TCC completo sobre inteligência artificial

Prévia do material em texto

FACULDADE 
INTELIGENCIA ARTIFICIAL
INTELIGENCIA ARTIFICIAL
INTELIGENCIA ARTIFICIAL
Esta monografia foi julgada e aprovada para obtenção da conclusão, no curso de engenharia, da faculdade Salesiana.
..., 10 de março de 2020.
Coordenador do curso de Engenharia
 
BANCA EXAMINADORA
Orientador
Dedicamos esta monografia, primeiramente, á Deus,
E ao professor e orientador pelo apoio
Necessário para a conclusão do mesmo.
AGRADECIMENTOS
Agradecemos, primeiramente, á Deus, que nos deu benefícios para concluir todo esse trabalho.
Agradecemos aos nossos pais que nos incentivam e investem para que tenhamos um ensino e desempenho de qualidade. Aos nossos colegas de classe que participaram das pesquisas.
“Se tornou aparentemente óbvio
que nossa tecnologia excedeu
nossa humanidade”.
Albert Einstein – Cientista.
INTELIGÊNCIA ARTIFICIAL
Inteligência artificial, que por sua vez, foi criada para benefícios dos humanos, foi testada em 1956 por McCarthy. Sendo usado, um método em que uma máquina jogava um jogo, ao qual só os humanos podiam, não bastando, ainda se tornou adversário difícil entre eles. 
Anos após, foram testados novos métodos, e acabou-se descobrindo 3 métodos, Redes Neurais, Machine learning e Deep learning, ao qual são utilizados em tempos atuais. A AI por sua vez, cumpre diversos trabalhos que manufatureiro demora para cumprir, ela faz em instantes. Dessa forma, cresceu uma duvida na humanidade, duvida ao qual tem o objetivo de entender que as maquinas vão tomar os lugares de muitos. Como consequência veio a resposta. Não, eles foram projetas de acordos com os cientistas, para lado a lado do trabalhador se completarem, assim sendo beneficio para ambos, sendo eles, o empresário e o manufatureiro, já que se ocorresse algum erro na máquina ele há arrumava. Desse modo, foram gerados diversos emprego baseado nesse aspecto. Vendo que, não era um risco ter AI nas empresas, começou crescer em escala o uso da AI no mundo.
Artificial intelligence, which in turn, was created for the benefit of humans, was tested in 1956 by McCarthy. Being used, a method in which a machine played a game, to which only humans could, if not enough, still became a difficult opponent among them.
Years later, new methods were tested, and it ended up discovering 3 methods, Neural Networks, Machine learning and Deep learning, which are used in current times. AI, in turn, performs several jobs that the manufacturer takes to complete, it does in an instant. In this way, a doubt has grown in humanity, a doubt which has the objective of understanding that the machines will take the places of many. As a consequence, came the answer. No, they were drafting agreements with the scientists, for the worker to complete each other, thus benefiting both of them, the entrepreneur and the manufacturer, since if there was an error in the machine, he would fix it. In this way, several jobs were created based on this aspect. Seeing that it was not a risk to have AI in companies, the use of AI in the world started to grow in scale.
Palavra Chaves: AI. Redes Neurais. Machine learning. Deep learning. Mccarthy. Inteligência Artificial.
LISTA DE FIGURAS
Figura 1 – Iniciação das Redes Neurais 
Figura 2 – Computador Watson 
Figura 3 – O Desenvolver da Machine Learning 
Figura 4 – Comparação de Um Sistema Simples Com a Machine Learning. 
