Livro - Trilha de Aprendizagem_ Inteligência Artificial Aplicada à Visão Computacional

Prévia do material em texto

v1.0

31/01/2024

2024

Trilha de Aprendizagem: 

Inteligência Artificial aplicada 
à Visão Computacional

D
oc
um
en
to
 a
ss
in
ad
o 
el
et
ro
ni
ca
m
en
te
. V
er
ifi
ca
çã
o 
no
 s
ite
 h
ttp
s:
//p
91
.fa
ct
i.c
om
.b
r/
pa
e/
va
lid
ac
ao
.h
tm
l, 
in
fo
rm
an
do
 o
 c
ód
ig
o 
ve
rif
ic
ad
or
 P
A
E
5-
48
55
-8
34
1-
71
56
-3
86
8-
31
11
 
e 
o 
có
di
go
 C
R
C
 U
Z
D
IG
M
X
2.
Trilha de Aprendizagem: Inteligência Artificial aplicada à Visão Computacional







Conteúdo

Adriana da Silva Nogueira

Bruno Agrofoglio Ferreira

Júlio César Leitão Júnior

Larissa de Oliveira Figueira 

Marcelo de Almeida Viana

Peterson Gomes de Moura Barros







Coordenação-Geral

José Augusto de Lima Prestes

D
oc
um
en
to
 a
ss
in
ad
o 
el
et
ro
ni
ca
m
en
te
. V
er
ifi
ca
çã
o 
no
 s
ite
 h
ttp
s:
//p
91
.fa
ct
i.c
om
.b
r/
pa
e/
va
lid
ac
ao
.h
tm
l, 
in
fo
rm
an
do
 o
 c
ód
ig
o 
ve
rif
ic
ad
or
 P
A
E
5-
48
55
-8
34
1-
71
56
-3
86
8-
31
11
 
e 
o 
có
di
go
 C
R
C
 U
Z
D
IG
M
X
2.
Trilha de Aprendizagem: Inteligência Artificial aplicada à Visão Computacional

Adriana da Silva Nogueira é professora licenciada há mais de 18 anos em 
Computação, mestre em Educação e pós-graduada em TI aplicada à Educação. 
Possui experiência ministrando aulas para ensino superior em cursos da área 
de TI que somam mais de 16 anos. Sua experiência no ensino superior envolve 
disciplinas relacionadas à programação de computadores, análise de sistemas 
e engenharia de software.

Durante 6 anos atuou como educadora maker desenvolvendo projetos 
do-it-yourself e projetos de automação com alunos do Ensino Fundamental.

Atualmente é especialista em projetos na Facti - Fundação de Apoio à 
Capacitação em Tecnologia da Informação, e integra o time de capacitação dos 
projetos Letramento Digital e QualiFacti.

O perfil público está disponível aqui. 

D
oc
um
en
to
 a
ss
in
ad
o 
el
et
ro
ni
ca
m
en
te
. V
er
ifi
ca
çã
o 
no
 s
ite
 h
ttp
s:
//p
91
.fa
ct
i.c
om
.b
r/
pa
e/
va
lid
ac
ao
.h
tm
l, 
in
fo
rm
an
do
 o
 c
ód
ig
o 
ve
rif
ic
ad
or
 P
A
E
5-
48
55
-8
34
1-
71
56
-3
86
8-
31
11
 
e 
o 
có
di
go
 C
R
C
 U
Z
D
IG
M
X
2.
https://www.linkedin.com/in/adriana-silva-63071537/
Trilha de Aprendizagem: Inteligência Artificial aplicada à Visão Computacional

Bruno Agrofoglio Ferreira é físico pela UNICAMP. Entre 2002 e 2005, 
trabalhou com a aquisição e análise de dados do Observatório Pierre Auger 
(Argentina). A colaboração no maior observatório de Raios Cósmicos do 
mundo proporcionou-lhe a primeira experiência em hardware embarcado e 
transmissão de dados via rádio. Desde 2001, participou junto à Pró-Reitoria de 
Extensão e Cultura da UNICAMP do Projeto Raio de Sol e do Projeto Educativo 
de Integração Social. Colaborou em projetos de iniciação e divulgação 
científica júnior junto ao Instituto de Física Gleb Wataghin. Cursa mestrado 
como estudante especial na Faculdade de Engenharia Elétrica e da 
Computação da UNICAMP e Pedagogia na UNIVESP. Desde 2013 trabalha com 
tecnologias na educação básica, lecionando na rede pública do Estado de São 
Paulo, escolas particulares e sem fins lucrativos, além de projetos de 
emancipação digital em Campinas. Foi revisor e autor colaborativo de Ciências, 
além de avaliador no programa InovAtiva vinculado ao Ministério do 
Desenvolvimento, Indústria, Comércio e Serviços (MDIC).

O perfil público está disponível aqui.

D
oc
um
en
to
 a
ss
in
ad
o 
el
et
ro
ni
ca
m
en
te
. V
er
ifi
ca
çã
o 
no
 s
ite
 h
ttp
s:
//p
91
.fa
ct
i.c
om
.b
r/
pa
e/
va
lid
ac
ao
.h
tm
l, 
in
fo
rm
an
do
 o
 c
ód
ig
o 
ve
rif
ic
ad
or
 P
A
E
5-
48
55
-8
34
1-
71
56
-3
86
8-
31
11
 
e 
o 
có
di
go
 C
R
C
 U
Z
D
IG
M
X
2.
https://www.linkedin.com/in/agrofoglio
Trilha de Aprendizagem: Inteligência Artificial aplicada à Visão Computacional

Júlio Leitão é bacharel em administração de empresas e possui pós 
graduação (MBA) em gestão financeira e controladoria.

Com vivência e experiência em departamentos administrativos, na gestão 
de projetos e em rotinas técnicas dos mais variados projetos que passou, 
possui habilidade para solucionar problemas de forma eficiente.

Atualmente é Especialista de Projetos Pleno na Facti - Fundação de Apoio à 
Capacitação em Tecnologia da Informação, e integra os times de capacitação 
dos Projetos LINFO CCTI (QualiFacti) e LINFO LD (Letramento Digital).

O perfil público está disponível aqui.



D
oc
um
en
to
 a
ss
in
ad
o 
el
et
ro
ni
ca
m
en
te
. V
er
ifi
ca
çã
o 
no
 s
ite
 h
ttp
s:
//p
91
.fa
ct
i.c
om
.b
r/
pa
e/
va
lid
ac
ao
.h
tm
l, 
in
fo
rm
an
do
 o
 c
ód
ig
o 
ve
rif
ic
ad
or
 P
A
E
5-
48
55
-8
34
1-
71
56
-3
86
8-
31
11
 
e 
o 
có
di
go
 C
R
C
 U
Z
D
IG
M
X
2.
https://www.linkedin.com/in/j%C3%BAlio-c%C3%A9sar-leit%C3%A3o-j%C3%BAnior/
Trilha de Aprendizagem: Inteligência Artificial aplicada à Visão Computacional

Larissa de Oliveira Figueira é mestre em Física Aplicada pela Universidade 
Estadual Paulista e adquiriu vasta experiência em Inteligência Artificial, 
Otimização, Robótica Educacional e tecnologias educacionais ao longo de sua 
carreira. Desempenhou diferentes papéis, incluindo o de docente no Ensino 
Superior e gestora educacional, o que lhe proporcionou uma visão abrangente 
das necessidades e demandas no campo da tecnologia. 

Larissa também se destaca pelo seu envolvimento na capacitação de 
educadores no âmbito tecnológico.

Atualmente, ela faz parte da equipe de capacitação da Facti, onde 
compartilha seus conhecimentos e auxilia profissionais a ingressarem ou se 
consolidarem no promissor campo da tecnologia. 

O perfil público está disponível aqui.

D
oc
um
en
to
 a
ss
in
ad
o 
el
et
ro
ni
ca
m
en
te
. V
er
ifi
ca
çã
o 
no
 s
ite
 h
ttp
s:
//p
91
.fa
ct
i.c
om
.b
r/
pa
e/
va
lid
ac
ao
.h
tm
l, 
in
fo
rm
an
do
 o
 c
ód
ig
o 
ve
rif
ic
ad
or
 P
A
E
5-
48
55
-8
34
1-
71
56
-3
86
8-
31
11
 
e 
o 
có
di
go
 C
R
C
 U
Z
D
IG
M
X
2.
https://www.linkedin.com/in/larissa-oliveira-604124ba
Trilha de Aprendizagem: Inteligência Artificial aplicada à Visão Computacional

Marcelo de Almeida Viana é mestre e doutor em Engenharia Elétrica pela 
UNICAMP, especialista em gerenciamento de projetos pelo SENAC-SP e 
engenheiro eletricista pela PUC-MG.

 Tem experiência na área de Inteligência Artificial, Engenharia Biomédica, 
Engenharia Elétrica e Eletrônica, atuando principalmente com programação de 
algoritmos de Inteligência Artificial, projetos eletrônicos e soluções para 
produtos ou serviços para saúde. 

Também atuou como professor universitário e é membro do Comitê 
Brasileiro Odonto-Médico-Hospitalar da ABNT/CB-026, relacionado a projetos 
de normas técnicas.

Atualmente é especialista em projetos na Facti - Fundação de Apoio à 
Capacitação em Tecnologia da Informação, e integra o time de capacitação dos 
projetos Letramento Digital e QualiFacti.

O perfil público está disponível aqui. 

D
oc
um
en
to
 a
ss
in
ad
o 
el
et
ro
ni
ca
m
en
te
. V
er
ifi
ca
çã
o 
no
 s
ite
 h
ttp
s:
//p
91
.fa
ct
i.c
om
.b
r/
pa
e/
va
lid
ac
ao
.h
tm
l, 
in
fo
rm
an
do
 o
 c
ód
ig
o 
ve
rif
ic
ad
or
 P
A
E
5-
48
55
-8
34
1-
71
56
-3
86
8-
31
11
 
e 
o 
có
di
go
 C
R
C
 U
Z
D
IG
M
X
2.
https://www.linkedin.com/in/marcelo-a-viana
Trilha de Aprendizagem: Inteligência Artificial aplicada à Visão Computacional

Peterson Gomes de Moura Barros possui especializações em Engenharia de 
Automação e Eletrônica Industrial, Engenharia de Produção e atualmente é 
pós-graduando em Educação online e Tecnologias de Aprendizagem. É 
tecnólogo em Gestão da TI e técnico em Eletroeletrônica. 

Atuou como docente entre 2011 e 2023 nas áreas de Eletroeletrônica, 
Tecnologia da Informação eCloud Computing.

Realizou projetos de formação para docentes em pensamento 
computacional e lógica de programação, com uso educacional de linguagens 
como Scratch, HTML, CSS e Javascript. 

Atualmente está buscando construir um futuro melhor por meio da 
educação e da tecnologia, atuando como Especialista de Projetos em Educação e 
Capacitação na Facti.

O perfil público está disponível aqui. 

D
oc
um
en
to
 a
ss
in
ad
o 
el
et
ro
ni
ca
m
en
te
. V
er
ifi
ca
çã
o 
no
 s
ite
 h
ttp
s:
//p
91
.fa
ct
i.c
om
.b
r/
pa
e/
va
lid
ac
ao
.h
tm
l, 
in
fo
rm
an
do
 o
 c
ód
ig
o 
ve
rif
ic
ad
or
 P
A
E
5-
48
55
-8
34
1-
71
56
-3
86
8-
31
11
 
e 
o 
có
di
go
 C
R
C
 U
Z
D
IG
M
X
2.
https://www.linkedin.com/in/petersonmourabarros
Trilha de Aprendizagem: Inteligência Artificial aplicada à Visão Computacional

José Augusto de Lima Prestes está desde abril de 2018 como Gerente de 
Governança e Compliance da Facti. Nesta função, tem a responsabilidade de 
gerenciar o trabalho de todas as áreas técnicas e administrativas da instituição. 
Adicionalmente, ocupa, desde agosto de 2020, a função de Encarregado pelo 
Tratamento de Dados Pessoais da organização. Ele também ocupa o papel de 
gerente de diferentes projetos de Pesquisa, Desenvolvimento e Inovação em 
TICs, atuando em escopos diversos que vão do desenvolvimento de software 
para a gestão de políticas públicas à capacitação de pessoas para lidarem com 
os desafios da Indústria 4.0. Na sua produção técnico-científica, teve 
participação em artigos, capítulos de livros, pedidos de patente e programa de 
computador. Foi membro do Laboratório de Estudos sobre a Organização da 
Pesquisa e da Inovação (Lab-GEOPI) da Unicamp e participou do Projeto 
HEIP-link da Universidade de Alicante (Espanha), parte do Programa Erasmus 
Mundus da União Europeia.

