentos pró-IA forte são 💷 esclarecedores dessa questão, pois são os próprios cientistas, que durante décadas tentaram e falharam ao criar uma IA forte, que 💷 ainda procuram a existência de uma ordem superior.
Ainda que a IA forte busque uma ordem dentro da própria conjugação dos 💷 elementos internos, trata-se ainda da suposição de que existe na inteligência humana uma qualidade superior que deve ser buscada, emulada 💷 e recriada.
Reflete, assim, a difícil digestão do legado radical da Teoria da Evolução, onde não existe positividade alguma em ser 💷 humano e ser inteligente; trata-se apenas de um complexo de relações que propiciaram um estado particular, produto de um cruzamento 💷 temporal entre o extrato biológico e uma complexidade simbólica.
Resoluções de problemas com IA [ editar | editar código-fonte ]
Uma das 💷 áreas mais estudadas por cientistas sobre Inteligência Artificial, é o processo de Resolução de Problemas, desde os mais simples até 💷 os mais complexos.
Com base no estudos de comportamentos de indivíduos que resolvem problemas simples em laboratório, Allen Newell e Herbert 💷 Simon desenvolveram alguns programas para simular aspectos do comportamento inteligente e racional.
Um de seus principais programas desenvolvidos, chamado 'General Problem 💷 Solver' (Solucionador de Problemas Gerais) pode ser resumido em poucas etapas: a primeira etapa consiste em gravar as declarações realizadas 💷 por alguns indivíduos que verbalizam seu pensamento enquanto resolvem os problemas.
A seguir, o teórico ensaia algumas hipóteses acerca dos processos 💷 mentais que possivelmente estariam envolvidos no processo de elaboração de uma solução para o problema dado.
A partir dessas hipóteses ele 💷 estrutura um programa que, em bets bola fazer aposta opinião, simulará o relato gravado.
Finalmente, após processar esse programa no computador digital, ele compara 💷 o relato do indivíduo com o roteiro da máquina.
Se os fluxos de palavras registrados no roteiro e no relatório forem 💷 razoavelmente semelhantes, então considera-se que uma explicação para o comportamento sob estudo foi obtida.
Os pesquisadores do Projeto de Simulação Cognitiva 💷 admitem, neste caso, que as estratégias utilizadas pelo computador são análogas àquelas realizadas pelo indivíduo humano.
Caso contrário, o programa deverá 💷 ser modificado com base nas discrepâncias encontradas durante o confronto de palavras.
O mesmo procedimento é repetido até que um ajuste 💷 satisfatório seja obtido e o programa consiga passar pelo teste de Turing.
Ou seja, até que os fluxos de palavras produzidas 💷 pelo computador e pelo sujeito humano sejam praticamente indistinguíveis para um examinador humano.[40][41]
Aplicações Práticas de Técnicas de IA [ editar 💷 | editar código-fonte ]
Enquanto que o progresso direcionado ao objetivo final de uma inteligência similar à humana tem sido lento, 💷 muitas derivações surgiram no processo.
Exemplos notáveis incluem as linguagens Lisp e Prolog, as quais foram desenvolvidas para pesquisa em IA,[42] 💷 embora também sejam usadas para outros propósitos.
A cultura hacker surgiu primeiramente em laboratórios de IA, em particular no MIT AI 💷 Lab, lar várias vezes de celebridades tais como McCarthy, Minsky, Seymour Papert (que desenvolveu a linguagem Logo), Terry Winograd (que 💷 abandonou IA depois de desenvolver SHRDLU).
Muitos outros sistemas úteis têm sido construídos usando tecnologias que ao menos uma vez eram 💷 áreas ativas em pesquisa de IA.
Alguns exemplos incluem:
A visão da Inteligência Artificial substituindo julgamento humano profissional tem surgido muitas vezes 💷 na história do campo, em ficção científica e, hoje em dia, em algumas áreas especializadas onde "Sistemas Especialistas" são usados 💷 para melhorar ou para substituir julgamento profissional em engenharia e medicina, por exemplo.
Aplicações no governo [ editar | editar código-fonte 💷 ]
Os usos potenciais de IA no governo são amplos e variados,[72] com a Deloitte considerando que "as tecnologias cognitivas podem 💷 eventualmente revolucionar todas as facetas das operações do governo".
[73] Mehr sugere que seis tipos de problemas governamentais são apropriados para 💷 aplicações de IA:[74]
Alocação de recursos - por exemplo, quando o suporte administrativo é necessário para concluir as tarefas mais rapidamente.
Grandes 💷 conjuntos de dados - onde eles são muito grandes para os funcionários trabalharem de forma eficiente e vários conjuntos de 💷 dados podem ser combinados para fornecer maiores insights.