LISTAS DE ABREVIATURAS E SIGLAS
DARPA Defense Advanced Research Projects Agency 
AI Inteligência Artificial
EUA Estados Unidos
ENEL Ente Nazionale Per L'energia Elettrica
IBM International Business Machines Corporation
TI Tecnologia da Informação 
SAS Statistical Analysis System
RH Recursos Humanos 
ETC Entre Outras Coisas
PLN Processamento de Linguagem Natural
GIF Graphics Interchange Format
SÚMARIO
1 INTRODUÇÃO................................................................................................... 11
1.1 INTELIGÊNCIA ARTIFICIAL............................................................................ 11
2 APLICAÇÕES ATUAIS DA INTELIGÊNCIA ARTIFICIAL...................... 12
2.1 PROCESSAMENTO DE LINGUAGEM NATURAL......................................... 12
3 REDES NEURAIS E ALGORITMOS PREDITIVOS.................................... 12
3.1 MACHINE LEARNING....................................................................................... 14
3.2 DEEP LEARNING................................................................................................ 15
3.3 EMPREGO DA INTELIGÊNCIA ARTIFICIAL NA MANUTENÇÃO
 PREDITIVA................................................................................................................... 16
3.4 INTELIGÊNCIA PARA A GESTÃO DO SEU FLUXO DE TRABALHO......... 16
4 IA E O FUTURO DO TRABALHO................................................................... 16
4.1 INTELIGÊNCIA ARTIFICIAL PARA REDUÇÃO DE CUSTOS
 E PRAZOS...................................................................................................................... 16
5 CONCLUSÃO....................................................................................................... 16
6 REFERÊNCIAS BIBIOGRÁFICAS ................................................................. 18
7 ANEXO.................................................................................................................. 19
8 GLOSSÁRIO......................................................................................................... 20
9 APÊNDICE ........................................................................................................... 22
10 ÍNDICE ................................................................................................................. 23
Inteligência Artificial.
A Inteligência Artificial é um avanço tecnológico que cria uma habilidade para que os sistemas simulem uma inteligência parecida com a humana, indo além da programação de ordens específicas para tomar decisões de forma autônoma, que se baseia em padrões de bancos de dados.
Há alguns anos já se estuda o que chamamos de "agentes inteligentes", que percebem seu ambiente, entendem como podem operar e qual a melhor forma. O professor John McCarthy utilizou esse termo pela primeira vez em 1956, em uma conferência de especialistas em Darmouth Colege, chamada "O Eros Eletrônico", que definiu como "a ciência e a engenharia de produzir máquinas inteligentes".
A Inteligência Artificial permite que os sistemas tomem decisões de forma independente só se apoiando em dados digitais. O que multiplica a capacidade racional do ser humano de resolver problemas práticos, simular situações, pensar em respostas ou, de forma mais ampla, potencializa a capacidade de ser inteligente. Os economistas chamam isso de a quarta revolução industrial, marcada pela convergência de tecnologias digitais. E AI faz parte dessa próxima onda de inovação, trazendo grandes mudanças na maneira como pessoas e empresas se relacionam com tecnologia, compartilham dados e tomam decisões.
Podemos definir inteligência artificial, com a capacidade das máquinas de pensarem como seres humanos: aprender, perceber e decidir quais caminhos seguir, de forma racional, diante de determinadas situações.
Pode se dizer que a AI aprende como um ser humano. Aos poucos, o sistema absorve, analisa e organiza os dados de forma a entender e identificar o que são objetos, pessoas, padrões e reações de todos os tipos.
 Ensinar os computadores a pensar, porém, não é tão simples.
A Salesorce detalha que a questão passa por várias áreas da ciência da computação como Redes Neurais, Machine Learning, Deep Learning e Processamento de Linguagem Natural. 
A AI pode tornar o ser humanomais produtivo, liberando profissionais de determinadas tarefas mecânicas e repetitivas para que possam usar o máximo de sua capacidade para criar e inovar em outros setores. Porém, falando em uma visão otimista, Alessandro Jannuzzi, diretor de engenharia e inovação na Microsoft Brasil, afirma que a companhia assumiu o compromisso de democratizar o acesso à AI. "Estamos buscando na AI os recursos necessários para ajudar a resolver os problemas mais urgentes da nossa sociedade. Nesse sentido, a nossa abordagem é dividida em três pilares: liderar inovações que ampliam a capacidade humana; construir poderosas plataformas que tornam a inovação mais rápida e acessível; e desenvolver uma abordagem confiável que coloque o cliente no controle e proteja seus dados", explicou.