Os seus atuais tópicos de interesse abrangem Ética e Filosofia da Tecnologia, 
Inovação Responsável, Inteligência Artificial, Neurodireitos, Privacidade Mental e 
Robótica. O perfil público está disponível aqui. 

D
oc
um
en
to
 a
ss
in
ad
o 
el
et
ro
ni
ca
m
en
te
. V
er
ifi
ca
çã
o 
no
 s
ite
 h
ttp
s:
//p
91
.fa
ct
i.c
om
.b
r/
pa
e/
va
lid
ac
ao
.h
tm
l, 
in
fo
rm
an
do
 o
 c
ód
ig
o 
ve
rif
ic
ad
or
 P
A
E
5-
48
55
-8
34
1-
71
56
-3
86
8-
31
11
 
e 
o 
có
di
go
 C
R
C
 U
Z
D
IG
M
X
2.
https://www.linkedin.com/in/jalprestes
Trilha de Aprendizagem: Inteligência Artificial aplicada à Visão Computacional

Sumário
Prefácio 18

Capítulo 1: Introdução à Inteligência Artificial 19

1.1. Introdução 20

1.2. Inspirar 21

1.2.1. Estudo de Caso 23

1.3. Conceitualizar 25

1.3.1. Introdução à Inteligência Artificial 25

1.3.2. Contexto histórico 28

1.3.3. Definições e conceitos de IA 34

1.3.4. Tipos e modelos de IA 38

1.3.5. Importância e aplicações na sociedade moderna 44

1.3.6. Aprendizado de Máquina 69

1.3.7. Redes neurais e Deep Learning 81

1.3.8. Mineração de dados 87

1.4. Consolidar 91

1.4.1. Consolidando o conhecimento 91

1.4.2. Solução final do Estudo de Caso 93

1.5. Avaliar 95

Referências 96

Capítulo 2: Introdução à Visão Computacional 101

2.1. Introdução 102

D
oc
um
en
to
 a
ss
in
ad
o 
el
et
ro
ni
ca
m
en
te
. V
er
ifi
ca
çã
o 
no
 s
ite
 h
ttp
s:
//p
91
.fa
ct
i.c
om
.b
r/
pa
e/
va
lid
ac
ao
.h
tm
l, 
in
fo
rm
an
do
 o
 c
ód
ig
o 
ve
rif
ic
ad
or
 P
A
E
5-
48
55
-8
34
1-
71
56
-3
86
8-
31
11
 
e 
o 
có
di
go
 C
R
C
 U
Z
D
IG
M
X
2.
Trilha de Aprendizagem: Inteligência Artificial aplicada à Visão Computacional

2.2. Inspirar 103

2.2.1. Estudo de Caso 104

2.3. Conceitualizar 106

2.3.1. Introdução à Visão Computacional 106

2.3.2. Redes neurais e Deep Learning para a Visão Computacional 147

2.3.3. Algoritmos mais comuns em Visão Computacional 148

2.3.4. Apresentando a plataforma Edge Impulse 150

2.4. Consolidar 164

2.4.1. Estudo de caso 164

2.4.2. Solução final do Estudo de Caso 183

2.5. Avaliar 184

Referências 186



Capítulo 3: Python para o desenvolvimento de Inteligência

Artificial do básico às aplicações avançadas 188

3.1. Introdução 189

3.2. Inspirar 191

3.2.1. Estudo de Caso 194

3.3. Conceitualizar 196

3.3.1. De onde vem a linguagem Python? 196

3.3.2.Instalação do Python 200

3.3.3. Comandos essenciais em Python 202

3.3.4. Ferramentas de programação em Python 206

D
oc
um
en
to
 a
ss
in
ad
o 
el
et
ro
ni
ca
m
en
te
. V
er
ifi
ca
çã
o 
no
 s
ite
 h
ttp
s:
//p
91
.fa
ct
i.c
om
.b
r/
pa
e/
va
lid
ac
ao
.h
tm
l, 
in
fo
rm
an
do
 o
 c
ód
ig
o 
ve
rif
ic
ad
or
 P
A
E
5-
48
55
-8
34
1-
71
56
-3
86
8-
31
11
 
e 
o 
có
di
go
 C
R
C
 U
Z
D
IG
M
X
2.
Trilha de Aprendizagem: Inteligência Artificial aplicada à Visão Computacional

3.3.5. Atividades de experimentação 238

3.3.6. Tipos de dados e variáveis 241

3.3.7. O que é um comando de entrada? 244

3.3.8. Operadores Aritméticos 249

3.3.9. Atividades de experimentação 254

3.3.10. Estruturas de controle de fluxo 257

3.3.11. Funções Modularidade 291

3.3.12. Atividades de experimentação 300

3.3.13. Manipulação de Arquivos e Strings 303

3.3.14. Estrutura de Dados 331

3.3.15. Bibliotecas e comandos de instalação 357

3.4. Consolidar 408

3.4.1. Consolidando o conteúdo 408

3.4.2. Solução final do Estudo de Caso 411

3.5. Avaliar 413

Referências 414



Capítulo 4: Visão Computacional aplicada ao reconheci- 
mento facial em imagens 416

4.1. Introdução 417

4.2. Inspirar 419

4.2.1. Estudo de Caso 421

4.3. Conceitualizar 424

D
oc
um
en
to
 a
ss
in
ad
o 
el
et
ro
ni
ca
m
en
te
. V
er
ifi
ca
çã
o 
no
 s
ite
 h
ttp
s:
//p
91
.fa
ct
i.c
om
.b
r/
pa
e/
va
lid
ac
ao
.h
tm
l, 
in
fo
rm
an
do
 o
 c
ód
ig
o 
ve
rif
ic
ad
or
 P
A
E
5-
48
55
-8
34
1-
71
56
-3
86
8-
31
11
 
e 
o 
có
di
go
 C
R
C
 U
Z
D
IG
M
X
2.
Trilha de Aprendizagem: Inteligência Artificial aplicada à Visão Computacional

4.3.1. Definição sobre detecção e reconhecimento de imagem 424

4.3.2. Introdução ao reconhecimento facial em imagem 427
4.3.3. Como o Aprendizado de Máquina detecta e

reconhece imagens 431

4.3.4. Principais algoritmos de reconhecimento facial 433

4.4. Consolidar 447

4.4.1. Estudo de Caso 447

4.4.2. Proposta de implementação 448

4.4.3. Solução final do Estudo de Caso 448

4.5. Avaliar 457

Referências 458



Capítulo 5: Visão Computacional aplicada ao reconheci- 
mento de imagens 461

5.1. Introdução 462

5.2. Inspirar 463

5.2.1. Estudo de Caso 465

5.3. Conceitualizar 471

5.3.1. Como redes neurais aprimoram o reconhecimento de imagens 471

5.3.2. Introdução à rede neural convolucional 474

5.3.3. Conhecendo o modelo de rede neural para

reconhecimento de imagens 480

5.4. Consolidar 503

5.4.1. Estudo de Caso 503

D
oc
um
en
to
 a
ss
in
ad
o 
el
et
ro
ni
ca
m
en
te
. V
er
ifi
ca
çã
o 
no
 s
ite
 h
ttp
s:
//p
91
.fa
ct
i.c
om
.b
r/
pa
e/
va
lid
ac
ao
.h
tm
l, 
in
fo
rm
an
do
 o
 c
ód
ig
o 
ve
rif
ic
ad
or
 P
A
E
5-
48
55
-8
34
1-
71
56
-3
86
8-
31
11
 
e 
o 
có
di
go
 C
R
C
 U
Z
D
IG
M
X
2.
Trilha de Aprendizagem: Inteligência Artificial aplicada à Visão Computacional

5.4.2. Infraestrutura para o estudo de caso 504

5.4.3. Solução final do Estudo de Caso 505

5.5. Avaliar 514

Referências 515



Capítulo 6: Visão Computacional aplicada ao reconheci- 
mento de emoções 517

6.1. Introdução 518

6.2. Inspirar 520

6.2.1. Estudo de Caso 522

6.3. Conceitualizar 525

6.3.1. Introdução ao reconhecimento de emoções 525

6.3.2. Importância e desafios dos dados no reconhecimento

de emoções 531

6.3.3. Como o Aprendizado de Máquina reconhece

emoções em imagens 533

6.3.4. Atividade de experimentação 536

6.4. Consolidar 541

6.4.1. Estudo de Caso 541

6.4.2. Proposta de implementação 542

6.4.3. Infraestrutura para o estudo de caso 5426.4.4. Solução final do Estudo de Caso 542

6.5. Avaliar 547

Referências 548

D
oc
um
en
to
 a
ss
in
ad
o 
el
et
ro
ni
ca
m
en
te
. V
er
ifi
ca
çã
o 
no
 s
ite
 h
ttp
s:
//p
91
.fa
ct
i.c
om
.b
r/
pa
e/
va
lid
ac
ao
.h
tm
l, 
in
fo
rm
an
do
 o
 c
ód
ig
o 
ve
rif
ic
ad
or
 P
A
E
5-
48
55
-8
34
1-
71
56
-3
86
8-
31
11
 
e 
o 
có
di
go
 C
R
C
 U
Z
D
IG
M
X
2.
Trilha de Aprendizagem: Inteligência Artificial aplicada à Visão Computacional

Capítulo 7: Visão Computacional aplicada ao rastreamento 
de objetos 549

7.1. Introdução 550

7.2. Inspirar 552

7.2.1. Estudo de Caso 554

7.3. Conceitualizar 557

7.3.1. Diferenças entre detecção, reconhecimento e

rastreamento de objetos 557

7.3.2. Desafios comuns no rastreamento de objetos 562

7.3.3. Como o Aprendizado de Máquina rastreia e reconhece

objetos em vídeos 566

7.3.4. Algoritmos de detecção e rastreamento de objetos 571

7.4. Consolidar 589

7.4.1. Estudo de Caso 589

7.4.2. Proposta de implementação 590

7.4.3. Solução final do Estudo de Caso 590

7.5. Avaliar 594

Referências 595



Capítulo 8: Visão Computacional aplicada ao reconheci- 
mento de textos 596

8.1. Introdução 597

8.2. Inspirar 599

8.2.1. Estudo de Caso 601

D
oc
um
en
to
 a
ss
in
ad
o 
el
et
ro
ni
ca
m
en
te
. V
er
ifi
ca
çã
o 
no
 s
ite
 h
ttp
s:
//p
91
.fa
ct
i.c
om
.b
r/
pa
e/
va
lid
ac
ao
.h
tm
l, 
in
fo
rm
an
do
 o
 c
ód
ig
o 
ve
rif
ic
ad
or
 P
A
E
5-
48
55
-8
34
1-
71
56
-3
86
8-
31
11
 
e 
o 
có
di
go
 C
R
C
 U
Z
D
IG
M
X
2.
Trilha de Aprendizagem: Inteligência Artificial aplicada à Visão Computacional

8.3. Conceitualizar 604

8.3.1. Introdução ao reconhecimento de textos com OCR 604
8.3.2. Técnicas para pré-processamento de imagens 609

8.3.3. Abordagens das ferramentas técnicas com OCR 622

8.3.4. Uso do Aprendizado de Máquina no reconhecimento

de texto com OCR 635

8.4. Consolidar 638

8.4.1. Estudo de Caso 638

8.4.2. Proposta de implementação 639

8.4.3. Infraestrutura para o estudo de caso 639

8.4.4. Solução final do Estudo de Caso 640

8.5. Avaliar 642

Referências 643



Capítulo 9: Visão Computacional aplicada ao reconheci- 
mento e sintetização de voz 645