Falta de especialistas - incluindo onde perguntas básicas podem ser respondidas e questões 💷 de nicho podem ser aprendidas.
Cenário previsível - os dados históricos tornam a situação previsível.
Procedural - tarefas repetitivas em que as 💷 entradas ou saídas têm uma resposta binária.
Dados diversos - onde os dados assumem uma variedade de formas (como visuais e 💷 linguísticas) e precisam ser resumidos regularmente.
Mehr afirma que "Embora as aplicações de IA no trabalho do governo não tenham acompanhado 💷 a rápida expansão da IA no setor privado, os casos de uso em potencial no setor público refletem as aplicações 💷 comuns no setor privado."[74]
Os usos potenciais e reais da IA no governo podem ser divididos em três categorias amplas: aqueles 💷 que contribuem para os objetivos de políticas públicas; aqueles que auxiliam nas interações públicas com o governo; e outros usos.
Contribuição 💷 para os objetivos de políticas públicas [ editar | editar código-fonte ]
Há uma série de exemplos de onde a IA 💷 pode contribuir para os objetivos de políticas públicas.[75] Esses incluem:
Auxiliando nas interações públicas com o governo [ editar | editar 💷 código-fonte ]
A IA pode ser usada para ajudar os membros do público a interagir com o governo e acessar serviços 💷 governamentais, por exemplo:[75]
Responder a perguntas usando assistentes virtuais ou chatbots (veja abaixo)
Direcionar solicitações para a área apropriada dentro do governo
Preencher 💷 formulários
Auxiliar na pesquisa de documentos (por exemplo, pesquisa de marca registrada da IP Australia) [ 82 ]
Agendamento de compromissos [ 💷 80 ]
Exemplos de assistentes virtuais ou chatbots usados pelo governo incluem o seguinte:
Outros usos da inteligência artificial pelo governo incluem:Tradução 💷 [ 74 ]
Interpretação de linguagem, pioneira pela Direção Geral de Interpretação da Comissão Europeia e Florika Fink-Hooijer.
Elaboração de documentos [ 💷 74 ]
Um Veículo Aéreo de Combate Não Tripulado (X-45A), em voo
Os Estados Unidos e outras nações estão desenvolvendo aplicativos de 💷 IA para uma série de funções militares.
[93] As principais aplicações militares de Inteligência Artificial e Aprendizado de Máquina são para 💷 aprimorar as Comunicações, Sensores, Integração e Interoperabilidade.
[94] A pesquisa de IA está em andamento nas áreas de coleta e análise 💷 de inteligência, logística, operações cibernéticas, operações de informação, comando e controle e em uma variedade de veículos semi-autônomos e autônomos.
[93] 💷 As tecnologias de Inteligência Artificial permitem a coordenação de sensores e efetores, detecção e identificação de ameaças, marcação de posições 💷 inimigas, aquisição de alvos, coordenação e deconflição de disparos de junção distribuídos entre veículos de combate e tanques em rede 💷 também dentro de equipes tripuladas e não tripuladas (MUM-T).
[94] A IA foi incorporada às operações militares no Iraque e na 💷 Síria.[93]
Os gastos militares anuais mundiais com robótica aumentaram de US$ 5,1 bilhões em 2010 para US$ 7,5 bilhões em 2015.
[95][96] 💷 Drones militares capazes de ação autônoma são amplamente considerados um ativo útil.
[97] Muitos pesquisadores de inteligência artificial procuram se distanciar 💷 das aplicações militares da IA.[94]
Aplicações na área da saúde [ editar | editar código-fonte ]
Raio X de uma mão humana, 💷 com cálculo automático da idade óssea por um software de computador.
Um braço cirúrgico do lado do paciente da empresa "Da 💷 Vinci Surgical System"
A IA na área da saúde é frequentemente usada para classificação, seja para automatizar a avaliação inicial de 💷 uma tomografia computadorizada ou EKG ou para identificar pacientes de alto risco para a saúde da população.
A amplitude de aplicações 💷 está aumentando rapidamente.
Como exemplo, a IA está sendo aplicada ao problema de alto custo das questões de dosagem - onde 💷 as descobertas sugeriram que a IA poderia economizar US $ 16 bilhões.
Em 2016, um estudo inovador na Califórnia descobriu que 💷 uma fórmula matemática desenvolvida com a ajuda de IA determinava corretamente a dose exata de medicamentos imunossupressores a serem administrados 💷 a pacientes com órgãos.[98]
A inteligência artificial está ajudando os médicos.
De acordo com a Bloomberg Technology, a Microsoft desenvolveu IA para 💷 ajudar os médicos a encontrar os tratamentos certos para o câncer.
Há uma grande quantidade de pesquisas e medicamentos desenvolvidos relacionados 💷 ao câncer.
