Histórico e Princípios de Inteligência Artificial

Prévia do material em texto

Histórico e Princípios de
Inteligência Artificial
2
PROIBIDA A REPRODUÇÃO TOTAL OU PARCIAL, SEM AUTORIZAÇÃO.
Lei nº 9610/98 – Lei de Direitos Autorais
3
Os debates sobre Inteligência Artificial (IA) vem se consolidando na contemporaneidade,
visto a enorme onde de novas tecnologias que automatizam e aceleram o processo de
evolução da sociedade, se tornando auxiliares do homem na busca por melhoria e
automatização em diversos processos.
Ela é um campo da ciência da computação que desenvolve sistemas e algoritmos capazes
de realizar tarefas que exigiriam a inteligência humana para serem feitas. Portanto, pode-
se afirmar que a IA visa criar máquinas que possam simular habilidades cognitivas
humanas, como aprendizado, raciocínio, percepção, tomada de decisões, compreensão da
linguagem natural e solução de problemas complexos.
Em termos mais simples, a Inteligência Artificial busca construir programas de
computador que possam imitar ou replicar comportamentos inteligentes e tomar
decisões baseadas em dados e experiências anteriores. Esses programas são projetados
para aprender com exemplos, reconhecer padrões, adaptar-se a novas situações
e realizar tarefas de forma autônoma.
Um exemplo clássico sobre a transformação da inteligência artificial pode ser observado
no filme O Homem Bicentenário, lançado nos anos 2000, que retrata a chegada da
inteligência artificial na vida dos cidadãos por meio de robôs em um futuro distópico,
mostrando como eles realizam tarefas e provocam uma série de melhorias e comodidades
no dia a dia dos seres humanos. Na imagem abaixo vemos uma cena em que o robô
Andrew - chamado originalmente de "Isto" para evitar qualquer personalização e criação
de possíveis laços de afetividade - ajuda a filha de seu dono.
Figura 1 - O Homem Bicentenário
Fonte: Touchstone Pictures, 2000
4
Cabe aqui destacar dois conceitos fundamentais que dialogam com o cenário apresentado
pelo filme, que é inteligência artificial forte e inteligência artificial fraca. Quaresma
(2021) afirma que a IA fraca se desenvolve amplamente, constituindo sistemas
especialistas cada vez mais sofisticados, sem. contudo, desenvolver uma capacidade de
inteligência, ao contrário da vertente forte, que busca replicar as funções superiores do
cérebro, entregando uma capacidade cognitiva igual ou até mesmo superior ao cérebro
humano.
Dentre deste contexto, existem diferentes abordagens e técnicas dentro da IA, incluindo
aprendizado de máquina (machine learning), redes neurais, lógica fuzzy, algoritmos
genéticos, processamento de linguagem natural, visão computacional, entre outras. Vale
ressaltar que cada uma dessas áreas tem suas próprias técnicas e métodos específicos
para desenvolver sistemas de IA capazes de realizar tarefas específicas.
A inteligência artificial tem aplicações em uma ampla variedade de setores, como saúde,
finanças, transporte, manufatura, robótica, jogos, assistentes virtuais e várias outras, além
disso, à medida que a tecnologia continua a avançar, a IA tem o potencial de transformar
significativamente a maneira como vivemos, trabalhamos e interagimos com a tecnologia.
Prova disso é o uso de dispositivos automatizados no cotidiano, como a Alexa, assistente
de voz da Amazon, a Siri, da Apple, o próprio corretor automático dos smartphones, as
tecnologias de reconhecimento facial (face id), utilizadas para segurança e em redes
sociais por meio dos filtros de animação, entre outros.
A Inteligência Artificial tem vários princípios fundamentais que orientam seu
desenvolvimento e uso, vejamos os exemplos abaixo:
Automação e Tomada de Decisões: A IA busca automatizar tarefas e processos1.
que normalmente exigiriam intervenção humana. Ela é projetada para tomar
decisões com base em dados e algoritmos, permitindo a realização de tarefas de
forma mais eficiente e precisa.
Aprendizado de Máquina: O aprendizado de máquina (machine learning) é um2.
dos principais norteadores da IA. Ele envolve o desenvolvimento de algoritmos que
permitem que as máquinas aprendam a partir de dados, identifiquem padrões,
façam previsões e melhorem seu desempenho ao longo do tempo sem serem
explicitamente programadas.
Adaptabilidade: A IA deve ser capaz de se adaptar a diferentes cenários e3.
contextos. Ela deve ser flexível o suficiente para lidar com situações novas e
imprevistas, ajustando-se e aprendendo com novas informações para melhorar seu
desempenho.
Interpretação e Compreensão: A IA visa entender e interpretar informações e4.
dados, seja na forma de linguagem natural, imagens, sons ou outros formatos. Isso
envolve o processamento de linguagem natural, visão computacional e outras
técnicas para permitir que as máquinas compreendam e extraiam significado dos
dados.
Ética e Responsabilidade: A IA também deve ser desenvolvida e usada de forma5.
ética e responsável. Isso inclui considerações sobre privacidade, transparência,
equidade, segurança e evitar o viés algorítmico. Os sistemas de IA devem ser
5
projetados levando em conta as consequências sociais e éticas de suas decisões e
ações.
Esses são apenas alguns dos princípios fundamentais da Inteligência Artificial, conforme a
tecnologia evolui e novos desafios surgem, é importante continuar discutindo e definindo
os princípios éticos e práticas responsáveis para garantir que a IA seja usada de maneira
benéfica para a sociedade.