9.1. Introdução 646

9.2. Inspirar 648

9.2.1. Estudo de Caso 650

9.3. Conceitualizar 653

9.3.1. Introdução ao reconhecimento e sintetização de voz 653

9.3.2. Características e processo de extração de áudio 657

9.3.3. Como o Aprendizado de Máquina reconhece e sintetiza voz 666

D
oc
um
en
to
 a
ss
in
ad
o 
el
et
ro
ni
ca
m
en
te
. V
er
ifi
ca
çã
o 
no
 s
ite
 h
ttp
s:
//p
91
.fa
ct
i.c
om
.b
r/
pa
e/
va
lid
ac
ao
.h
tm
l, 
in
fo
rm
an
do
 o
 c
ód
ig
o 
ve
rif
ic
ad
or
 P
A
E
5-
48
55
-8
34
1-
71
56
-3
86
8-
31
11
 
e 
o 
có
di
go
 C
R
C
 U
Z
D
IG
M
X
2.
Trilha de Aprendizagem: Inteligência Artificial aplicada à Visão Computacional

17

9.4. Consolidar 682

9.4.1. Estudo de Caso 682

9.4.2. Proposta de implementação 683

9.4.3. Solução final do Estudo de Caso 683

9.5. Avaliar 687

Referências 688

Avaliar final 690

Considerações finais 691

D
oc
um
en
to
 a
ss
in
ad
o 
el
et
ro
ni
ca
m
en
te
. V
er
ifi
ca
çã
o 
no
 s
ite
 h
ttp
s:
//p
91
.fa
ct
i.c
om
.b
r/
pa
e/
va
lid
ac
ao
.h
tm
l, 
in
fo
rm
an
do
 o
 c
ód
ig
o 
ve
rif
ic
ad
or
 P
A
E
5-
48
55
-8
34
1-
71
56
-3
86
8-
31
11
 
e 
o 
có
di
go
 C
R
C
 U
Z
D
IG
M
X
2.
Trilha de Aprendizagem: Inteligência Artificial aplicada à Visão Computacional

18

Prefácio

Este curso de Inteligência Artificial aplicada à Visão Computacional abordará 
dois temas que nos próximos anos deverão estar cada vez mais presentes em 
nossa vida acadêmica, pessoal e profissional.

De acordo com os mais recentes estudos a respeito, é esperado que ambas 
as tecnologias estejam em um platô de produtividade até o ano de 2026. Isto 
significa dizer que se tornarão passíveis de utilização nos mais diversos 
contextos e finalidades, permitindo que consigamos realizar atividades até 
então consideradas impossíveis, muito difíceis ou muito caras.

O formato assíncrono - adotado para a ministração deste curso - vai ao 
encontro das abordagens mais modernas, que visam a permitir que as pessoas 
estudem nos momentos mais adequados às respectivas rotinas. 

Logo, o objetivo da Facti é conseguir ministrar um conteúdo aderente às 
demandas do mercado em um formato que permita a qualquer pessoa 
participar do curso.

Ao longo do material didático, bem como no Google Sala de Aula, você 
receberá diversas instruções e orientações. A leitura atenta desse conteúdo é 
que lhe permitirá construir conhecimento e avançar ao próximo capítulo.

Esperamos que você goste deste curso tanto quanto nós gostamos de 
elaborá-lo. E, por fim, que o conhecimento adquirido possa ser relevante para os 
seus próximos passos nos estudos, na carreira ou com a família.

D
oc
um
en
to
 a
ss
in
ad
o 
el
et
ro
ni
ca
m
en
te
. V
er
ifi
ca
çã
o 
no
 s
ite
 h
ttp
s:
//p
91
.fa
ct
i.c
om
.b
r/
pa
e/
va
lid
ac
ao
.h
tm
l, 
in
fo
rm
an
do
 o
 c
ód
ig
o 
ve
rif
ic
ad
or
 P
A
E
5-
48
55
-8
34
1-
71
56
-3
86
8-
31
11
 
e 
o 
có
di
go
 C
R
C
 U
Z
D
IG
M
X
2.
Trilha de Aprendizagem: Inteligência Artificial aplicada à Visão Computacional

Capítulo 1:





Introdução à 
Inteligência Artificial

Autor

Peterson Gomes de Moura Barros
D
oc
um
en
to
 a
ss
in
ad
o 
el
et
ro
ni
ca
m
en
te
. V
er
ifi
ca
çã
o 
no
 s
ite
 h
ttp
s:
//p
91
.fa
ct
i.c
om
.b
r/
pa
e/
va
lid
ac
ao
.h
tm
l, 
in
fo
rm
an
do
 o
 c
ód
ig
o 
ve
rif
ic
ad
or
 P
A
E
5-
48
55
-8
34
1-
71
56
-3
86
8-
31
11
 
e 
o 
có
di
go
 C
R
C
 U
Z
D
IG
M
X
2.
Trilha de Aprendizagem: Inteligência Artificial aplicada à Visão Computacional

20

1.1. Introdução

Boas-vindas ao capítulo 2! Aqui será tratado o tema Introdução à 
Inteligência Artificial! Você avançará, neste capítulo, adentrando nessa 
tecnologia que vem revolucionando a criação e operação de sistemas nos mais 
diversos setores da sociedade (acadêmico-científico, industrial, agrícola etc.) de 
forma mais ampla: a Inteligência Artificial (IA) vem revolucionando vários 
aspectos nas interações humanas!

Você irá explorar os princípios fundamentais que regem a IA, seu contexto 
histórico, definições, tipos e modelos. Descobrirá a importância deste campo e 
suas aplicações na nossa sociedade, e como as máquinas aprendem e utilizam 
os dados para aperfeiçoar sua operação, por meio do Aprendizado de Máquina, 
redes neurais e Deep Learning. 

Ao final deste capítulo, você terá não apenas compreendido os conceitos 
fundamentais da IA, mas também terá adquirido habilidades para refletir sobre 
desafios mais profundos neste campo. 



Figura 01: Introdução à Inteligência Artificial

Fonte: imagem gerada por IA.
D
oc
um
en
to
 a
ss
in
ad
o 
el
et
ro
ni
ca
m
en
te
. V
er
ifi
ca
çã
o 
no
 s
ite
 h
ttp
s:
//p
91
.fa
ct
i.c
om
.b
r/
pa
e/
va
lid
ac
ao
.h
tm
l, 
in
fo
rm
an
do
 o
 c
ód
ig
o 
ve
rif
ic
ad
or
 P
A
E
5-
48
55
-8
34
1-
71
56
-3
86
8-
31
11
 
e 
o 
có
di
go
 C
R
C
 U
Z
D
IG
M
X
2.
Trilha de Aprendizagem: Inteligência Artificial aplicada à Visão Computacional

1.2. Inspirar

Você já deve ter ouvido falar sobre IA não é? Já deve ter percebido o 
surgimento, cada vez mais constante, de máquinas e sistemas que tomam 
decisões aperfeiçoando seu próprio modo de operar, como se fossem 
inteligentes. 

No meio destas percepções todas, você talvez já tenha se perguntado qual 
será o seu lugar - ou mesmo o de nós, como humanos - em meio a toda esta 
revolução crescente. Este medo ou receio, por vezes, começa, como explica Lee 
(2019), em ambientes como o jardim de infância, quando crianças já se deparam 
com o seguinte questionamento: “Os computadores vão se tornar tão inteligentes 
quepoderão começar a mandar na gente?”

Entretanto, boa parte desse receio em relação à IA provém da falta de 
conhecimento sobre o campo e suas tecnologias, deixando muitas pessoas à 
mercê de toda a sorte de ideias mal construídas a respeito - impedindo assim 
que tomem consciência de que há, sim, riscos relacionados ao uso da IA, mas 
justamente quando ela não é aplicada dentro de parâmetros que só adquirimos 
conhecendo-a bem e estabelecendo os seus limites.

Logo, obter conhecimentos sobre IA é preparar-se adequadamente para a 
inclusão no novo contexto que essa tecnologia vem desenhando no mundo do 
trabalho e das interações humanas. E quando se fala em uma boa preparação 
para lidar com IA, isto também representa aumentar as chances de 
empregabilidade.

Em entrevista à revista IstoÉ Dinheiro, na edição eletrônica de 15 de 
setembro de 2023, Leonardo Berto, gerente da Robert Half, diz que “no futuro, 
atividades mais operacionais poderão ser executadas majoritariamente por IA. Isso 
não significa, no entanto, uma redução no número de empregos e oportunidades”.

21

D
oc
um
en
to
 a
ss
in
ad
o 
el
et
ro
ni
ca
m
en
te
. V
er
ifi
ca
çã
o 
no
 s
ite
 h
ttp
s:
//p
91
.fa
ct
i.c
om
.b
r/
pa
e/
va
lid
ac
ao
.h
tm
l, 
in
fo
rm
an
do
 o
 c
ód
ig
o 
ve
rif
ic
ad
or
 P
A
E
5-
48
55
-8
34
1-
71
56
-3
86
8-
31
11
 
e 
o 
có
di
go
 C
R
C
 U
Z
D
IG
M
X
2.
Trilha de Aprendizagem: Inteligência Artificial aplicada à Visão Computacional

22

E como preparar-se profissionalmente neste novo mundo, permeado por IA? 
Na mesma entrevista, Leonardo Berto afirma que “é preciso reforçar, no entanto, 
que a responsabilidade está quase totalmente no profissional, que deve ser o 
protagonista da sua própria carreira e investir em qualificação técnica [...]”. 

Desta forma, você já está no caminho certo, buscando qualificação técnica 
profissional em uma temática que certamente será presente e influente no 
futuro do mundo do trabalho e na sociedade como um todo.



Antes de iniciarmos a "Etapa de Conceitualização", na qual 
haverá a apresentação do conteúdo e a experimentação dos 
conceitos trabalhados por meio de atividades práticas, entre no 
Google Sala de Aula, na aba "Etapa Inspirar", para acessar todos 
os materiais disponibilizados, que visam a estimular sua reflexão e 
iniciar a ambientação com o conteúdo deste capítulo.

Como última atividade desta etapa, prepare-se para trabalhar a 
solução inicial do estudo de caso que será apresentado na 
próxima seção.

A solução inicial que você elaborará não será objeto de 
correção ou avaliação: trata-se de uma atividade individual que 
deverá lhe ajudar a refletir sobre os conceitos apresentados e a 
entender como trabalhá-los de maneira prática.
D
oc
um
en
to
 a
ss
in
ad
o 
el
et
ro
ni
ca
m
en
te
. V
er
ifi
ca
çã
o 
no
 s
ite
 h
ttp
s:
//p
91
.fa
ct
i.c
om
.b
r/
pa
e/
va
lid
ac
ao
.h
tm
l, 
in
fo
rm
an
do
 o
 c
ód
ig
o 
ve
rif
ic
ad
or
 P
A
E
5-
48
55
-8
34
1-
71
56
-3
86
8-
31
11
 
e 
o 
có
di
go
 C
R
C
 U
Z
D
IG
M
X
2.
Trilha de Aprendizagem: Inteligência Artificial aplicada à Visão Computacional

1.2.1. Estudo de Caso

Este estudo de caso busca incentivar a reflexão sobre os impactos da IA nos 
diversos setores produtivos da sociedade e nas relações humanas como um 
todo. O objetivo principal é mostrar como, por meio do uso da IA de forma 
consciente, podemos obter imensos avanços em diversas áreas. Uma reflexão 
profunda sobre este caso servirá para embasar futuras discussões e uma visão 
positiva e funcional sobre a IA. 















1.2.1.1. Cenário

Você é uma pessoa colaboradora na Facti e recebeu o convite para auxiliar 
na elaboração do material didático para um curso de qualificação técnica do 
QualiFacti. O curso é na área de IA.

Você irá auxiliar na construção da resposta a uma atividade específica, 
apresentada no material didático dos estudantes e que propõe o seguinte 
debate: “Inteligência Artificial - devemos temê-la ou abraçá-la?”. 