[99] Em detalhe, são mais de 800 medicamentos e vacinas para tratar o câncer.
Isso afeta negativamente os médicos, porque 💷 há muitas opções de escolha, tornando mais difícil escolher os medicamentos certos para os pacientes.
A Microsoft está trabalhando em um 💷 projeto para desenvolver uma máquina chamada "Hanover".
[100] Seu objetivo é memorizar todos os papéis necessários ao câncer e ajudar a 💷 prever quais combinações de medicamentos serão mais eficazes para cada paciente.
Um projeto que está sendo trabalhado no momento é o 💷 de combate à leucemia mielóide, um câncer fatal cujo tratamento não melhora há décadas.
Outro estudo descobriu que a inteligência artificial 💷 era tão boa quanto médicos treinados na identificação de câncer de pele.
[101] Outro estudo está usando inteligência artificial para tentar 💷 monitorar vários pacientes de alto risco, e isso é feito perguntando a cada paciente várias perguntas com base em dados 💷 adquiridos de médico ao vivo para interações com o paciente.
[102] Um estudo foi feito com transferência de aprendizagem, a máquina 💷 realizava um diagnóstico semelhante a um oftalmologista bem treinado, e podia gerar uma decisão em 30 segundos sobre se o 💷 paciente deveria ou não ser encaminhado para tratamento, com mais de 95% de acerto.[103]
De acordo com a CNN, um estudo 💷 recente realizado por cirurgiões do Children's National Medical Center em Washington demonstrou com sucesso a cirurgia com um robô autônomo.
A 💷 equipe supervisionou o robô enquanto ele realizava a cirurgia de tecidos moles, costurando o intestino de um porco durante a 💷 cirurgia aberta, e fazendo isso melhor do que um cirurgião humano, afirmou a equipe.
[104] A IBM criou seu próprio computador 💷 de inteligência artificial, o IBM Watson, que venceu a inteligência humana (em alguns níveis).
O Watson tem se esforçado para obter 💷 sucesso e adoção na área de saúde.[105]
As redes neurais artificiais são usadas como sistemas de apoio à decisão clínica para 💷 diagnóstico médico, como em tecnologia de processamento de conceito em software EMR.
Outras tarefas na medicina que podem ser potencialmente realizadas 💷 por inteligência artificial e estão começando a ser desenvolvidas incluem:
Interpretação de imagens médicas auxiliada por computador.
Esses sistemas ajudam a digitalizar 💷 imagens digitais, por exemplo, da tomografia computadorizada, para aspectos típicos e para destacar cortes conspícuos, como possíveis doenças.
Uma aplicação típica 💷 é a detecção de tumores.
Análise de batimentos cardíacos.[ 106 ]
Robôs companheiros para cuidar dos idosos [ 107 ]
Análise de registros 💷 médicos para fornecer informações mais úteis.
Projetar planos de tratamento.
Auxiliar em trabalhos repetitivos, incluindo o gerenciamento de medicamentos.
Auxiliar deficientes visuais.
[ 108 💷 ]Fornecer consultas.
Fabricação e desenvolvimento de fármacos.[ 109 ]
Usando avatares no lugar de pacientes para treinamento clínico [ 110 ]
Estimar a 💷 probabilidade de morte em procedimentos cirúrgicos
Estimar a progressão do HIV.
Saúde e segurança no local de trabalho [ editar | editar 💷 código-fonte ]
A IA pode aumentar o escopo das tarefas de trabalho em que um trabalhador pode ser removido de uma 💷 situação que acarreta riscos, como estresse, excesso de trabalho, lesões musculoesqueléticas, fazendo com que a IA execute as tarefas.
[111] Isso 💷 pode expandir a gama de setores de trabalho afetados, além da automação tradicional, para empregos de colarinho branco e de 💷 serviços, como medicina, finanças e tecnologia da informação.
Por exemplo, os trabalhadores do call center enfrentam grandes riscos à saúde e 💷 segurança devido à bets bola fazer aposta natureza repetitiva e exigente e às suas altas taxas de micro vigilância.
Os chatbots habilitados para IA 💷 reduzem a necessidade de humanos realizarem as tarefas mais básicas do call center.[79]
O aprendizado de máquina usado para análises de 💷 pessoas para fazer previsões sobre o comportamento do trabalhador pode ser usado para melhorar a saúde do trabalhador.
Por exemplo, a 💷 análise de sentimento pode ser usada para detectar a fadiga e evitar o excesso de trabalho.
[79] Os sistemas de apoio 💷 à decisão têm uma capacidade semelhante de ser usado para, por exemplo, prevenir desastres industriais ou tornar a resposta a 💷 desastres mais eficiente.
[112] Para trabalhadores de manuseio manual de materiais, análises preditivas e inteligência artificial podem ser usadas para reduzir 💷 lesões musculoesqueléticas.