Redes neurais, conhecida na área tecnológica como ponto de entrada, sendo ela a primeira camada e ponto de saída a última camada, um sistema de computação interconectado com o cérebro humano que funciona como neurônios ao qual habitam. Baseando assim, foi efetuado a primeira rede neural sendo feita Waren McCulloch e Walter Pitts no ano de 1943. Eles escreveram um artigo “A logical calculus of the ideas immanent in nervous activity”, seminal sobre como os neurônios devem funcionar, então, modelaram suas ideias criando uma rede neural simples com circuitos elétricos. Entendendo que o neurônio artificial é algo que recebe sinais como entrada, multiplicando por um peso e o comparando com o resultado contra um discriminante. Se o peso for maior que a descriminante, a saída é um. Senão é zero. 
IMAGEM 1.1
O neurônio de McCulloch-Pitts é binário, com poucos neurônios e sem técnica de retropropagação para fitar os pesos. Pitts mostrou que uma combinação desses neurônios pode emular as portas lógicas, ou, e, não é, fazendo isto, o mesmo cálculo que um computador digital. Na mesma época, os computadores digitais estavam sendo projetados pelo grande John von Neumann, desse modo que eles faziam todas as contas no braço. 
Após este trabalho, uma área completamente nova começou a florescer. Atualmente, há retropropagação, múltiplas camadas, centenas de milhares de neurônios, várias funções de ativação, dropout, convolução, transferência de conhecimento, regularização. Entendendo que
o intuito da criação da AI era que o sistema computacional resolvesse os problemas como cérebro humano. No entanto, com o decorrer dos tempos essa tecnologia foi além, não sendo só um maquinário que ocupe lugares de profissionais, ou efetivação de binarias na criação de uma transmissão de tela como a de um celular. Elas podem aprender e modelar relações entre entradas e saídas de dados que são não-lineares e complexos, realizar logicas e inferências, revelar relacionamentos, padrões e predições ocultas e modelar dados altamente voláteis como dados de séries temporais financeiras e variâncias necessárias para prever eventos raros como detecção de fraudes. como:
· Detecção de fraude em cartão de credito;
· Diagnósticos médicos;
· Controle e qualidade dos processos;
· Sistemas robóticos;
· Predições financeiras do mercado;
São usados estrategicamente em muitas industrias, como;
Manufatura: empresas de energia como ENEL usam das redes neurais para otimizar cadeias de fornecimento, automatizar a detecção de defeitos ou futuros defeitos, assim prevendo as necessidades.
Bancos: usam para a detecção de fraudes, realizar análises de créditos e automatizar o serviço de consultoria financeira.
Machine Learning, vista pela vasta forma usada atualmente, se baseia na forma de aprendizado de uma máquina, sendo ela pelos erros e acertos. Permitindo assim que, computadores tomem decisões com a ajuda de algoritmos, que reconhecem padrões e se tornam capazes de fazer previsões. 