23

Leia com atenção o cenário do estudo de caso e lembre-se: o 
propósito desta atividade é promover uma reflexão inicial acerca do 
assunto a ser discutido no cenário tendo por base somente os 
conhecimentos de que você dispõe neste momento.
D
oc
um
en
to
 a
ss
in
ad
o 
el
et
ro
ni
ca
m
en
te
. V
er
ifi
ca
çã
o 
no
 s
ite
 h
ttp
s:
//p
91
.fa
ct
i.c
om
.b
r/
pa
e/
va
lid
ac
ao
.h
tm
l, 
in
fo
rm
an
do
 o
 c
ód
ig
o 
ve
rif
ic
ad
or
 P
A
E
5-
48
55
-8
34
1-
71
56
-3
86
8-
31
11
 
e 
o 
có
di
go
 C
R
C
 U
Z
D
IG
M
X
2.
Trilha de Aprendizagem: Inteligência Artificial aplicada à Visão Computacional

24

O seu papel, dentro da equipe de produção do material didático, será 
desenvolver um texto que convença os leitores de que “a IA, uma vez aplicada de 
forma consciente e responsável, produz mais benefícios do que malefícios para a 
sociedade moderna”, inclusive você deve acrescentar que a IA é um dos 
caminhos mais promissores de desenvolvimento para diversas áreas, como 
medicina, agricultura, educação, indústria, segurança, mobilidade e a 
proliferação de cidades mais inteligentes.

Você deverá escrever um texto com a forma, quantidade de linhas, 
parágrafos e páginas que considerar necessárias para defender o argumento 
acima, sempre buscando embasar as suas ideias com fatos e dados técnicos 
comprovados e, de preferência, com referência a especialistas da área.



Importante: coloque a sua resposta na atividade 
"Apresentação da solução inicial", no Google Sala de Aula, em 
um documento no formato de texto. Utilize este momento para 
trabalhar as suas ideias iniciais com o máximo de detalhamento que 
puder. Mais adiante, as suas anotações serão retomadas para o 
refinamento da solução do estudo de caso. 
D
oc
um
en
to
 a
ss
in
ad
o 
el
et
ro
ni
ca
m
en
te
. V
er
ifi
ca
çã
o 
no
 s
ite
 h
ttp
s:
//p
91
.fa
ct
i.c
om
.b
r/
pa
e/
va
lid
ac
ao
.h
tm
l, 
in
fo
rm
an
do
 o
 c
ód
ig
o 
ve
rif
ic
ad
or
 P
A
E
5-
48
55
-8
34
1-
71
56
-3
86
8-
31
11
 
e 
o 
có
di
go
 C
R
C
 U
Z
D
IG
M
X
2.
Trilha de Aprendizagem: Inteligência Artificial aplicada à Visão Computacional

25

1.3. Conceitualizar 

1.3.1. Introdução à Inteligência Artificial

A Inteligência Artificial é um campo multidisciplinar que envolve a criação e o 
desenvolvimento de sistemas e programas de computador capazes de realizar 
tarefas que, normalmente, requerem inteligência humana. Seu objetivo 
fundamental é simular e reproduzir características e habilidades cognitivas, 
como aprendizado, raciocínio, percepção, Processamento de Linguagem Natural 
e tomada de decisões, com o intuito de replicar ou superar o desempenho 
humano nessas áreas. E toda esta tecnologia já está mais presente do que 
muitos de nós imaginam, inclusive em atividades do dia-a-dia, como mostra o 
infográfico a seguir:

















Figura 02: Uso cotidiano da IA.

Fonte: Parlamento Europeu.

D
oc
um
en
to
 a
ss
in
ad
o 
el
et
ro
ni
ca
m
en
te
. V
er
ifi
ca
çã
o 
no
 s
ite
 h
ttp
s:
//p
91
.fa
ct
i.c
om
.b
r/
pa
e/
va
lid
ac
ao
.h
tm
l, 
in
fo
rm
an
do
 o
 c
ód
ig
o 
ve
rif
ic
ad
or
 P
A
E
5-
48
55
-8
34
1-
71
56
-3
86
8-
31
11
 
e 
o 
có
di
go
 C
R
C
 U
Z
D
IG
M
X
2.
https://www.europarl.europa.eu/news/pt/headlines/society/20200827STO85804/o-que-e-a-inteligencia-artificial-e-como-funciona
Trilha de Aprendizagem: Inteligência Artificial aplicada à Visão Computacional

Ainda em relação a presença da IA em nosso cotidiano, o colunista da 
Investnews, Aloísio Sotero, na edição de 11 de janeiro de 2024, diz: “Vejo que, na 
atualidade, praticamente todo usuário da internet interage com uma IA diversas 
vezes ao dia, ou pelo menos com um conteúdo online configurado por uma IA. Eis a 
mão invisível da IA “.

Para além do cotidiano que enxergamos,a IA também já é responsável por 
muitos serviços que rodam nos bastidores, no que chamamos de backend dos 
sistemas, realizando predições e operações em campos mais complexos, como 
transações financeiras e análises científicas. Já em outros casos, o uso da IA é tão 
intrincado que, por vezes, não percebemos que ela já está presente e operante, 
como nas projeções de cenários econômicos e políticos, nas simulações 
envolvendo relações internacionais, etc. E todos eles, direta ou indiretamente, 
também afetam as nossas vidas. 

Desse modo, ainda estamos criando uma percepção do quão influente a IA 
já é sobretudo no que nos cerca, o que pode parecer assustador para alguns, 
assim como Lee (2022, p.282) disserta: “Tecnologias disruptivas podem se tornar 
nosso fogo de Prometeu, ou caixa de Pandora, dependendo de como são usadas”. 
Mas, perceba no fim da frase de Lee um detalhe revelador, a condicionante 
“dependendo de como são usadas”.

Esse deve ser nosso maior ponto de atenção, agora e para o futuro, em 
nossa relação com as máquinas inteligentes. Por enquanto, ainda estamos no 
comando de como elas são usadas. Como lidaremos com essa responsabilidade 
é fator preponderante para que a IA seja nossa aliada de desenvolvimento, e 
não nossa inimiga.

Discutiremos no decorrer deste capítulo a respeito de fatores éticos que 
envolvem o uso da IA, nos mais diversos campos, tornando-a assim parte de um 
desenvolvimento sustentável e que traz benefícios reais à sociedade.


 26

D
oc
um
en
to
 a
ss
in
ad
o 
el
et
ro
ni
ca
m
en
te
. V
er
ifi
ca
çã
o 
no
 s
ite
 h
ttp
s:
//p
91
.fa
ct
i.c
om
.b
r/
pa
e/
va
lid
ac
ao
.h
tm
l, 
in
fo
rm
an
do
 o
 c
ód
ig
o 
ve
rif
ic
ad
or
 P
A
E
5-
48
55
-8
34
1-
71
56
-3
86
8-
31
11
 
e 
o 
có
di
go
 C
R
C
 U
Z
D
IG
M
X
2.
Trilha de Aprendizagem: Inteligência Artificial aplicada à Visão Computacional

Esta preocupação com a implementação ética envolvendo sistemas de IA 
tem crescido, à medida que também cresce a percepção de que a IA está se 
tornando onipresente, diante de tantas inovações que acompanhamos 
diariamente, que têm sido fonte de muitas discussões em vários de nossos 
círculos de convivência.

E como chegamos até aqui, qual foi o caminho dessa tecnologia para 
chegar até o que conhecemos hoje?

Veremos na próxima etapa deste capítulo mais sobre este contexto histórico 
da IA.























27

Figura 03: Introdução à Inteligência Artificial.

Fonte: imagem gerada por IA.
Reflita: Você considera que muito do que acontece no seu 
dia-a-dia já tem influência de uma IA? Consegue identificar algo 
em específico?

D
oc
um
en
to
 a
ss
in
ad
o 
el
et
ro
ni
ca
m
en
te
. V
er
ifi
ca
çã
o 
no
 s
ite
 h
ttp
s:
//p
91
.fa
ct
i.c
om
.b
r/
pa
e/
va
lid
ac
ao
.h
tm
l, 
in
fo
rm
an
do
 o
 c
ód
ig
o 
ve
rif
ic
ad
or
 P
A
E
5-
48
55
-8
34
1-
71
56
-3
86
8-
31
11
 
e 
o 
có
di
go
 C
R
C
 U
Z
D
IG
M
X
2.
Trilha de Aprendizagem: Inteligência Artificial aplicada à Visão Computacional

28

1.3.2. Contexto histórico

Podemos pensar que IA é um assunto novo, no entanto a origem da 
Inteligência Artificial retrocede a várias décadas, com diferentes marcos ao 
longo do tempo. 

Já foi entre as décadas de 1930 e 1940 que o conceito moderno de IA 
começou a se desenvolver, junto com o advento da computação. Tivemos 
figuras importantíssimas desta era pioneira que já discorriam sobre as 
possibilidades da existência e funcionamento de máquinas inteligentes, mesmo 
que não houvesse ainda tecnologia para implementação. Alguns avanços 
conceituais e teóricos no campo da IA já começavam a se manifestar nestas 
primeiras décadas. Um pioneiro notável nesse período foi Alan Turing, cujas 
contribuições transcenderam décadas (Kissinger et al., 2023). 

Embora o termo "Inteligência Artificial" não tivesse sido cunhado, Turing 
estava mergulhado em questões fundamentais sobre a capacidade de 
máquinas para imitar o pensamento humano (National Geographic Brasil, 
2023). O seu trabalho delineou o conceito de máquinas universais e 
estabeleceu os princípios teóricos que se tornariam cruciais para o 
desenvolvimento da computação e, eventualmente, para a IA. Apesar de não 
ter havido um movimento definido de IA nestes anos iniciais da história da 
computação, as ideias de Turing estabeleceram um alicerce fundamental para a 
futura exploração da Inteligência Artificial, demonstrando a visão e a audácia 
que caracterizariam os pioneiros desse campo inovador.

Foi somente a partir de 1950 que passou a haver uma colaboração mais 
intensa entre engenheiros e matemáticos na construção dos alicerces da IA 
moderna, com avanços significativos em campos como a lógica simbólica, o 
Processamento de Linguagem Natural e o desenvolvimento de algoritmos de 
aprendizado.



D
oc
um
en
to
 a
ss
in
ad
o 
el
et
ro
ni
ca
m
en
te
. V
er
ifi
ca
çã
o 
no
 s
ite
 h
ttp
s:
//p
91
.fa
ct
i.c
om
.b
r/
pa
e/
va
lid
ac
ao
.h
tm
l, 
in
fo
rm
an
do
 o
 c
ód
ig
o 
ve
rif
ic
ad
or
 P
A
E
5-
48
55
-8
34
1-
71
56
-3
86
8-
31
11
 
e 
o 
có
di
go
 C
R
C
 U
Z
D
IG
M
X
2.
Trilha de Aprendizagem: Inteligência Artificial aplicada à Visão Computacional

29

Foi nesta década, em 1956, que o termo “Inteligência Artificial” foi 
oficialmente estabelecido por John McCarthy, outro pioneiro neste campo. Ele 
cunhou a expressão durante a Conferência de Dartmouth, um marco 
importante no reconhecimento acadêmico desse conceito. McCarthy usou 
ainda a expressão "Eros Eletrônicos" para descrever a ideia de criar máquinas 
inteligentes.











Figura 04 : O projeto de pesquisa de verão de 1956, em Inteligência Artificial de 
Dartmouth, foi iniciado por essa proposta de 31 de agosto de 1955.

Fonte: Opencadd.

D
oc
um
en
to
 a
ss
in
ad
o 
el
et
ro
ni
ca
m
en
te
. V
er
ifi
ca
çã
o 
no
 s
ite
 h
ttp
s:
//p
91
.fa
ct
i.c
om
.b
r/
pa
e/
va
lid
ac
ao
.h
tm
l, 
in
fo
rm
an
do
 o
 c
ód
ig
o 
ve
rif
ic
ad
or
 P
A
E
5-
48
55
-8
34
1-
71
56
-3
86
8-
31
11
 
e 
o 
có
di
go
 C
R
C
 U
Z
D
IG
M
X
2.
https://www.opencadd.com.br/blog/como-surgiu-a-inteligencia-artificial
Trilha de Aprendizagem: Inteligência Artificial aplicada à Visão Computacional

Mas, desde aquela ocasião, e nas décadas seguintes, a IA permaneceu 
prioritariamente como um assunto acadêmico, com alguns poucos avanços 
práticos. Era tida mais como tema de pesquisa, pois, segundo Kissinger et al. 
(2023), “desde o final dos anos 1980 até os anos 1990, o setor entrou em um 
período conhecido como inverno da IA”. 