[113] Sensores vestíveis também podem permitir uma intervenção precoce contra a exposição a substâncias tóxicas, e os grandes conjuntos 💷 de dados gerados podem melhorar a vigilância da saúde no local de trabalho, avaliação de risco e pesquisa.[112]
A IA também 💷 pode ser usada para tornar o fluxo de trabalho de segurança e saúde no local de trabalho mais eficiente.
Um exemplo 💷 é a codificação de pedidos de indenização trabalhista.
[114][115] Os sistemas de realidade virtual habilitados para IA podem ser úteis para 💷 treinamento de segurança para reconhecimento de perigo.
[112] A inteligência artificial pode ser usada para detectar com mais eficiência os quase 💷 acidentes, que são importantes na redução das taxas de acidentes, mas geralmente são subnotificados.[116]
Mídia e comércio eletrônico [ editar | 💷 editar código-fonte ]
Restauração de imagem usando inteligência artificial
Algumas aplicações de IA são voltadas para a análise de conteúdo de mídia 💷 audiovisual, como filmes, programas de TV, vídeos publicitários ou conteúdo gerado pelo usuário.
As soluções geralmente envolvem visão computacional, que é 💷 uma das principais áreas de aplicação da IA.
Os cenários de caso de uso típicos incluem a análise de imagens usando 💷 técnicas de reconhecimento de objetos ou de rosto, ou a análise de vídeo para reconhecer cenas, objetos ou rostos relevantes.
A 💷 motivação para usar a análise de mídia baseada em IA pode ser - entre outras coisas - a facilitação da 💷 pesquisa de mídia, a criação de um conjunto de palavras-chave descritivas para um item de mídia, monitoramento de política de 💷 conteúdo de mídia (como verificar a adequação do conteúdo para um determinado Tempo de exibição de TV), fala em texto 💷 para arquivamento ou outros fins, e a detecção de logotipos, produtos ou rostos de celebridades para a colocação de anúncios 💷 relevantes.
As empresas de IA de análise de mídia geralmente fornecem seus serviços por meio de uma API REST que permite 💷 o acesso automático baseado em máquina à tecnologia e permite a leitura dos resultados por máquina.
Por exemplo, IBM, Microsoft e 💷 Amazon permitem acesso a bets bola fazer aposta tecnologia de reconhecimento de mídia usando APIs RESTful.
Ver artigo principal: Deepfake
Em junho de 2016, uma 💷 equipe de pesquisa do grupo de computação visual da Universidade Técnica de Munique e da Universidade de Stanford desenvolveu o 💷 Face2Face,[117] um programa que anima o rosto de uma pessoa alvo, transpondo as expressões faciais de uma fonte externa.
A tecnologia 💷 foi demonstrada animando os lábios de pessoas, incluindo Barack Obama e Vladimir Putin.
Desde então, outros métodos foram demonstrados com base 💷 na rede neural profunda, da qual o nome "deepfake" foi tirado.
Em setembro de 2018, o senador americano Mark Warner propôs 💷 penalizar as empresas de mídia social que permitem o compartilhamento de documentos provenientes de deepfakes em bets bola fazer aposta plataforma.[118]
Vincent Nozick, pesquisador 💷 do Institut Gaspard Monge, encontrou uma maneira de detectar documentos fraudados analisando os movimentos da pálpebra.
O DARPA (um grupo de 💷 pesquisa associado ao Departamento de Defesa dos EUA) doou 68 milhões de dólares para trabalhar na detecção de deepfakes.
[119] Na 💷 Europa, o programa Horizonte 2020 financiou o InVid, software desenvolvido para ajudar jornalistas a detectar documentos falsos.[120]
Deepfakes podem ser usados 💷 para fins cômicos, mas são mais conhecidos por serem usados para notícias falsas e boatos.
Deepfakes de áudio e software de 💷 IA capaz de detectar deepfakes e clonar vozes humanas após 5 segundos de escuta também existem.
[121][122][123][124][125][126]
Embora a evolução da música 💷 sempre tenha sido afetada pela tecnologia, a inteligência artificial permitiu, por meio de avanços científicos, emular, em certa medida, a 💷 composição semelhante à humana.
Entre os esforços iniciais notáveis, David Cope criou uma IA chamada Emily Howell que conseguiu se tornar 💷 bem conhecida no campo de Algorithmic Computer Music.
[127] O algoritmo por trás de Emily Howell é registrado como uma patente 💷 dos Estados Unidos.[128]
O AI Iamus criou em 2012 o primeiro álbum clássico completo totalmente composto por um computador.
Outros empreendimentos, como 💷 AIVA (Artificial Intelligence Virtual Artist), se concentram na composição de música sinfônica, principalmente música clássica para trilhas sonoras de filmes.