Em 1952, um engenheiro chamado Arthur Samuel, escreveu um programa para um computador jogar dama com humanos, assim a máquina analisava o erros e acertos do seu adversário, aprendendo como deve-se movimentar a peça (com acertos) e até mesmo o que não fazer (com erros), com o decorrer das partidas o computador se tornava um adversário forte, já que ele previa o que fazer em cada jogada. Vendo isso, em 1959 Samuel batizou essa tecnologia de “machine learning” aprendizado da máquina, sendo ela usado muito nos tempos atuais. Um exemplo foi em 2016, no estado de colorado, ao qual um caminhão sem motorista foi capaz de dirigir 200 quilômetros carregando 50 mil latinhas, sendo ele capaz de reconhecer as ruas, sinais fechados e até mesmo imprevistos como um cachorro, porém, incapazes de realizar a análise de buracos, já que as rotas são predestinadas. Em 2010, foi lançado pela IBM, o Watson um computador que é capaz de criar roupas, receitas, e adentrando hoje no mundo da medicina, sendo um maquinário ao qual usa da machine learning aprendendo assim com os erros, se tornando um humano perfeito. Em 2016 médicos japoneses pediram ajuda ao Watson, já que não encontravam diagnósticos do paciente, por cerca de 10 minutos o Watson fez a leitura de centenas e milhares de artigos médicos e a diagnosticou com um caso de leucemia rara, salvando uma vida. IMAGEM 2.1
Em 2019 um programador chamado Victor Dias, fez um vídeo ao qual a inteligência artificial tinha que sozinha, aprender o caminho que percorrer em um jogo de corrida, sendo ele o mais seguro e mais rápido, por sua vez após 20 minutos a AI de tanto tentar, aderiu os erros a sua fonte de armazenamento, desse modo não errando na próxima, e conseguindo terminar a corrida, sendo perfeita, visto que foi usado o machine learning, já que a máquina de tanto tentar fazer um percurso, viu que alguns lugares não estavam dando certo, passando nos pontos de acertos, então assim aprendendo com os erros.
IMAGEM 2.2
Usada em muitas áreas como; Agências governamentais, como segurança pública e utilities, têm uma necessidade particular para machine learning, uma vez que elas possuem múltiplas fontes de dados que podem ser mineradas para deles obterem insights. Analisar dados dos sensores, por exemplo, identifica maneiras de aumentar a eficiência e economizar dinheiro
Websites que recomendam produtos e serviços com base em suas compras anteriores estão usando machine learning para analisar seu histórico de compras e promover outros itens pelos quais você pode se interessar. Essa capacidade de capturar dados, analisá-los e utilizá-los para personalizar a experiência de compra (ou implementar uma campanha de marketing) é o futuro do varejo. Por sua vez, a machine learning veem popularizando nas indústrias dando benefícios ao empreendedor e malefícios ao trabalhador que foi tomado o seu local. Dessa forma, são criadas novas áreas de empregos como a de TI, que mexe nos algoritmos do maquinário, concertando de algum possível erro. Processamento de Linguagem Natural:
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.
Deep learning, é basicamente uma machine learning avançada. São basicamente técnicas de ensinar o computador a pensar sozinho, incluindo o reconhecimento da fala, a identificação de imagem e previsões. Em vez de organizar os dados para serem executados através de equações predefinidas, o deep learning configura parâmetros básicos sobre os dados e treina o computador para aprender sozinho através do reconhecimento padrões de algoritmos, como binários. Entendendo que é praticamente a base de tudo, já que a tentativa é que o aparelho tecnológico compreenda o que é feito ou dito. Vendo que, é usado para classificar imagens, reconhecimento de fala, detectar objetos e descrever conteúdo. Hoje visto em software mundialmente conhecidos como, cortana, siri, assistente google, podendoa cada dia que se passa responder a mais perguntas.
