O que é inteligência artificial?
Uma definição inicial de inteligência artificial (IA) veio de um de seus pais fundadores, Martin Minsky, que a descreveu como "a ciência de fazer as máquinas realizarem coisas que exigiriam inteligência se fossem feitas por homens". Embora a base dessa definição seja verdadeira, hoje os modernos cientistas da computação vão um pouco mais além e definem a IA como um sistema capaz de perceber seu ambiente e tomar ações para maximizar a chance de alcançar os objetivos com sucesso e, além disso, capaz de interpretar e analisar dados de modo que ele aprenda e se adapte com o passar do tempo.
História da IA
Do mito grego de Pigmaleão ao conto vitoriano de Frankenstein, os seres humanos tinham fascínio pela ideia de criar um ser feito pelo homem que pudesse pensar e agir como uma pessoa. Com a ascensão dos computadores, percebemos que a visão da inteligência artificial surgiria não na forma de entidades independentes e autônomas, mas como um conjunto de ferramentas e tecnologias conectadas que poderiam evoluir e se adaptar às necessidades humanas.
O termo inteligência artificial foi adotado em 1956, em uma conferência científica na Universidade de Dartmouth, em Hanover, New Hampshire. Desde então, a IA e o gerenciamento de dados se desenvolveram de modo extremamente interdependente. Para fazer análises significativamente robustas, a IA requer muito Big Data. No processamento digital de grande volume de dados, o sistema precisa de IA. Assim, a história da IA se desenvolveu juntamente com a ascensão do poder computacional e das tecnologias de banco de dados.
Sistemas empresariais que antes só lidavam com alguns gigabytes de dados agora gerenciam terabytes e usam IA para processar resultados e insights em tempo real. E, ao contrário de uma criação artificial que desce cambaleante até a aldeia, as tecnologias de IA são ágeis e responsivas, projetadas para melhorar e complementar seus parceiros humanos, não substituí-los.
Tipos de IA
A IA é uma das áreas de mais rápido crescimento do desenvolvimento tecnológico. No entanto, mesmo os modelos de IA mais complexos estão usando apenas a "inteligência artificial estreita", que é a mais básica dos três tipos de IA. Os outros dois ainda são considerados ficção científica e, no momento, não estão sendo usados em termos práticos. Dito isso, com o ritmo de avanço da ciência da computação nos últimos 50 anos, é difícil dizer para onde o futuro da IA nos levará.
Os três principais tipos de IA
Inteligência artificial estreita (ANI)
A ANI é o tipo de IA que existe hoje e também é conhecida como IA "fraca". Embora as tarefas que a IA estreita pode executar sejam impulsionadas por redes neurais e algoritmos altamente complexos, elas são simples e orientadas por objetivos. O reconhecimento facial, as pesquisas na Internet e os carros autônomos são exemplos de IA estreita. Ela é categorizada como fraca não porque carece de escopo e poder, mas porque ainda está longe de ter os componentes humanos que atribuímos à verdadeira inteligência. O filósofo John Searle define a IA estreita como sendo "útil para testar uma hipótese sobre mentes, mas na verdade não seriam mentes".
Inteligência artificial geral (AGI)
A AGI deve ser capaz de realizar com sucesso qualquer tarefa intelectual que um humano realiza. Como os sistemas de IA estreita, os sistemas AGI podem aprender com a experiência e identificar e prever padrões, mas com capacidade de dar um passo adiante. A AGI pode extrapolar esse conhecimento em uma ampla gama de tarefas e situações que não são tratadas por dados adquiridos anteriormente nem por algoritmos existentes.
O supercomputador Summit é um dos poucos supercomputadores do mundo que demonstra a AGI. Ele pode realizar 200 quadrilhões de cálculos em um segundo – o que um homem levaria um bilhão de anos para fazer. Para que os modelos de AGI sejam significativamente viáveis, eles não precisariam necessariamente de muito poder, mas sim de capacidades computacionais que atualmente só existem em níveis de supercomputador.
Superinteligência artificial (ASI)
Os sistemas ASI são em teoria totalmente autoconscientes. Além de simplesmente imitarem ou compreenderem o comportamento humano, eles o interiorizam em um nível fundamental.
Munida dessas características humanas e otimizada ainda mais com a capacidade de processamento e análise que excede de longe a nossa, a ASI parece apresentar um futuro distópico, de ficção científica, em que os seres humanos se tornam cada vez mais obsoletos.
É improvável que alguém de hoje venha a testemunhar tal mundo, mas o fato é que a IA está avançando a um ritmo que sugere a importância de considerar as diretrizes éticas e a gestão responsável prevendo uma inteligência artificial que possa nos superar de quase todas as formas mensuráveis. Como Stephen Hawking aconselha: "Por causa do grande potencial da IA, é importante pesquisar como colher seus benefícios e, ao mesmo tempo, evitar possíveis armadilhas."