[129] 💷 Alcançou uma estreia mundial ao se tornar o primeiro compositor virtual a ser reconhecido por uma associação profissional musical.[130]
Inteligências artificiais 💷 podem até mesmo produzir música utilizável em um ambiente médico, com o esforço do Melomics de usar música gerada por 💷 computador para o alívio do estresse e da dor.[131]
Além disso, iniciativas como o Google Magenta, conduzido pela equipe do Google 💷 Brain, querem descobrir se uma inteligência artificial pode ser capaz de criar arte convincente.[132]
No Sony CSL Research Laboratory, o software 💷 Flow Machines criou canções pop aprendendo estilos musicais a partir de um enorme banco de dados de canções.
Ao analisar combinações 💷 únicas de estilos e técnicas de otimização, ele pode compor em qualquer estilo.
Outro projeto de composição musical de inteligência artificial, 💷 The Watson Beat, escrito pela IBM Research, não precisa de um grande banco de dados de música como os projetos 💷 Google Magenta e Flow Machines, uma vez que usa Reinforcement Learning e Deep Belief Networks para compor música em uma 💷 simples entrada inicial melodia e um estilo selecionado.
Desde que o software foi de código aberto,[133] músicos, como Taryn Southern,[134] têm 💷 colaborado com o projeto para criar música.
A canção de estreia da cantora sul-coreana Hayeon, "Eyes on You", foi composta usando 💷 IA que também foi supervisionada por compositores reais, incluindo NUVO.[135]
Publicação de notícias e redação [ editar | editar código-fonte ]
A 💷 empresa Narrative Science disponibiliza comercialmente notícias e relatórios gerados por computador, incluindo resumos de eventos esportivos coletivos com base em 💷 dados estatísticos do jogo em inglês.
Também cria relatórios financeiros e análises imobiliárias.
[136] Da mesma forma, a empresa Automated Insights gera 💷 recapitulações e visualizações personalizadas para o Yahoo Sports Fantasy Football.
[137] A empresa está projetada para gerar um bilhão de histórias 💷 em 2014, contra 350 milhões em 2013.
[138] A organização OpenAI também criou uma IA capaz de escrever textos.[139]
A Echobox é 💷 uma empresa de software que ajuda os editores a aumentar o tráfego postando artigos de forma "inteligente" em plataformas de 💷 mídia social, como Facebook e Twitter.
[140] Ao analisar grandes quantidades de dados, ele aprende como públicos específicos respondem a diferentes 💷 artigos em diferentes momentos do dia.
Em seguida, ele escolhe as melhores histórias para postar e os melhores horários para postá-las.
Ele 💷 usa dados históricos e em tempo real para entender o que funcionou bem no passado, bem como o que é 💷 tendência atualmente na web.[141]
Outra empresa, chamada Yseop, usa inteligência artificial para transformar dados estruturados em comentários e recomendações inteligentes em 💷 linguagem natural.
Yseop é capaz de escrever relatórios financeiros, resumos executivos, vendas personalizadas ou documentos de marketing e muito mais a 💷 uma velocidade de milhares de páginas por segundo e em vários idiomas, incluindo inglês, espanhol, francês e alemão.[142]
O Boomtrain's é 💷 outro exemplo de IA projetado para aprender a melhor forma de envolver cada leitor individual com os artigos exatos - 💷 enviados pelo canal certo na hora certa - que serão mais relevantes para o leitor.
É como contratar um editor pessoal 💷 para cada leitor individual para selecionar a experiência de leitura perfeita.A IRIS.
TV está ajudando empresas de mídia com bets bola fazer aposta plataforma 💷 de programação e personalização de vídeo alimentada por IA.
Ele permite que editores e proprietários de conteúdo apresentem conteúdo contextualmente relevante 💷 para o público com base nos padrões de visualização do consumidor.[143]
Além da automação de tarefas de escrita com entrada de 💷 dados, a IA mostrou um potencial significativo para os computadores se engajarem em trabalhos criativos de alto nível.
AI Storytelling tem 💷 sido um campo ativo de pesquisa desde o desenvolvimento de TALESPIN por James Meehan, que inventou histórias semelhantes às fábulas 💷 de Esopo.
O programa começaria com um conjunto de personagens que queriam atingir certos objetivos, com a história como uma narração 💷 das tentativas dos personagens de executar planos para satisfazer esses objetivos.
[144] Desde Meehan, outros pesquisadores trabalharam em AI Storytelling usando 💷 abordagens semelhantes ou diferentes.
Mark Riedl e Vadim Bulitko argumentaram que a essência da narrativa era um problema de gerenciamento de 💷 experiência, ou "como equilibrar a necessidade de uma progressão coerente da história com a agência do usuário, o que geralmente 💷 está em desacordo".[145]
Embora a maioria das pesquisas sobre narração de histórias de IA tenha se concentrado na geração de histórias 💷 (por exemplo, personagem e enredo), também houve uma investigação significativa na comunicação de histórias.