Deep learning proporciona muitos novos avanços na área de AI,como:
· Melhorias nos algoritmos que tem fomentado do método deep;
· Novas abordagens de machine learnings sendo aprimoradas;
· Novas classes de redes neurais estão sendo desenvolvidas, para que se adaptem a aplicação de traduções de textos e classificações de imagens. Por exemplo, aplicativos de tradução de língua; 
· Avanços computacionais, sendo eles em software e hardware, a distribuição de arquivos em nuvem e o poder computacional que veem evoluindo a cada dia mais, sendo esse o tempo correto para se usar o deep learning;
· Ao mesmo tempo, que um computador tem se tornado acessível a todos, seja ele daltônico, enfim, teclados sendo substituído por gestos ou falas; IMAGEM 3.1
É preciso muito poder computacional para resolver certos problemas de deep learning devido à natureza interativa de seus algoritmos, sua complexidade que cresce conforme o número de camadas aumenta e os grandes volumes de dados necessários para treinar as redes. Como resultado disso, abre-se novas áreas de empregabilidade e mais complicada, já que os algoritmos se tornam mais complexos. O SAS testou redes em problemas de transcrição fala-texto. Comparado às técnicas padrões, a taxa de erros foi reduzida em mais de 10% quando as deep learning foram aplicadas. Elas também eliminaram cerca de 10 etapas de processamento de dados, engenharia de recursos e modelagem. Os ganhos expressivos de desempenho e a economia de tempo em relação à engenharia de recursos significa uma mudança de paradigma.
Atualmente, o deep learning é muito usado, uns exemplos são no reconhecimento de fala do seu vídeo game, Skype, Google Now e Siri e implementaram esse padrão para o reconhecimento de fala e voz, assim respondendo ao comando. Outra aplicação prática, é o reconhecimento de imagem é a legendação (ou descrição de cena) automática. Isso pode ser crucial em investigações criminais para identificar atividades transgressoras em meio a milhares de fotos recebidas por quem estiver presente em áreas onde um crime ocorreu. Os carros autônomos também serão beneficiados com reconhecimento de imagem através do uso de câmeras com a nova tecnologia da câmera 360º. Uma especialização da mineração de texto, pode ser usada para descobrir padrões em reclamações de clientes, relatórios médicos ou boletins informativos, assim podendo por sua vez prever um erro antes mesmo de acontecer. Usada bastante em web designer e designer gamer, pela dominância dos algoritmos ali digitados, fazendo a leitura e respeitando os comandos. Por exemplo, pode chegar a milhares de variáveis que são analisadas diariamente. 
Como o mercado de trabalho está bem competitivo com bastante demandas para atender, muitas empresas estão adotando para ter um faturamento de lucros mais altos com custos mais baixos e assim surge uma das maiores inovações apresentadas pela Indústria 4.0 que é a Inteligência Artificial e está se ocupando lugar cada vez mais no ramo de trabalho por sua capacidade de reduzir os custos dos processos da empresa.
A Inteligência Artificial auxilia na redução de custos. Como sendo uma de suas principais aplicações, essa tecnologia pode ser usada na predição de demandas, diminuindo os custos com manutenção de estoques e fornecimento de matérias-primas. Por isso, a rivalidade entre humano e AI não pode ser o fator dominante. O segredo é que as duas partes se complementem se por um lado os robôs têm a facilidade de automatizar processos repetitivos ou que podem ser resolvidos por algoritmos, é o ser humano quem precisa programá-lo para tal. Estudos apontam que o uso Inteligência Artificial é capaz de gerar uma economia estimada entre 25 a 40%, em média – podendo chegar até 55% de redução em alguns nichos, como na área de tecnologia da informação. 		
Com algumas críticas e receios da sociedade sobre a Inteligência Artificial acabar com os empregos, a equipe de Brynjolfsson coletou dados e avaliou cada conjunto de habilidades para determinar quais tarefas poderiam ser mais bem executadas pela AI ou pelos humanos. A equipe descobriu que, para muitos empregos, sempre havia tarefas que a AI poderia fazer melhor, mas ainda havia muitas tarefas em que os humanos se destacavam. Em muitos casos, os robôs podem ajudar a aliviar tarefas demoradas, trabalhosas, tediosas ou mesmo fisicamente extenuantes, sem que os funcionários percam seus empregos. Na verdade, o cenário mais provável seria ver humanos e robôs trabalhando juntos, com muitos robôs construídos para colaboração, também conhecidos como co-bots.