A história da IA remonta a décadas atrás, com várias contribuições importantes ao longo
do tempo. Sua origem remete aos estudos da lógica, matemática, filosofia e neurociência.
Os primeiros trabalhos na área datam do final dos anos 1940 e início dos anos 1950, com
pesquisadores como Alan Turing, John von Neumann e Claude Shannon, que
desenvolveram conceitos-chave relacionados à computação e à inteligência.
Em 1950, Alan Turing propôs um teste chamado "Teste de Turing", que se tornou um
marco importante na história da IA. O teste consiste em determinar se uma máquina pode
exibir um comportamento inteligente indistinguível do de um ser humano. Onody (2021,
online) destaca que
"quando os primeiros computadores começaram a funcionar, muitos já se perguntavam:
Eles podem pensar? Em caso positivo, um dia eles se equiparariam aos seres humanos?
Pensando neste assunto, Turing publicou o artigo Computing Machinery and Intelligence
em 1950. Na primeira parte desse artigo ele propõe o Jogo da Imitação. Nesse jogo, 3
indivíduos – um homem, uma mulher e um juiz (homem ou mulher), em salas isoladas,
podem se comunicar somente através de textos datilografados. O homem e a mulher
devem ludibriar o juiz, fazendo-se passar por mulher e homem, respectivamente. Em
seguida, Turing substitui um deles por um computador. Esta última forma, ficou conhecida
como Teste de Turing".
Foi durante as décadas de 1950 e 1960 que pesquisadores desenvolveram algoritmos e
programas que possibilitavam às máquinas executarem tarefas específicas, como jogar
xadrez e resolver problemas matemáticos. Esses sistemas eram baseados em regras e
não possuíam a capacidade de aprendizado. Entretanto, a partir dos anos 1980, houve um
grande avanço na área de Aprendizado de Máquina (Machine Learning), que é um
subcampo da IA.
O Machine Learning permite que as máquinas aprendam a partir de dados e melhorem
seu desempenho ao longo do tempo. Algoritmos como redes neurais artificiais, árvores de
decisão e algoritmos genéticos foram desenvolvidos nesse período.
Essa evolução continuou e nas últimas décadas, a disponibilidade de grandes quantidades
de dados e o poder computacional crescente impulsionaram o progresso da IA. O uso de
técnicas de machine learning em conjunto com grandes conjuntos de dados (Big Data)
permitiu avanços significativos em áreas como reconhecimento de voz, visão
computacional, processamento de linguagem natural e muito mais. Santos, Camilo e Melo
(2018, p. 51) observam que
"de uma maneira geral, a função secundária e construtivista do Big Data e da Inteligência
Artificial (IA) é essencialmente analisar o comportamento social, emocional e
6
informacionaldo consumidor, logo, o intuito maior dessas tecnologias é gerar lucros de
maneira exponencial e aumentar a capacidade de atuação do universo empresarial na
sociedade, mediante informações que são emanadas pelas pessoas e não somente de
maneira verbal, mas física e intelectual".
Existe ainda o deep learning, que em tradução livre significa aprendizado profundo, que se
configura como uma abordagem dentro do machine learning que utiliza redes neurais
artificiais profundas para extrair características e padrões complexos dos dados. Essa
abordagem tem sido extremamente bem-sucedida em várias tarefas, incluindo
reconhecimento de imagens, tradução automática e reconhecimento de fala.
Kaufman (2018) observa que o deep learning é uma estratégia muito importante visto que
pode transformar grandes volumes de dados em informação útil, atuando na previsão,
criando um padrão de respostas com o qual os sujeitos se identificarão, a exemplo do
Google, que seleciona respostas personalizadas de acordo com o perfil de cada usuário,
direcionando a ele apenas o que de fato o interessa.
A IA tem se consolidado como uma tendência, otimizando os processos e a vida de seus
usuários, por isso compreendê-la é uma ferramenta para utilizá-la com qualidade e
consciência, tornando o dia a dia e os processos decisórios mais precisos, seja na vida
pessoal ou no trabalho.
7
Referências
KAUFMAN, Dora. Deep learning: a inteligência artificial que domina a vida do século xxi.
Teccogs: Revista Digital de Tecnologias Cognitivas, São Paulo, v. 17, n. 1, p. 17-30,
dez. 2018.
__________________. Fundamentos e lógica da IA. In: KAUFMAN, Dora. Desmistificando a
inteligência artificial. São Paulo: Autêntica Editora, 2022. p. 17-42.
MELLO, Mariana Rodrigues Gomes de; CAMILLO, Everton da Silva; SANTOS, Beatriz Rosa
Pinheiro dos. BIG DATA E INTELIGÊNCIA ARTIFICIAL: aspectos éticos e legais mediante a
teoria crítica. Complexitas – Revista de Filosofia Temática, [S.L.], v. 3, n. 1, p. 50, fev.
2019.
ONODY, Roberto N. Teste de Turing e Inteligência Artificial. 2021. In: IFSC USP.
QUARESMA, Alexandre. Inteligência artificial fraca e força bruta computacional. Techno
Review. International Technology, Science And Society Review /Revista
Internacional de Tecnología, Ciencia y Sociedad, [S.L.], v. 10, n. 1, p. 67-78, jul.
2021.
SILVA, Victor José; BONACELLI, Maria Beatriz Machado; PACHECO, Carlos Américo. O
sistema tecnológico digital. Revista Brasileira de Inovação, [S.L.], v. 19, p. 1-31, dez.
2020.