Mas, ao passo que computadores e linguagens de programação evoluíram, 
a IA também crescia e era aplicada a outros setores. Veja a seguir uma linha do 
tempo que ilustra a evolução do conceito e experimentações com IA desde as 
primeiras décadas na história da computação até os anos de 1980:











































Contudo, a partir da década de 1990 começaram a acontecer diversos 
avanços em sequência, que unidos mudaram muito o paradigma e as hipóteses 
a respeito da IA construídas na era anterior. 

30

Figura 05: Linha do tempo evolução da IA nas primeiras décadas

Fonte: Webestrategica



D
oc
um
en
to
 a
ss
in
ad
o 
el
et
ro
ni
ca
m
en
te
. V
er
ifi
ca
çã
o 
no
 s
ite
 h
ttp
s:
//p
91
.fa
ct
i.c
om
.b
r/
pa
e/
va
lid
ac
ao
.h
tm
l, 
in
fo
rm
an
do
 o
 c
ód
ig
o 
ve
rif
ic
ad
or
 P
A
E
5-
48
55
-8
34
1-
71
56
-3
86
8-
31
11
 
e 
o 
có
di
go
 C
R
C
 U
Z
D
IG
M
X
2.
https://webestrategica.com.br/como-funciona-a-inteligencia-artificial/
Trilha de Aprendizagem: Inteligência Artificial aplicada à Visão Computacional

31

Os pesquisadores perceberam que para conseguir atender ao princípio da IA 
de executar tarefas por meio de máquinas aptas a solucionar problemas 
complexos, seria necessário que, de alguma maneira,as máquinas aprendessem 
sozinhas, deixando de somente tentar codificar insights filtrados de humanos. 

Ocorreu então uma mudança conceitual, e o foco passou para o Machine 
Learning, ou Aprendizado de Máquina (Kissinger et al., 2023). Veremos mais 
adiante neste capítulo mais sobre o conceito de Machine Learning.

A partir daí, tornou-se possível o surgimento de agentes mais inteligentes e 
sistemas capazes de agir autonomamente. Esses avanços pavimentaram o 
caminho para a evolução contínua da IA nas décadas subsequentes, 
consolidando-a como uma força transformadora em diversas áreas da 
sociedade.

E o aperfeiçoamento de métodos mais sofisticados de Machine Learning 
levaram ao advento das Redes Neurais Artificiais e o Deep Learning (Aprendizado 
Profundo), permitindo avanços notáveis em tarefas de reconhecimento de 
padrões e Processamento de Linguagem Natural. Também estudaremos mais 
sobre estes tópicos adiante neste capítulo.

Os anos 2000 e suas primeiras décadas estão testemunhando o 
desenvolvimento contínuo do Deep Learning, com novos algoritmos e 
paradigmas de programação com foco em IA, e a existência de computadores 
capazes de rodar tais sistemas, o que permitiu que este campo adentrasse de 
vez em setores produtivos que necessitavam de um nível de análise de dados e 
predição ainda não alcançado até então, por falta de tecnologia física (hardware) 
para isso (Nascimento Jr e Yoneyama, 2011).



D
oc
um
en
to
 a
ss
in
ad
o 
el
et
ro
ni
ca
m
en
te
. V
er
ifi
ca
çã
o 
no
 s
ite
 h
ttp
s:
//p
91
.fa
ct
i.c
om
.b
r/
pa
e/
va
lid
ac
ao
.h
tm
l, 
in
fo
rm
an
do
 o
 c
ód
ig
o 
ve
rif
ic
ad
or
 P
A
E
5-
48
55
-8
34
1-
71
56
-3
86
8-
31
11
 
e 
o 
có
di
go
 C
R
C
 U
Z
D
IG
M
X
2.
Trilha de Aprendizagem: Inteligência Artificial aplicada à Visão Computacional

32

Observe o infográfico abaixo e acompanhe a evolução da IA entre os anos 
1990 e 2000:

























Hoje, as possibilidades de implementações envolvendo a IA parecem 
infinitas, conforme Lee (2022, p.18): “de eras passadas até o presente, a força 
imparável da IA tem revolucionado todas as dimensões da civilização humana e 
continuará fazendo isso”. 

Veremos ainda muitos avanços, boa parte deles hoje inimagináveis, 
especialmente quando a computação quântica estiver estabelecida. 
Computação quântica é um campo multidisciplinar que compreende aspectos 
da ciência da computação, da física e da matemática e que utiliza a mecânica 
quântica para resolver problemas complexos muito mais rapidamente do que 
em computadores tradicionais (AWS, 2023). 







Figura 06 : Pontos marcantes no desenvolvimento da Inteligência Artificial.

Fonte: Opencadd.
D
oc
um
en
to
 a
ss
in
ad
o 
el
et
ro
ni
ca
m
en
te
. V
er
ifi
ca
çã
o 
no
 s
ite
 h
ttp
s:
//p
91
.fa
ct
i.c
om
.b
r/
pa
e/
va
lid
ac
ao
.h
tm
l, 
in
fo
rm
an
do
 o
 c
ód
ig
o 
ve
rif
ic
ad
or
 P
A
E
5-
48
55
-8
34
1-
71
56
-3
86
8-
31
11
 
e 
o 
có
di
go
 C
R
C
 U
Z
D
IG
M
X
2.
https://opencadd.com.br/como-surgiu-a-inteligencia-artificial/
Trilha de Aprendizagem: Inteligência Artificial aplicada à Visão Computacional

33



















Nestas últimas décadas temos observado também o surgimento de novos 
patamares para a IA Forte, mesmo que conceituais, e que prevêem próximos 
passos de desenvolvimento que aproximarão mais as máquinas à forma de 
pensamento humano, até mesmo superando-a. IA Forte é outro tema no qual 
nos aprofundaremos mais adiante.

Quem sabe, um dia, teremos a resposta final para o questionamento que 
existe desde os primórdios da computação, a respeito dos computadores: “Eles 
podem pensar? Em caso positivo, um dia eles se equiparariam aos seres humanos?” 
(Onody, 2021).







Reflita: Observando como a IA se desenvolveu nos últimos 
anos, você acredita que as máquinas poderão superar os seres 
humanos um dia?

Figura 07 : Computador quântico

Fonte:Revista Galileu

D
oc
um
en
to
 a
ss
in
ad
o 
el
et
ro
ni
ca
m
en
te
. V
er
ifi
ca
çã
o 
no
 s
ite
 h
ttp
s:
//p
91
.fa
ct
i.c
om
.b
r/
pa
e/
va
lid
ac
ao
.h
tm
l, 
in
fo
rm
an
do
 o
 c
ód
ig
o 
ve
rif
ic
ad
or
 P
A
E
5-
48
55
-8
34
1-
71
56
-3
86
8-
31
11
 
e 
o 
có
di
go
 C
R
C
 U
Z
D
IG
M
X
2.
https://revistagalileu.globo.com/Ciencia/noticia/2021/12/como-os-computadores-quanticos-podem-mudar-o-mundo-que-conhecemos.html
Trilha de Aprendizagem: Inteligência Artificial aplicada à Visão Computacional

34

1.3.3. Definições e conceitos de IA

Iniciamos esta seção com a seguinte reflexão: para definir o que é IA 
utilizamos diversas características tecnológicas que estão ainda em evolução, 
mas no futuro quais serão estas características, já que estão em constante 
mutação? 

Portanto, a própria definição de IA também está evoluindo, correto? Assim, 
conceituar o que é a IA, ou o que vem a ser uma máquina inteligente, pode ser 
mais assertivo se focarmos nossa análise em características imutáveis e 
atemporais, que qualquer sistema possuidor de IA deva apresentar. Com esta 
premissa em mente, vamos tentar buscar definições apropriadas para a IA.

Como ponto de partida, podemos considerar uma característica atemporal o 
fato de que se um determinado sistema é inteligente, seus processos devem 
produzir uma saída racional, assim como seria o resultado de uma ação criativa 
ou de tomada de decisão humana.

 Mas, como dizer se a saída de um sistema foi gerada de forma racional, 
inteligente? É a essa pergunta que o teste de Turing se propõe a responder, 
determinando se uma máquina é inteligente, imbuída de IA, analisando o que 
ela é capaz de produzir (Nascimento Jr e Yoneyama, 2011).

Alan Turing, conhecido como o pai da computação, construiu, por meio do 
seu modelo teórico, os alicerces para o desenvolvimento das máquinas que 
utilizamos. Ele também ficou muito conhecido como um dos responsáveis por 
decifrar o código utilizado pelas comunicações nazistas durante a Segunda 
Guerra Mundial (Russel e Norvig, 2003).





D
oc
um
en
to
 a
ss
in
ad
o 
el
et
ro
ni
ca
m
en
te
. V
er
ifi
ca
çã
o 
no
 s
ite
 h
ttp
s:
//p
91
.fa
ct
i.c
om
.b
r/
pa
e/
va
lid
ac
ao
.h
tm
l, 
in
fo
rm
an
do
 o
 c
ód
ig
o 
ve
rif
ic
ad
or
 P
A
E
5-
48
55
-8
34
1-
71
56
-3
86
8-
31
11
 
e 
o 
có
di
go
 C
R
C
 U
Z
D
IG
M
X
2.
Trilha de Aprendizagem: Inteligência Artificial aplicada à Visão Computacional

35

Pensando, como outros da época, na hipótese de os computadores 
chegarem a se equiparar aos seres humanos, Turing publicou um artigo em 
1950, no qual apresentava o “Jogo da Imitação”, o qual deu origem ao teste de 
Turing, que é explicado da seguinte forma na obra “Computing machinery and 
intelligence”, em trechos: “[...] suponha que seja possível arranjar as coisas de modo 
que um interrogador humano não possa distinguir uma máquina de um ser 
humano, em uma conversa escrita [...] Então eu diria que a máquina é inteligente" 
(Turing, 1950, p.434).

O teste é composto por um interrogador humano que interage com duas 
outras entidades: uma pessoa e uma máquina, sendo realizado em três etapas:

● O interrogador se encontra em uma sala separada das outras duas 
entidades.

● O interrogador interage com as duas entidades por meio de um 
dispositivo de comunicação, como um teclado e um monitor.

● O interrogador tenta determinar qual das duas entidades é uma pessoa 
e qual é uma máquina.

Se o interrogador não conseguir distinguir a máquina da pessoa, então a 
máquina é considerada inteligente. Aqui está uma definição prática do que seria 
uma máquina inteligente, baseada em IA - aquela que, ao menos em alguns 
aspectos, não se distingue do homem!





Reflita: se o teste de Turing fosse aplicado hoje, a IA já 
seria capaz de ser identificada como uma pessoa? Caso 
positivo, em quais circunstâncias?

D
oc
um
en
to
 ass
in
ad
o 
el
et
ro
ni
ca
m
en
te
. V
er
ifi
ca
çã
o 
no
 s
ite
 h
ttp
s:
//p
91
.fa
ct
i.c
om
.b
r/
pa
e/
va
lid
ac
ao
.h
tm
l, 
in
fo
rm
an
do
 o
 c
ód
ig
o 
ve
rif
ic
ad
or
 P
A
E
5-
48
55
-8
34
1-
71
56
-3
86
8-
31
11
 
e 
o 
có
di
go
 C
R
C
 U
Z
D
IG
M
X
2.
Trilha de Aprendizagem: Inteligência Artificial aplicada à Visão Computacional

36

Na mesma linha do conceito de Alan Turing para a IA, podemos agora trazer 
outras definições, como a do Parlamento Europeu (2023): “A Inteligência Artificial 
(IA) é a capacidade que uma máquina tem para reproduzir competências 
semelhantes às humanas, como é o caso do raciocínio, a aprendizagem, o 
planejamento e a criatividade.” Ou ainda da empresa IBM (2023), que define assim 
a IA em seu site: “A Inteligência Artificial utiliza computadores e máquinas para 
imitar a capacidade de resolução de problemas e tomada de decisão da mente 
humana”.