Referências Bibliográficas:
White. Sarah. Como a inteligência artificial impacta o futuro do trabalho. 2018. https://computerworld.com.br/2018/07/04/como-inteligencia-artificial-impacta-o-futuro-do-trabalho/. Acesso em 07 de maio de 2020.
Gonçalves. Eder. Inteligência Artificial: redução de custos na indústria. 2018. https://avozdaindustria.com.br/ind-stria-40-totvs/intelig-ncia-artificial-redu-o-de-custos-na-ind-stria. Acesso em 07 de maio de 2020.
Cossetti. Melissa. O que é inteligência artificial? https://tecnoblog.net/263808/o-que-e-inteligencia-artificial/. Acesso em 05 de maio de 2020.
ABNT. Formatação TCC e Monografia. 2020. https://www.normasabnt.org/formatacao-tcc/. Acesso em 06 e 10 de maio de 2020. 
Statistical Analysis System Inteligencia Artificial.https://www.sas.com/pt_br/insights/analytics/inteligencia-artificial.html
Acesso em 05 e 10 de maio de 2020
Statistical Analysis System Redes Neurais. https://www.sas.com/pt_br/insights/analytics/neural-networks.html#history
Acesso em 05 e 10 de maio de 2020
Bulletin of Mathematical Biophysics, Vol. 5, 1943, p. 115-133 http://www.cse.chalmers.se/~coquand/AUTOMATA/mcp.pdf
Acesso em 05 e 10 de maio de 2020
PUC-Rio – Certificação Digital Nº 0210429/CA. http://www2.dbd.puc-rio.br/pergamum/tesesabertas/0210429_04_cap_03.pdf
Acesso em 04 e 9 de maio de 2020
Statistical Analysis System Machine learning. https://www.sas.com/pt_br/insights/analytics/machine-learning.html
Acesso em 06 e 10 de maio de 2020
Statistical Analysis System Deep learning. https://www.sas.com/pt_br/insights/analytics/deep-learning.html
Acesso em 06 e 10 de maio de 2020
ANEXO A – Iniciação das Redes Neurais 
FONTE http://www.cse.chalmers.se/~coquand/AUTOMATA/mcp.pdf
ANEXO B – Computador Watson 
FONTE https://www.google.com/search?q=watson+computer&tbm=isch&ved=2ahUKEwippPfN5qrpAhU3BrkGHeLGDz0Q2-cCegQIABAA&oq=watson+c&gs_lcp=CgNpbWcQARgBMgIIADICCAAyAggAMgIIADIECAAQHjIECAAQHjIECAAQHjIECAAQHjIECAAQHjIECAAQHjoECAAQQ1DNDVj-DmCyF2gAcAB4AIABkQGIAaICkgEDMC4ymAEAoAEBqgELZ3dzLXdpei1pbWc&sclient=img&ei=g724XunWFreM5OUP4o2_6AM&bih=625&biw=1366&safe=active#imgrc=9sJqi0YzBuvdkM
ANEXO C- O Desenvolver da Machine Learning
FONTE https://www.youtube.com/watch?v=gnfkfUQvKDw
GLOSSÁRIO
Agentes Inteligentes:
 É aquele que adota a melhor ação possível diante de uma situação, está presente na resolução de uma infinidade de problemas dos usuários comuns.
Convergência:
Ato ou efeito de convergir.
AI:
Inteligência Artificial
Salesorce:
Empresa Americana de Software on Demand
Redes Neurais:
São sistemas de computação com nós interconectados que funcionam como os neurônios do cérebro humano.
Machine Learning:
O aprendizado automático ou a aprendizagem automática ou também aprendizado de máquina ou aprendizagem de máquina.
Deep Learning:
É um ramo de aprendizado de máquina baseado em um conjunto de algoritmos que tentam modelar abstrações de alto nível de dados usando um grafo profundo com várias camadas de processamento, compostas de várias transformações lineares e não lineares.
