O termo inteligência artificial (IA) traz à mente muitas imagens difundidas pela cultura pop, como guerra entre humanos e robôs. Porém, o verdadeiro futuro desta tecnologia é promissor e trará grandes avanços, principalmente em relação à qualidade de vida dos cidadãos.
História da Inteligência Artificial
A inteligência artificial ganhou oficialmente este nome em 1956, durante uma conferência na Dartmouth College, universidade localizada no estado norte-americano New Hampshire. No evento, foi definido que a IA se refere à "ciência e engenharia de produzir máquinas inteligentes". Apesar de diversas experiências ao longo das décadas, foi somente recentemente que a inteligência artificial ganhou forma e passou a integrar dispositivos usados no dia a dia. Um exemplo é a criação de assistentes pessoais virtuais, como a Siri ou a Cortana, que funcionam nos smartphones e auxiliam em tarefas básicas, entre elas definir alarmes no celular, lembrar compromissos e informar a previsão do tempo.
Técnicas dentro da Inteligência Artificial
Não existe apenas um método para desenvolver produtos com inteligência artificial. Trata-se de um campo amplo e que engloba diferentes técnicas e dados, conforme explica o Portal SAS.
Machine learning
Significa "aprendizado da máquina". Um software de computador, por exemplo, fará unicamente o que foi inicialmente programado para desempenhar. Já no machine learning, os dispositivos acessam milhões de dados e estatísticas para aprender por conta própria. Ao longo do tempo, seus algoritmos se tornam mais complexos e capazes de identificar padrões no banco de dados. Como resultado, conseguem definir uma ação ou fazer previsões com base nestes padrões descobertos. De forma resumida, é um computador que aprende conforme é utilizado. Para aplicar o método na sua rotina, imagine a seguinte situação: quando você acessa uma loja virtual de calçados e procura por determinados modelos, horas depois será impactado com um anúncio desta mesma loja e sugestões de produtos semelhantes. Aqui, é o machine learning trabalhando a partir da análise do seu histórico de busca na internet.
Deep Learning
Pertence à subcategoria de aprendizado de máquina, mas aqui os conhecimentos são mais profundos e se assemelham às capacidades humanas, como reconhecimento de fala e visão computacional. O método foi uma das bases para o desenvolvimento do Google Tradutor. O deep learning não precisa de conhecimento prévio, podendo fazer análise de dados brutos, como áudios e imagens. Neste método, são utilizadas as redes neurais, que buscam simular o cérebro humano. Um exemplo, citado no Portal Terra, ajuda a entender o conceito. Imagine que o computador acessa uma imagem e precisa identificar do que se trata. Cada neurônio artificial fica responsável por analisar uma informação da imagem. Juntos, eles constroem uma compreensão sobre este gráfico e chegam ao resultado final, por exemplo, de que é a foto de um avião.
Computação cognitiva
Neste formato, o objetivo é simular os processos do pensamento humano em um computador. Ou seja, imitar a maneira como o cérebro funciona. As decisões tomadas pelos dispositivos serão baseadas em experiências anteriores, que serão mantidas na base de dados da máquina.