McCarthy (2007) define assim a IA: “É a ciência e engenharia da criação de 
máquinas inteligentes, especialmente programas de computação inteligentes. Está 
relacionado à tarefa semelhante de usar computadores para entender a inteligência 
humana [...]”

Segundo o Ministério da Ciência, Tecnologia e Inovação (MCTI) e a 
Financiadora de Estudos e Projetos (Finep), em edital de contratação de startups 
para o “Projeto Soluções de Inteligência Artificial para o Poder Público” de agosto 
de 2023, entende-se por Inteligência Artificial como sendo: “Tecnologia que 
simula, por meio de algoritmos computacionais, mecanismos avançados de cognição 
e suporte à decisão baseado em grandes volumes de informação”.

Também podemos considerar abordagens diferentes para trazer a definição 
de IA, como fizeram Stuart Russell e Peter Norvig (2003). Eles dividem a 
conceitualização da IA em quatro objetivos potenciais, que distingue sistemas 
computacionais com base na racionalidade e pensamento versus ação:

● Abordagem humana: sistemas que pensam como humanos e Sistemas que 
agem como humanos;

● Abordagem ideal: sistemas com pensamento racional e Sistemas com atos 
racionais.

D
oc
um
en
to
 a
ss
in
ad
o 
el
et
ro
ni
ca
m
en
te
. V
er
ifi
ca
çã
o 
no
 s
ite
 h
ttp
s:
//p
91
.fa
ct
i.c
om
.b
r/
pa
e/
va
lid
ac
ao
.h
tm
l, 
in
fo
rm
an
do
 o
 c
ód
ig
o 
ve
rif
ic
ad
or
 P
A
E
5-
48
55
-8
34
1-
71
56
-3
86
8-
31
11
 
e 
o 
có
di
go
 C
R
C
 U
Z
D
IG
M
X
2.
https://repositorio.enap.gov.br/handle/1/7685
Trilha de Aprendizagem: Inteligência Artificial aplicada à Visão Computacional

Todas estas definições e conceitos, em conjunto, contribuem para 
entendermos o campo diversificado e dinâmico da IA.

Na próxima seção, nos aprofundaremos nos tipos e modelos de IA, trazendo 
exemplos práticos para cada caso.

































37

Reflita: As IAs que nos rodeiam hoje, atendem mais à 
abordagem humana ou à abordagem ideal, propostas por Stuart 
Russell e Peter Norvig (2003)? Por que você tem esse ponto de 
vista?

Figura 08: Máquina inteligente.

Fonte: imagem gerada por IA.
D
oc
um
en
to
 a
ss
in
ad
o 
el
et
ro
ni
ca
m
en
te
. V
er
ifi
ca
çã
o 
no
 s
ite
 h
ttp
s:
//p
91
.fa
ct
i.c
om
.b
r/
pa
e/
va
lid
ac
ao
.h
tm
l, 
in
fo
rm
an
do
 o
 c
ód
ig
o 
ve
rif
ic
ad
or
 P
A
E
5-
48
55
-8
34
1-
71
56
-3
86
8-
31
11
 
e 
o 
có
di
go
 C
R
C
 U
Z
D
IG
M
X
2.
Trilha de Aprendizagem: Inteligência Artificial aplicada à Visão Computacional

38

1.3.4. Tipos e modelos de IA











Figura 09: IA Forte vs IA Fraca.

Fonte: Lifewire.

A IA pode ser classificada em duas categorias principais, com três modelos 
diferentes divididos entres elas. Estas categorias e modelos são: IA fraca ou 
“Inteligência Artificial Estreita” e IA forte, que engloba os conceitos de 
“Inteligência Artificial Geral” e “Superinteligência Artificial”. 

A IA fraca, ou ANI (Artificial Narrow Intelligence), refere-se a sistemas 
projetados para realizar tarefas específicas de forma eficiente, como 
reconhecimento de voz, diagnóstico médico, recomendações de produtos e 
tradução automática. Esses sistemas são programados para processar dados e 
aplicar algoritmos e modelos estatísticos a fim de gerar resultados sem 
possuírem compreensão ou consciência. São tipos de ANI: assistentes virtuais 
(como a SIRI, da Apple; a Alexa, da Amazon; e a Google Assistant) e IAs 
Generativas (como o ChatGPT, da OpenAI; o Bard, da Google; e o Copilot, da 
Microsoft).

Os assistentes virtuais baseados em IA representam uma inovação 
significativa no campo da tecnologia, desempenhando um papel cada vez mais 
crucial em diversas áreas da vida cotidiana. Essas ferramentas inteligentes são 
projetadas para interagir com os usuários de maneira natural, fornecendo 
informações, realizando tarefas e facilitando a comunicação. 

D
oc
um
en
to
 a
ss
in
ad
o 
el
et
ro
ni
ca
m
en
te
. V
er
ifi
ca
çã
o 
no
 s
ite
 h
ttp
s:
//p
91
.fa
ct
i.c
om
.b
r/
pa
e/
va
lid
ac
ao
.h
tm
l, 
in
fo
rm
an
do
 o
 c
ód
ig
o 
ve
rif
ic
ad
or
 P
A
E
5-
48
55
-8
34
1-
71
56
-3
86
8-
31
11
 
e 
o 
có
di
go
 C
R
C
 U
Z
D
IG
M
X
2.
https://www.lifewire.com/strong-ai-vs-weak-ai-7508012
Trilha de Aprendizagem: Inteligência Artificial aplicada à Visão Computacional

39

Um componente fundamental desses assistentes é a capacidade de 
compreender e interpretar a linguagem natural, o que é alcançado por meio de 
avançados modelos de Processamento de Linguagem Natural e redes neurais.

Esses assistentes virtuais utilizam algoritmos de Aprendizado de Máquina 
para analisar padrões, entender o contexto e melhorar suas respostas ao longo 
do tempo com base nas interações anteriores. Isso resulta em uma experiência 
mais personalizada e eficiente para os usuários. O reconhecimento de fala é 
outra característica essencial, permitindo que os assistentes compreendam 
comandos verbais e realizem ações correspondentes (Kissinger et al., 2023) .

Em ambientes domésticos, assistentes como Alexa, Google Assistant e Siri 
se tornaram parte integrante da vida diária, controlando dispositivos 
domésticos inteligentes, respondendo a perguntas e executando tarefas 
simples. 

No campo da saúde, assistentes virtuais estão sendo empregados para 
fornecer informações médicas, agendar consultas e até mesmo monitorar 
condições de saúde. Os assistentes virtuais na medicina representam um 
avanço significativo, combinando a inteligência artificial com o cuidado ao 
paciente. Esta tecnologia está se tornando cada vez mais vital na medicina 
moderna, melhorando a acessibilidade e a qualidade dos cuidados de saúde.

À medida que a IA continua a evoluir, os assistentes virtuais prometem 
desempenhar um papel ainda mais relevante, transformando a maneira como 
interagimos com a tecnologia e integrando-se cada vez mais às diversas facetas 
de nossas vidas. 

Essas inovações, embora promissoras, requerem uma abordagem 
cuidadosa para equilibrar os benefícios oferecidos com as considerações éticas 
e de segurança, este assunto será nosso objeto de estudo na próxima seção.

D
oc
um
en
to
 a
ss
in
ad
o 
el
et
ro
ni
ca
m
en
te
. V
er
ifi
ca
çã
o 
no
 s
ite
 h
ttp
s:
//p
91
.fa
ct
i.c
om
.b
r/
pa
e/
va
lid
ac
ao
.h
tm
l, 
in
fo
rm
an
do
 o
 c
ód
ig
o 
ve
rif
ic
ad
or
 P
A
E
5-
48
55
-8
34
1-
71
56
-3
86
8-
31
11
 
e 
o 
có
di
go
 C
R
C
 U
Z
D
IG
M
X
2.
Trilha de Aprendizagem: Inteligência Artificial aplicada à Visão Computacional

40

Ainda dentro da IA fraca, temos a Inteligência Artificial Generativa (IA 
Generativa). Ela representa uma classe fascinante de algoritmos que têm 
revolucionado diversas áreas, desde a arte até a medicina. Essa abordagem 
inovadora utiliza redes neurais para criar dados ou conteúdo novo, muitas 
vezes indistinguível de criações humanas. Veja o caso do do prêmio Jabuti de 
2023,na categoria Ilustrações: uma obra contendo imagens geradas por IA foi 
selecionada como finalista do Prêmio Jabuti 2023, e só foi desclassificada pela 
organização da premiação após uma grande polêmica envolvendo o uso da 
tecnologia. Concorrendo na categoria de Melhor Ilustração de 2023, o livro em 
questão é uma nova edição do clássico Frankenstein, de Mary Shelley. A obra 
traz em torno de 50 imagens geradas por IA (Tecmundo, 2023).

Mas, o que mais impressiona nesse caso, é que um dos jurados responsável 
pela categoria de ilustrações, o desenhista André Dahmer, disse que não sabia 
do uso da tecnologia para a criação da ilustração quando votou! 

Diante disso, lembre-se do teste de Turing e reflita novamente: como 
podemos avaliar a inteligência das máquinas?





Figura 10: Livro ilustrado por IA Generativa.

Fonte: Tecmundo.

D
oc
um
en
to
 a
ss
in
ad
o 
el
et
ro
ni
ca
m
en
te
. V
er
ifi
ca
çã
o 
no
 s
ite
 h
ttp
s:
//p
91
.fa
ct
i.c
om
.b
r/
pa
e/
va
lid
ac
ao
.h
tm
l, 
in
fo
rm
an
do
 o
 c
ód
ig
o 
ve
rif
ic
ad
or
 P
A
E
5-
48
55
-8
34
1-
71
56
-3
86
8-
31
11
 
e 
o 
có
di
go
 C
R
C
 U
Z
D
IG
M
X
2.
https://www.tecmundo.com.br/software/273742-premio-jabuti-desclassifica-livro-ilustrado-ferramenta-ia.htm
Trilha de Aprendizagem: Inteligência Artificial aplicada à Visão Computacional

41

E a IA generativa já trabalha em alto nível não somente com imagens, mas 
com outras formas de criação também. 

Veja o infográfico a seguir:





























Na área da arte, a IA Generativa tem desafiado conceitos tradicionais de 
criatividade. O projeto "Edmond de Belamy" da Obvious, por exemplo, gerou 
uma obra de arte utilizando um algoritmo baseado em IA, alcançando 
reconhecimento e vendas em leilões renomados. Essa interseção entre 
tecnologia e criatividade evidencia o potencial transformador da IA Generativa.























Figura 11: Exemplos de uso de IA Generativa.

Fonte: Sankhya
Figura 12: Projeto Obvious.

Fonte: globo.com
D
oc
um
en
to
 a
ss
in
ad
o 
el
et
ro
ni
ca
m
en
te
. V
er
ifi
ca
çã
o 
no
 s
ite
 h
ttp
s:
//p
91
.fa
ct
i.c
om
.b
r/
pa
e/
va
lid
ac
ao
.h
tm
l, 
in
fo
rm
an
do
 o
 c
ód
ig
o 
ve
rif
ic
ad
or
 P
A
E
5-
48
55
-8
34
1-
71
56
-3
86
8-
31
11
 
e 
o 
có
di
go
 C
R
C
 U
Z
D
IG
M
X
2.
https://www.sankhya.com.br/blog/ia-generativa/
https://gq.globo.com/Prazeres/Tecnologia/noticia/2018/09/christies-faz-historia-com-o-primeiro-leilao-de-uma-obra-pintada-por-inteligencia-artificial.html
Trilha de Aprendizagem: Inteligência Artificial aplicada à Visão Computacional

42

No campo da música, a IA Generativa também deixou sua marca. O modelo 
Magenta, desenvolvido pelo Google, é capaz de criar composições musicais 
inéditas, demonstrando a capacidade da tecnologia em expandir os horizontes 
da expressão artística. Artistas e músicos têm explorado colaborações com 
algoritmos para criar peças únicas e inovadoras.