Processamento de Linguagem Natural:
Consiste no desenvolvimento de modelos computacionais para a realização de tarefas que dependem de informações expressas em alguma língua natural.
Microsoft:
Microsoft Corporation é uma empresa transnacional americana com sede em Redmond,Washington, que desenvolve, fabrica, licencia, apoia e vende softwares de computador, produtos eletrônicos, computadores e serviços pessoais. 
Retropropagação:
É um algoritmo amplamente usado no treinamento de redes neurais de feedforward para aprendizado supervisionado.
Convolução:
É um operador linear que, a partir de duas funções dadas.
Transferência de Conhecimento:
Melhorar a capacidade da organização de realizar suas atividades, aumentar seu valor, produtividade e competência.
Regularização:
Ato ou efeito de regularizar(-se).
Watson:
É a plataforma de serviços cognitivos da IBM para negócios. 
Insights:
É o entendimento de uma causa e efeito específicos dentro de um contexto específico.
Software:
É um termo técnico que foi traduzido para a língua portuguesa como logiciário ou suporte lógico, é uma sequência de instruções a serem seguidas e/ou executadas, na manipulação, redirecionamento ou modificação de um dado ou acontecimento.
Hardware:
É um termo técnico que foi traduzido para a língua portuguesa como equipamento, 
Web Designer:
É uma extensão da prática do design gráfico, onde o foco do projeto é a criação de web sites e documentos disponíveis no ambiente da World Wide Web.
Designer Gamer: 
O design de jogos, ou desenho de jogos, é uma extensão da prática do design cujo foco é a criação de jogos.
Co-bots:
Robôs colaborativos.
APÊNDICE A
Em 2019 um programador chamado Victor Dias, fez um vídeo ao qual a inteligência artificial tinha que sozinha, aprender o caminho que percorrer em um jogo de corrida, sendo ele o mais seguro e mais rápido, por sua vez após 20 minutos a AI de tanto tentar, aderiu os erros a sua fonte de armazenamento, desse modo não errando na próxima, e conseguindo terminar a corrida, sendo perfeita, visto que foi usado o machine learning, já que a máquina de tanto tentar fazer um percurso, viu que alguns lugares não estavam dando certo, passando nos pontos de acertos, então assim aprendendo com os erros.
Fonte autoria propria
ÍNDICE
1. RESUMO	7
2. LISTA DE FIGURAS	8
3. LISTA DE ABREVIAÇÕES E SIGLAS 	9
4. SUMÁRIO	10
5. INTRODUÇÃO 	11
5.1 INTELIGÊNCIA ARTIFICIAL	11
5.2 “O EROS ELETRÔNICO”	11
6. APLICAÇÕES ATUAIS DA INTELIGÊNCIA ARTIFICIAL	12
6.1 PROCESSAMENTO DE LINGUAGEM NATURAL	12
6.2 EXEMPLOS DE SUA FUNCIONALIDADE	12
7. REDES NEURAIS E ALGORITMOS PREDITIVOS	12
1.1 MACHINE LEARNING	14
1.2 EXEMPLOS DE SUA FUNCIONALIDADE	14
1.3 DEEP LEARNING	15
1.4 EXEMPLOS DE SUA FUNCIONALIDADE	15
1.5 EMPREGO DA INTELIGÊNCIA ARTIFICIAL NA MANUTENÇÃO PREDITIVA.	16
1.6 INTELIGÊNCIA PARA A GESTÃO DO SEU FLUXO DE TRABALHO	16
2. IA E O FUTURO DO TRABALHO	16
2.1 INTELIGÊNCIA ARTIFICIAL PARA REDUÇÃO DE CUSTOS E PRAZOS	16
3. CONCLUSÃO	16
3.1 DESMISTIFICANDO O MITO	16
3.2 AI AJUDANDO A VIDA DO TRABALHADOR	17
3.3 CO-BOTS	17
2