Em 2002, pesquisadores da North Carolina State 💷 University desenvolveram uma estrutura arquitetônica para a geração de prosa narrativa.
Sua implementação particular foi capaz de reproduzir fielmente a variedade 💷 e complexidade de texto de uma série de histórias, como o capuz vermelho, com habilidade humana.
[146] Este campo específico continua 💷 a ganhar interesse.
Em 2016, uma IA japonesa co-escreveu um conto e quase ganhou um prêmio literário.[147]
Hanteo Global, a organização que 💷 opera o único gráfico de registro em tempo real na Coreia do Sul, também utiliza um bot de jornalismo automatizado, 💷 que escreve artigos.[148]
Em videogames, a inteligência artificial é rotineiramente usada para gerar comportamento dinâmico e intencional em personagens não-jogadores (NPCs).
Além 💷 disso, técnicas de IA bem conhecidas são usadas rotineiramente para encontrar caminhos.
Alguns pesquisadores consideram a NPC AI em jogos um 💷 "problema resolvido" para a maioria das tarefas de produção.
Jogos com IA mais atípica incluem o diretor de IA de Left 💷 4 Dead (2008) e o treinamento neuroevolucionário de pelotões em Supreme Commander 2 (2010).
[149][150] AI também é usada em Alien 💷 Isolation (2014) como uma forma de controlar quais ações o Alien executará a seguir.
Devido à forma como a inteligência do 💷 Alien é configurada, pode-se dizer que o Alien parece aprender mais sobre o jogador conforme o jogo continua e o 💷 Alien começa a agir de acordo[151]
A inteligência artificial inspirou inúmeras aplicações criativas, incluindo seu uso para produzir arte visual.
A exposição 💷 "Thinking Machines: Art and Design in Computer Age, 1959-1989" no MoMA[152] oferece uma boa visão geral das aplicações históricas da 💷 IA para arte, arquitetura e design.
Exposições recentes que mostram o uso de IA para produzir arte incluem o benefício patrocinado 💷 pelo Google e o leilão na Gray Area Foundation em San Francisco, onde artistas experimentaram o algoritmo DeepDream[153] e a 💷 exposição "Unhuman: Art in the Age of AI", que teve em Los Angeles e Frankfurt no outono de 2017.
[154][155] Na 💷 primavera de 2018, a Association of Computing Machinery dedicou uma edição de revista especial ao assunto de computadores e arte, 💷 destacando o papel do aprendizado de máquina nas artes.
[156] Em junho de 2018, "Duet for Human and Machine",[157] uma obra 💷 de arte que permite aos espectadores interagir com uma inteligência artificial, estreou no Beall Center for Art + Technology.
[158] A 💷 Ars Electronica austríaca e o Museu de Artes Aplicadas de Viena abriram exposições sobre IA em 2019.
[159][160] O festival de 💷 2019 da Ars Electronica "Fora da caixa" tematizou extensivamente o papel das artes para uma transformação social sustentável com IA.[161]
Atualmente 💷 existem diversos pesquisadores de IA ao redor do mundo em várias instituições e companhias de pesquisa.
Entre os muitos que fizeram 💷 contribuições significativas estão:
Foi um dos homens de maior importância não só para seu tempo, como para a atualidade.
Com estudos que 💷 não só foram base para a existência da inteligência artificial, mas de quase todos os aparelhos eletrônicos já feitos.
Criou seu 💷 famoso teste, o "Teste de Turing", usado até hoje para descobrir o nível de inteligência de um programa de inteligência 💷 artificial.
Esse teste não foi criado para analisar a capacidade de um computador de pensar por si mesmo, já que as 💷 máquinas são completamente incapazes disso, mas sim de identificar o quão bem ele pode imitar o cérebro humano.
Matemático, cientista, o 💷 criador do termo "inteligência artificial" e também o pai da linguagem de programação LISP.
McCarthy foi considerado um dos primeiros homens 💷 a trabalhar no desenvolvimento da inteligência artificial e sempre disse que ela deveria interagir com o homem.
Nascido na cidade de 💷 Boston, trabalhou na Universidade de Stanford e no Massachusetts Institute of Technology (MIT), além de ter vencido o prêmio Turing 💷 em 1972 e a Medalha Nacional de Ciência em 1991.
Já a programação LISP, uma das maiores conquistas de McCarthy, surgiu 💷 em 1958 e serviu para facilitar o desenvolvimento da inteligência artificial.
A linguagem é das mais antigas ainda em uso e 💷 foi usada pela primeira vez ao colocar um computador para jogar xadrez contra um adversário humano.