Outro exemplo interessante é a aplicação da IA Generativa em design de 
produtos. Empresas têm utilizado algoritmos para gerar designs de moda, 
móveis e até mesmo automóveis. Essa abordagem não apenas acelera o 
processo criativo, mas também introduz elementos inesperados e criativos, 
resultando em produtos únicos e cativantes. 

Contudo, é crucial considerar os desafios éticos associados à IA Generativa, 
como o potencial de criar deepfakes convincentes e manipulações de mídia. 
Conforme a tecnologia avança, é imperativo implementar salvaguardas éticas e 
regulamentações para mitigar possíveis abusos.

Por fim, falemos de dois modelos de IA Forte que ainda estão em fase de 
pesquisa. Primeiro, a Inteligência Artificial Geral (ou AGI - Artificial General 
Intelligence), que visa alcançar um nível de inteligência comparável ou superior 
à inteligência humana em todos os aspectos. 

Figura 13: Cena do filme Ex-Machina.

Fonte: DNA Films; Film4; Scott Rudin Productions.
D
oc
um
en
to
 a
ss
in
ad
o 
el
et
ro
ni
ca
m
en
te
. V
er
ifi
ca
çã
o 
no
 s
ite
 h
ttp
s:
//p
91
.fa
ct
i.c
om
.b
r/
pa
e/
va
lid
ac
ao
.h
tm
l, 
in
fo
rm
an
do
 o
 c
ód
ig
o 
ve
rif
ic
ad
or
 P
A
E
5-
48
55
-8
34
1-
71
56
-3
86
8-
31
11
 
e 
o 
có
di
go
 C
R
C
 U
Z
D
IG
M
X
2.
Trilha de Aprendizagem: Inteligência Artificial aplicada à Visão Computacional

43

Esse tipo de IA deverá ser capaz de compreender, aprender e raciocinar em 
uma ampla variedade de tarefas e contextos, assim como um ser humano. No 
momento, ainda não há exemplos de serviços disponíveis - apenas projetos em 
andamento.

Já a Superinteligência Artificial ou ASI (Artificial Superintelligence) buscaria 
não somente igualar as capacidades intelectuais humanas, como ocorre no 
modelo AGI, mas deverá focar no incremento e superação dessas capacidades. 
Este ainda é um campo teórico da IA, que, uma vez implementado, possibilitaria 
às máquinas não só aprender com as operações que realizam nas mais diversas 
áreas, mas também dispor da capacidade para melhorar e reformular todo um 
campo do conhecimento, como a engenharia, medicina e economia.

















Embora não haja exemplos de IA forte, o campo está apresentando 
inovações constantemente (IBM, 2023). Dito isso, voltaremos o nosso foco para 
áreas em que a IA já está desempenhando um papel mais importante 
atualmente, fora do campo das hipóteses.

É sobre algumas dessas aplicações e a sua importância em nossa sociedade 
que discutiremos na próxima seção.

Figura 14: Superinteligência Artificial.

Fonte: Genetic Literacy Project.



D
oc
um
en
to
 a
ss
in
ad
o 
el
et
ro
ni
ca
m
en
te
. V
er
ifi
ca
çã
o 
no
 s
ite
 h
ttp
s:
//p
91
.fa
ct
i.c
om
.b
r/
pa
e/
va
lid
ac
ao
.h
tm
l, 
in
fo
rm
an
do
 o
 c
ód
ig
o 
ve
rif
ic
ad
or
 P
A
E
5-
48
55
-8
34
1-
71
56
-3
86
8-
31
11
 
e 
o 
có
di
go
 C
R
C
 U
Z
D
IG
M
X
2.
https://geneticliteracyproject.org/2021/06/16/too-smart-for-our-own-good-how-artificial-superintelligence-could-lead-to-humanitys-demise/
Trilha de Aprendizagem: Inteligência Artificial aplicada à Visão Computacional

44

1.3.5. Importância e aplicações na 
sociedade moderna



Grandes avanços teóricos em IA finalmente têm produzido aplicações práticas 
que estão prestes a mudar nossas vidas. A IA já alimenta muitos de nossos 
aplicativos e sites favoritos, e nos próximos anos dirigirá nossos carros, 
gerenciará nossos portfólios, fabricará muito do que compramos e 
potencialmente tirará nossos empregos. Estes usos estão repletos de riscos 
promissores e perigos potenciais, e devemos nos preparar para as duas coisas.

(Lee, 2019, p.7)



A pesquisa e o desenvolvimento contínuo com IA têm impulsionado avanços 
significativos, permitindo que ela desempenhe um papel cada vez mais 
relevante em nossa sociedade. 

Conforme Kissinger et al. (2023), diferentes inteligências artificiais têm 
aprendido a realizar diferentes tarefas, antes atribuídas somente à capacidade 
humana, como vencer no xadrez, descobrir um novo antibiótico e pilotar jatos 
de combates.

Ainda segundo Kissinger et al. (2023, p.12) “agora [...] que o poder de 
computação necessário para operar a IA sofisticada está se tornando prontamente 
disponível, poucos setores permanecerão inalterados.” 

Hoje, a IA já promove desenvolvimento na medicina, automação, transporte, 
finanças, entretenimento e muitos outros setores, por conta da sua capacidade 
de processar dados em larga escala, aprender com eles e tomar decisões 
inteligentes; os ganhos atuais e as perspectivas futuras já são visíveis e 
mensuráveis.

D
oc
um
en
to
 a
ss
in
ad
o 
el
et
ro
ni
ca
m
en
te
. V
er
ifi
ca
çã
o 
no
 s
ite
 h
ttp
s:
//p
91
.fa
ct
i.c
om
.b
r/
pa
e/
va
lid
ac
ao
.h
tm
l, 
in
fo
rm
an
do
 o
 c
ód
ig
o 
ve
rif
ic
ad
or
 P
A
E
5-
48
55
-8
34
1-
71
56
-3
86
8-
31
11
 
e 
ocó
di
go
 C
R
C
 U
Z
D
IG
M
X
2.
Trilha de Aprendizagem: Inteligência Artificial aplicada à Visão Computacional

45

O infográfico abaixo ilustra, com dados de 2023, a presença da IA no Brasil:

























A Universidade de Stanford e o Instituto de Tecnologia de Massachusetts 
(MIT) desenvolveram um estudo que acompanhou durante um ano os efeitos 
do uso da IA em uma empresa de softwares de grande porte. 

Ao fim do estudo, chegaram aos seguintes resultados, divulgado em 2023: o 
uso de sistemas de IA generativa, como o ChatGPT, pode aumentar em até 14% 
a produtividade de trabalhadores. Em se tratando de funcionários 
recém-chegados, o estudo mostra que aqueles trabalhadores menos 
habituados a determinados afazeres da companhia conseguiram realizar seu 
trabalho 35% mais rápido com ajuda das mesmas IAs generativas, em 
comparação com os que não tiveram o suporte dessas tecnologias (Pergentino, 
2023).

Os Trabalhadores com dois meses de experiência e que receberam ajuda da 
IA tiveram um desempenho igual ou melhor do que os trabalhadores com mais 
de seis meses de experiência, e que trabalharam sem a ferramenta (Pergentino, 
2023).

Figura 15: Aplicação da IA nas organizações.

Fonte: Valor Econômico

D
oc
um
en
to
 a
ss
in
ad
o 
el
et
ro
ni
ca
m
en
te
. V
er
ifi
ca
çã
o 
no
 s
ite
 h
ttp
s:
//p
91
.fa
ct
i.c
om
.b
r/
pa
e/
va
lid
ac
ao
.h
tm
l, 
in
fo
rm
an
do
 o
 c
ód
ig
o 
ve
rif
ic
ad
or
 P
A
E
5-
48
55
-8
34
1-
71
56
-3
86
8-
31
11
 
e 
o 
có
di
go
 C
R
C
 U
Z
D
IG
M
X
2.
https://valor.globo.com/publicacoes/especiais/telecomunicacoes/noticia/2023/10/11/expansao-do-uso-depende-de-estrategia-adequada.ghtml
Trilha de Aprendizagem: Inteligência Artificial aplicada à Visão Computacional

46

Observe o infográfico abaixo, que traz os resultados de outro estudo, 
realizado pela Accenture Research em 2023, e que mostra o quanto o uso da IA 
já tem sido um importante fator para aumento da lucratividade de empresas 
dos mais variados segmentos:

Figura 16: aumento de lucratividade com uso da IA.

Fonte: Zendesk.



D
oc
um
en
to
 a
ss
in
ad
o 
el
et
ro
ni
ca
m
en
te
. V
er
ifi
ca
çã
o 
no
 s
ite
 h
ttp
s:
//p
91
.fa
ct
i.c
om
.b
r/
pa
e/
va
lid
ac
ao
.h
tm
l, 
in
fo
rm
an
do
 o
 c
ód
ig
o 
ve
rif
ic
ad
or
 P
A
E
5-
48
55
-8
34
1-
71
56
-3
86
8-
31
11
 
e 
o 
có
di
go
 C
R
C
 U
Z
D
IG
M
X
2.
https://www.zendesk.com.br/blog/chatbot-de-inteligencia-artificial/
Trilha de Aprendizagem: Inteligência Artificial aplicada à Visão Computacional

47

Justamente por conta dos benefícios que a IA traz, é necessário ponderar 
sobre o emprego inadequado da tecnologia: o seu uso de maneira 
irresponsável, ilegal ou antiético pode trazer prejuízos às pessoas, 
organizações e governos, dificultando ou mesmo impedindo o avanço da 
sociedade. Por isso, é de extrema importância o olhar ético ao construir-se 
quaisquer implementação utilizando IA. 

Diversas empresas e instituições, tanto públicas quanto privadas, têm 
buscado compreender as nuances da ética no contexto da IA. Dentre diversos 
esforços, nós podemos, a título ilustrativo, observar e aprender com a 
abordagem que a Microsoft (2022) trouxe nos seus 6 Princípios da IA 
responsável:

1 - Princípio da justiça: os sistemas de AI devem tratar todas as pessoas de 
forma justa. Por exemplo, uma IA de conversação não pode atender somente 
um cliente bom pagador;

2 - Princípio da inclusão: os sistemas de AI devem capacitar a todos e 
envolver as pessoas. A IA não pode deixar de atender todas as classes sociais, 
os diferentes gêneros e qualquer tipo de diversidade existente em nossa 
sociedade;

3 - Princípio da transparência: os sistemas de AI e seus resultados devem ser 
compreensíveis à todos. A documentação da IA deve estar disponível e clara 
em conceito e aplicação para o desenvolvedor que vier a utilizá-las;

4 - Princípio da responsabilidade: as pessoas devem ser responsáveis pelos 
sistemas de AI. Nunca devemos colocar a responsabilidade de uma tomada de 
decisão errada em uma IA, mas, sim, lembramos que um ser humano foi o 
responsável por treinar e validar as informações de saída do sistema;

D
oc
um
en
to
 a
ss
in
ad
o 
el
et
ro
ni
ca
m
en
te
. V
er
ifi
ca
çã
o 
no
 s
ite
 h
ttp
s:
//p
91
.fa
ct
i.c
om
.b
r/
pa
e/
va
lid
ac
ao
.h
tm
l, 
in
fo
rm
an
do
 o
 c
ód
ig
o 
ve
rif
ic
ad
or
 P
A
E
5-
48
55
-8
34
1-
71
56
-3
86
8-
31
11
 
e 
o 
có
di
go
 C
R
C
 U
Z
D
IG
M
X
2.
Trilha de Aprendizagem: Inteligência Artificial aplicada à Visão Computacional

48

5 - Princípio da confiabilidade e segurança: os sistemas de AI devem 
funcionar de forma confiável e segura. Quando falamos em Confiabilidade, 
estamos falando de todas as entradas de dados de usuário que alimentarão um 
treinamento de uma IA, seja por meio de campos como inputs de formulários 
ou base de dados (mesmo aquelas adquiridas no mercado);

6 - Princípio da privacidade: os sistemas de AI devem ser seguros e respeitar a 
privacidade. Quando falamos em Privacidade, estamos falando de todas as 
saídas de dados mostradas para os usuários. Nelas, os valores devem ser 
mostrados somente se necessário e/ou com proteções como criptografia.

Em 2023, a UNESCO divulgou recomendação sobre as implicações éticas do 
uso da IA. Os valores contidos nessa recomendação são: 

Nenhum ser humano ou comunidade deve ser prejudicado ou subordinado, 
seja fisicamente, economicamente, socialmente, politicamente, culturalmente 
ou mentalmente durante qualquer fase do ciclo de vida dos sistemas de IA. Nas 
interações com a IA, as pessoas nunca devem ser objetificadas, nem sua 
dignidade deve ser prejudicada, ou os direitos humanos e liberdades 
fundamentais violados ou abusados. (UNESCO, 2023)















Nos próximos itens, nós discutiremos os benefícios que o uso da IA 
consciente e responsável tem trazido a diversos campos da sociedade moderna.





Reflita: Como você, individualmente, pode contribuir para que 
a IA se estabeleça na sociedade de forma ética e responsável? 

D
oc
um
en
to
 a
ss
in
ad
o 
el
et
ro
ni
ca
m
en
te
. V
er
ifi
ca
çã
o 
no
 s
ite
 h
ttp
s:
//p
91
.fa
ct
i.c
om
.b
r/
pa
e/
va
lid
ac
ao
.h
tm
l, 
in
fo
rm
an
do
 o
 c
ód
ig
o 
ve
rif
ic
ad
or
 P
A
E
5-
48
55
-8
34
1-
71
56
-3
86
8-
31
11
 
e 
o 
có
di
go
 C
R
C
 U
Z
D
IG
M
X
2.
Trilha de Aprendizagem: Inteligência Artificial aplicada à Visão Computacional

49

1.3.5.1. Medicina

A integração da IA com a medicina inaugurou uma era transformadora, 
oferecendo uma infinidade de benefícios que melhoram o atendimento ao 
paciente, o diagnóstico e a gestão geral da saúde. Esta sinergia entre a 
tecnologia avançada e a ciência médica tem o potencial de revolucionar o 
panorama da saúde.

Uma das principais vantagens do emprego da IA na medicina é a sua 
capacidade de agilizar o processo de diagnóstico. Algoritmos de Aprendizado de 
Máquina podem analisar vastos conjuntos de dados, incluindo imagens médicas 
e registros de pacientes, com velocidade e precisão sem precedentes. Isso se 
traduz em diagnósticos mais rápidos e precisos, levando a intervenções 
oportunas e melhores resultados para os pacientes.

Segundo artigo elaborado pela médica Joana Rezende, da MEDWAY, a 
Inteligência Artificial faz análises de imagens com precisão entre 5% a 10% maior 
que as dos médicos, numa velocidade muito maior. Vejamos 5 aplicações da IA 
na medicina (Rezende, 2023):

● Diagnóstico médico assistido por IA: a IA já é aplicada em exames 
laboratoriais, em diagnósticos por imagem e em históricos médicos, 
ajudando os médicos a identificarem doenças e condições de saúde com 
mais rapidez e precisão melhorando a eficácia do tratamento. Um exemplo 
prático é a análise de células por Visão Computacional, o que permite 
identificar, porimagens, a existência de tumores não visíveis a olho nu.

Dessa forma, a IA funciona de forma preventiva, contribuindo não apenas 
para o tratamento, mas para a prevenção de problemas de saúde.

● Medicina personalizada: a IA desempenha um papel fundamental ao 
adaptar os tratamentos com base nas características individuais do paciente. 

D
oc
um
en
to
 a
ss
in
ad
o 
el
et
ro
ni
ca
m
en
te
. V
er
ifi
ca
çã
o 
no
 s
ite
 h
ttp
s:
//p
91
.fa
ct
i.c
om
.b
r/
pa
e/
va
lid
ac
ao
.h
tm
l, 
in
fo
rm
an
do
 o
 c
ód
ig
o 
ve
rif
ic
ad
or
 P
A
E
5-
48
55
-8
34
1-
71
56
-3
86
8-
31
11
 
e 
o 
có
di
go
 C
R
C
 U
Z
D
IG
M
X
2.
Trilha de Aprendizagem: Inteligência Artificial aplicada à Visão Computacional

50

Ao analisar dados genéticos, fatores de estilo de vida e históricos médicos, 
os algoritmos de IA podem identificar planos de tratamento ideais, 
minimizando os efeitos adversos e maximizando a eficácia terapêutica. Esta 
abordagem personalizada representa um salto significativo em direção a 
cuidados de saúde mais eficazes e centrados no paciente. Além disso, a IA 
contribui para a otimização das operações hospitalares e da gestão de 
recursos. 

Os modelos de análise preditiva podem prever admissões de pacientes, 
permitindo que as instalações de saúde aloquem recursos de forma 
eficiente e simplifiquem os fluxos de trabalho. Isto não só aumenta a 
eficiência operacional, mas também garante que os profissionais médicos 
possam se concentrar mais no atendimento ao paciente.

● Análise de imagens médicas: a interpretação de imagens médicas 
(tomografias computadorizadas, ressonâncias magnéticas, radiografias, 
mamografias) é uma tarefa complexa, que exige precisão e experiência. A 
partir de seu desempenho superior na identificação de padrões visuais, 
algoritmos comparam milhares ou milhões de imagens em alguns 
segundos. A análise de IA aponta mudanças em tecidos e órgãos humanos. 
Desse modo, ela detecta indícios precoces de anomalias e doenças.

● Assistência cirúrgica robótica: a cirurgia robótica é uma operação 
auxiliada por robôs, minimamente invasiva. Esses robôs dão assistência a 
procedimentos cirúrgicos complexos, garantindo precisão e estabilidade ao 
realizar movimentos delicados, que seriam complicados para serem 
executados de forma manual. É possível para o médico controlar o 
procedimento à distância. O sistema robótico controlado por IA permite 
ainda a análise de dados em tempo real, transformando estes dados em 
informações valiosas para os médicos-cirurgiões, ainda durante o 
procedimento.

D
oc
um
en
to
 a
ss
in
ad
o 
el
et
ro
ni
ca
m
en
te
. V
er
ifi
ca
çã
o 
no
 s
ite
 h
ttp
s:
//p
91
.fa
ct
i.c
om
.b
r/
pa
e/
va
lid
ac
ao
.h
tm
l, 
in
fo
rm
an
do
 o
 c
ód
ig
o 
ve
rif
ic
ad
or
 P
A
E
5-
48
55
-8
34
1-
71
56
-3
86
8-
31
11
 
e 
o 
có
di
go
 C
R
C
 U
Z
D
IG
M
X
2.
Trilha de Aprendizagem: Inteligência Artificial aplicada à Visão Computacional

51

● Monitoramento de saúde e prevenção de doenças: no domínio da 
investigação médica, a IA acelera o ritmo da descoberta de enfermidades. 
Algoritmos de Aprendizado de Máquina podem analisar vastos conjuntos de 
dados para identificar padrões, potenciais candidatos a medicamentos e 
modalidades de tratamento. Isto acelera o processo de desenvolvimento de 
medicamentos, tornando-o mais rentável e facilitando a introdução de 
terapias inovadoras no mercado.

Hoje, cada indivíduo pode monitorar e fornecer um conjunto incontável de 
dados, sobre sua própria saúde, por meio dos dispositivos vestíveis, como 
relógios inteligentes (smartwatches) e pulseiras inteligentes, que. 
combinados com algoritmos de IA realizam um constante 
acompanhamento dos sinais vitais do usuário, registra-os e fornecem 
informações a respeito de sua saúde geral.

Além destas cinco aplicações, também vale destacar o advento e 
popularização da telemedicina, que, potencializada pela IA, tornou-se um 
componente crucial dos cuidados de saúde modernos. Chatbots controlados por 
IA e assistentes virtuais de saúde oferecem respostas imediatas às dúvidas dos 
pacientes, fornecem informações de saúde e até auxiliam em diagnósticos 
preliminares. Isto não só melhora a acessibilidade aos serviços de saúde, mas 
também alivia a carga sobre os prestadores de cuidados de saúde, 
permitindo-lhes concentrar-se em casos complexos.

Apesar destes benefícios notáveis, as implicações éticas da IA na medicina 
também merecem uma consideração cuidadosa. As preocupações com a 
privacidade, a segurança dos dados e os preconceitos algorítmicos devem ser 
abordados para garantir a implantação responsável e equitativa de tecnologias 
de IA nos cuidados de saúde (Kissinger et al., 2023).
D
oc
um
en
to
 a
ss
in
ad
o 
el
et
ro
ni
ca
m
en
te
. V
er
ifi
ca
çã
o 
no
 s
ite
 h
ttp
s:
//p
91
.fa
ct
i.c
om
.b
r/
pa
e/
va
lid
ac
ao
.h
tm
l, 
in
fo
rm
an
do
 o
 c
ód
ig
o 
ve
rif
ic
ad
or
 P
A
E
5-
48
55
-8
34
1-
71
56
-3
86
8-
31
11
 
e 
o 
có
di
go
 C
R
C
 U
Z
D
IG
M
X
2.
Trilha de Aprendizagem: Inteligência Artificial aplicada à Visão Computacional

52

Concluindo, a integração da IA na medicina é uma promessa imensa para o 
avanço do atendimento ao paciente, do diagnóstico e da gestão da saúde. 
Desde diagnósticos rápidos a planos de tratamento personalizados e maior 
eficiência operacional, os benefícios da IA na medicina são vastos. Ao passo em 
que o campo continua a evoluir, é essencial uma abordagem ponderada e ética 
para aproveitar todo o potencial da IA na melhoria dos resultados globais dos 
cuidados de saúde.

Reflita: você confiaria mais em um diagnóstico médico 
realizado por uma pessoa ou por uma IA? Por quê?

D
oc
um
en
to
 a
ss
in
ad
o 
el
et
ro
ni
ca
m
en
te
. V
er
ifi
ca
çã
o 
no
 s
ite
 h
ttp
s:
//p
91
.fa
ct
i.c
om
.b
r/
pa
e/
va
lid
ac
ao
.h
tm
l, 
in
fo
rm
an
do
 o
 c
ód
ig
o 
ve
rif
ic
ad
or
 P
A
E
5-
48
55
-8
34
1-
71
56
-3
86
8-
31
11
 
e 
o 
có
di
go
 C
R
C
 U
Z
D
IG
M
X
2.
Trilha de Aprendizagem: Inteligência Artificial aplicada à Visão Computacional

53

1.3.5.2. Indústria

A Indústria tem vivido uma revolução impulsionada pela IA, com aplicações 
práticas que transformam processos tradicionais. A manutenção preditiva, o 
controle de estoque, o design generativo, a gestão da qualidade, a robótica e a 
redução de perdas são apenas algumas das áreas em que a IA exerce impacto 
significativo, moldando um novo paradigma industrial.

A manutenção preditiva, um dos destaques da aplicação da IA na indústria, 
revoluciona a abordagem convencional de reparos e substituições. Sistemas de 
IA alimentados por ML analisam dados em tempo real, identificando padrões 
que indicam possíveis falhas em equipamentos. Isso permite intervenções 
proativas, reduzindo o tempo de inatividade e os custos associados. A previsão 
precisa de necessidades de manutenção impulsiona a eficiência operacional.

O controle de estoque é outra esfera na qual a IA desempenha um papel 
relevante. Sistemas inteligentes utilizam algoritmos de ML para analisar padrões 
de demanda, sazonalidade e comportamento do consumidor. Essa análise 
preditiva aprimorada resulta em uma gestão de estoque mais eficiente, 
reduzindo custos de armazenamento e evitando escassez ou excesso de 
produtos. A precisão na previsão de demanda é vital para a sustentabilidade e 
competitividade das empresas na era digital.

O design generativo, por sua vez, ilustra como a IA influencia a criação de 
produtos inovadores. Algoritmos generativos capacitados por IA exploram 
automaticamente diversas opções de design com base em critérios específicos. 
Essa abordagem não apenas acelera o processo criativo, mas também leva à 
concepção de produtos mais eficientes em termos de recursos e desempenho. A 
IA se torna uma aliada na busca pela excelência e