Natural de Nova Iorque, onde 💷 nasceu, o cientista recebeu diversos prémios internacionais pelo seu trabalho pioneiro no campo da inteligência artificial, incluindo em 1969, o 💷 Prêmio Turing, o maior prêmio em ciência informática.
O cientista explorou a forma de dotar as máquinas de percepção e inteligência 💷 semelhantes à humana, criou mãos robóticas com capacidade para manipular objetos, desenvolveu novos marcos de programação e escreveu sobre assuntos 💷 filosóficos relacionados com a inteligência artificial.
Minsky estava convencido de que o homem, um dia, desenvolveria máquinas que competiriam com a 💷 bets bola fazer aposta inteligência e via o cérebro como uma máquina cujo funcionamento pode ser estudado e reproduzido num computador, o que 💷 poderia ajudar a compreender melhor o cérebro humano e as funções mentais superiores.
Informático indiano naturalizado estadunidense, foi o primeiro asiático 💷 a vencer o Prêmio Turing.
Entre suas contribuições para a IA estão a criação do Instituto de Robótica da CMU e 💷 demonstrações de diversos sistemas que usam alguma forma de IA.
Entre esses sistemas, estão sistemas de: fala, controlados por voz, reconhecimento 💷 de voz, reconhecimento de voz independente do interlocutor, etc.
Para Reddy, ao invés de substituir a humanidade, a tecnologia irá criar 💷 um novo tipo de humano que irá coexistir com seus antecessores enquanto se aproveita das vantagens de uma nova classe 💷 de ferramentas viabilizada pela tecnologia.
Winograd é um cientista da computação estadunidense, professor da Universidade Stanford, e codiretor do grupo de 💷 interação humano-computador de Stanford.
É conhecido nas áreas de filosofia da mente e inteligência artificial por seu trabalho sobre língua natural 💷 usando o programa SHRDLU.
Para Terry, não restam dúvidas de que a tecnologia da informática, mais precisamente a área de inteligência 💷 artificial, transformará as sociedades, introduzindo modificações socioeconômicas irreversíveis.
Esse especialista procura saber se os seres humanos seriam capazes de construir máquinas 💷 que poderiam compreende-los, resolver seus problemas e dirigir suas vidas, além de buscar respostas sobre o que aconteceria se, algum 💷 dia, essas máquinas se tornassem mais inteligentes do que os próprios humanos que as criaram.
Nascido na Filadélfia, Pensilvânia, se formou 💷 na Universidade da Pensilvânia.
Douglas Bruce Lenat é o Diretor Executivo do Cycorp e foi também um pesquisador proeminente em inteligência 💷 artificial, recebendo o prêmio bianual IJCAI Computers and Thought em 1976 pela criação do programa de aprendizado de máquinas.
Ele também 💷 trabalhou em simulações militares e em numerosos projetos para organizações governamentais, militares, científicas e de inteligência dos EUA.
A missão de 💷 Lenat, no longo ciclo do projeto Cyc, iniciado em 1984, era de construir a base de uma inteligência artificial geral 💷 ao representar manualmente o conhecimento como axiomas lógicos contextualizados na linguagem formal com base em extensões ao cálculo de predicados 💷 de primeira ordem e em seguida, usar esse enorme motor de inferência de ontologia e a base de conhecimento contextualizada 💷 como um viés indutivo para automatizar e acelerar cada vez mais a educação contínua do próprio Cyc, via aprendizagem em 💷 máquina e compreensão da linguagem natural.
Vantagens e Desvantagens da utilização da inteligência artificial [ editar | editar código-fonte ]
Redução de 💷 erros: Uma vez que são máquinas, a inteligência artificial é mais resistente e tem maior capacidade de suportar ambientes hostis, 💷 reduzindo as chances de falharem em seus propósitos, tendo a possibilidade de alcançar um maior grau de precisão.
Exploração: Devido à 💷 programação dos robôs, eles podem realizar um trabalho mais laborioso e duro com maior responsabilidade.
Assim, são capazes de ser utilizadas 💷 também em processos de exploração de minérios e de outros combustíveis, no fundo do oceano e, portanto, superar as limitações 💷 humanas.
Aplicações diárias: Inteligência Artificial é amplamente empregada por instituições financeiras e instituições bancárias para organizar e gerenciar dados.
A bets bola fazer aposta utilização 💷 está presente em vários mecanismos do nosso cotidiano como o GPS ( global positioning system), a correção nos erros de 💷 digitação na ortografia, entre outros.
a correção nos erros de digitação na ortografia, entre outros.
Sem pausas: As máquinas, ao contrário dos 💷 seres humanos, não precisam de intervalos frequentes.
Elas conseguem exercer vários horas de trabalho sem ficarem cansadas, distraídas ou entendiadas, apenas 💷 pela bets bola fazer aposta programação.
Alto custo: o custo de produção das máquinas de IA são demasiados, o que se deve a complexidade 💷 e dificuldade de manutenção.
[ 162 ] O processo de recuperação de códigos perdidos, por exemplo, requer muito tempo e recursos.
O 💷 processo de recuperação de códigos perdidos, por exemplo, requer muito tempo e recursos.
Falta de criatividade: A inteligência artificial não é 💷 desenvolvida ao ponto de atuar como o cérebro humano, de forma criativa.
Ademais, o cérebro humano ainda não é suficientemente compreendido 💷 para que um dia possa ser simulado fielmente em uma forma artificial.
Portanto, a ideia de replicar funções do cérebro humano 💷 é intangível.[ 163 ]
Causa o desemprego: Como são capazes de executar tarefas antes exclusivas aos humanos de maneira mais otimizada 💷 e eficiente, os mecanismos de inteligência artificial tendem a substituir a atividade humana em larga escala.
O trabalho de uma máquina 💷 que possui inteligência artificial é, muitas vezes, mais viável que o trabalho humano, logo, a projeção de um crescimento no 💷 desemprego em função disso é coerente.
Mitos sobre Inteligência Artificial [ editar | editar código-fonte ]
Inteligência Artificial pode funcionar como nosso 💷 cérebro [ editar | editar código-fonte ]
A IA, nas mais diversas áreas, acaba realizando apenas tarefas específicas ao contexto em 💷 que é aplicada.
Cada sistema criado é limitado a um conjunto de atividades de cada finalidade: um bot.
(diminutivo de robot) de 💷 atendimento vai trabalhar com ofertas de produtos, responder a dúvidas, negociar dívidas mas esse mesmo bot.
não vai conseguir jogar xadrez 💷 ou guiar um veículo autônomo, por exemplo, já que não consegue elaborar estratégias funcionais e sim apenas executar comandos com 💷 base em alguma análise de dados relativa à bets bola fazer aposta função.
Um sistema tão complexo e abrangente como o cérebro humano ainda 💷 é uma realidade distante.
Os extraordinários avanços da neurociência mostram que o ser humano ainda está longe de compreender alguns mistérios 💷 do cérebro humano, entre eles, a incrível capacidade de criar, destruir e refinar ideias, ou seja, a criatividade.
A IA é 💷 mais competente do que as pessoas em tarefas de análise, organização e até resolução de alguns problemas, mas ainda não 💷 é capaz de melhorar a si mesma, em diversos campos, e aprender coisas novas sem informações prévias.
Grandes empresas já estão 💷 trabalhando na chamada 'deep learning' (aprendizagem profunda), um dos mais promissores campos da IA, que pretende fazer dos sistemas entidades 💷 capazes de aprender evolutivamente.
Mas, ainda não é possível, e talvez nunca será, eliminar o fator humano, entre outros pontos, da 💷 própria avaliação de progresso dessa disciplina tecnológica.
Inteligência Artificial eliminará todos os cargos de trabalho [ editar | editar código-fonte ]
Um 💷 sistema que utiliza inteligência artificial pode armazenar e analisar bilhões de dados, realizar automaticamente tarefas com base nessa análise, fechar 💷 acordos, vender, controlar uma linha de produção etc.
, mas não é capaz de criar estratégias do zero.
Além disso, tudo o 💷 que envolve humanização, sentimentos como empatia ou características como dedicação, mesmo em um contexto onde a IA se espalhe, ainda 💷 dependerá de uma interação entre o homem e a máquina.
Empregos como os conhecemos hoje se transformarão, muitos inclusive deixarão de 💷 existir, mas tantos outros novos surgirão.
Inteligência Artificial mudará o mundo em poucos anos [ editar | editar código-fonte ]
Apesar de 💷 uma grande porcentagem das funções terem parte de seus processos automatizada, nos dias de hoje, menos de 10% das atividades 💷 podem ser inteiramente substituídas por tecnologia.
Nas indústrias haverá uma ampla troca da mão de obra humana pela força de trabalho 💷 de máquinas automáticas e programas de computador que possam executar, automaticamente, tarefas repetitivas sem qualquer tipo de adversidade, já que 💷 não sofrem com todas as vulnerabilidades que um ser humano detém como cansaço, riscos de sofrer acidentes e mobilidade, além 💷 do fato de não gerar despesas para a organização a não ser com bets bola fazer aposta manutenção e funcionamento.
Porém, como se trata 💷 de um ramo da ciência relativamente novo e que está em uma fase de desenvolvimento lenta e gradual, ainda pode 💷 demorar para que a inteligência artificial cause algum impacto, realmente, significativo para as relações dentro da sociedade.[164]Referências