Benefícios da IA
Há apenas algumas décadas, o uso da IA em operações de negócios estava em um estágio de "adoção inicial" e seu potencial ainda era um tanto teórico. Desde então, as tecnologias e os aplicativos de IA vêm avançando e agregando valor às empresas, e a IDC prevê que os gastos com tecnologia de IA até 2024 serão mais do que dobro desde 2020. À medida que as tecnologias de IA melhoram, também melhoram a compreensão humana de seu potencial e a criatividade com que elas são aplicadas. Atualmente, as empresas obtêm uma gama cada vez maior de benefícios mensuráveis dos sistemas baseados em IA, incluindo estes cinco:
- Resiliência em toda a empresa: muito antes da existência dos computadores, as empresas já tinham ciência do valor de coletar e compreender os dados sobre seus negócios, mercado e clientes. À medida que os conjuntos de dados cresceram e ficaram mais complexos, a capacidade de analisá-los com precisão e em tempo hábil tornou-se cada vez mais desafiadora. As soluções baseadas em IA trazem a capacidade não só de gerenciar Big Data, mas também de extrair insights práticos dele. Com a IA, os processos complexos podem ser automatizados, os recursos podem ser usados com mais eficiência e as disrupções (e oportunidades) podem ser melhor previstas e adaptadas.
- Melhor atendimento ao cliente: a IA permite que as empresas personalizem ofertas de serviços e interajam com os clientes em tempo real. Quando os consumidores passam pelo moderno funil de vendas de "lead" para "conversão", eles geram conjuntos de dados complexos e diversificados. A IA oferece aos sistemas de negócios o poder de aproveitar esses dados e atender melhor e interagir com os clientes.
- Tomada de decisão segura: bons líderes de negócios sempre se empenham em tomar decisões imediatas e fundamentadas. Quanto mais crucial for a decisão, maior será a probabilidade de ela ter inúmeros e complexos componentes e interdependência. A IA ajuda a elevar a sabedoria e a experiência das pessoas com análises avançadas de dados e insights práticos que dão suporte a decisões seguras e em tempo real.
- Produtos e serviços relevantes: muitos modelos tradicionais de P&D eram retrógrados. A análise de dados de desempenho e feedback do cliente muitas vezes não ocorria até muito depois de um produto ou serviço ter entrado no mercado. Também não existiam sistemas que pudessem detectar rapidamente possíveis lacunas e oportunidades no mercado. Com sistemas baseados em IA, as empresas podem analisar uma ampla variedade de conjuntos de dados, simultaneamente e em tempo real. Isso permite que elas modifiquem os produtos existentes e introduzam novos, com base nos dados mais relevantes e atualizados do mercado e dos clientes.
- Força de trabalho engajada: uma recente pesquisa da Gallup mostra que empresas cujos colaboradores relatam alto nível de engajamento são, em média, até 21% mais rentáveis. As tecnologias de IA no local de trabalho podem reduzir a carga de tarefas rotineiras e os colaboradores podem se concentrar mais em cumprir o trabalho. As tecnologias de RH que usam IA também podem ajudar a perceber quando os colaboradores estão ansiosos, cansados ou entediados. Personalizando as recomendações de bem-estar e ajudando a priorizar tarefas, a IA pode dar suporte aos colaboradores e ajudá-los a recuperar o equilíbrio saudável entre trabalho e vida pessoal.
Tecnologias de IA
Para ser útil, a IA precisa ser aplicável. Seu verdadeiro valor só pode ser percebido quando fornece insights práticos. Se pensarmos na IA em termos de cérebro humano, as tecnologias de IA são como as mãos, os olhos e os movimentos do corpo – tudo o que permite a execução das ideias. Veja a seguir algumas das tecnologias de IA mais amplamente usadas e de rápido avanço.
Tecnologias de inteligência artificial
Machine Learning
O
Machine Learning e todos os seus componentes são um subconjunto da IA. No Machine Learning, os algoritmos são aplicados a diferentes tipos de métodos de aprendizagem e técnicas de análise, que permitem que o sistema aprenda e melhore automaticamente a partir da experiência sem ser explicitamente programado. Para as empresas, o Machine Learning pode ser aplicado a qualquer problema ou meta que exija resultados preditivos provenientes de análises de dados complexas.
Qual é a diferença entre IA e Machine Learning? Machine Learning é um componente da IA e não pode existir sem ela. Por isso, não é tanto o fato de eles serem diferentes – é como eles são diferentes. A IA processa dados para tomar decisões e fazer previsões. Os algoritmos de Machine Learning permitem que a IA não só processe esses dados, mas os utilize para aprender e ficar mais inteligente, sem precisar de programação adicional.
Solicite uma demonstração
Veja as tecnologias inteligentes, como IA e Machine Learning em ação.
Processamento de linguagem natural (NLP)
O NLP permite que máquinas reconheçam e compreendam a linguagem escrita, os comandos de voz, ou ambos. Isso inclui a capacidade de traduzir a linguagem humana para uma forma que o algoritmo entende. A geração de linguagem natural (NLG) é um subconjunto do NLP que permite que a máquina converta a linguagem digital em linguagem humana natural. Em aplicações mais sofisticadas, o NLP pode usar contexto para inferir atitude, humor e outras qualidades subjetivas para interpretar o significado com maior precisão. Aplicações práticas de NLP incluem chatbots e assistentes de voz digitais, como Siri e Alexa.
Visão computacional
Visão computacional é o método pelo qual os computadores compreendem e “veem” imagens e vídeos digitais – em vez de apenas reconhecê-los ou categorizá-los. Os aplicativos de visão computacional usam sensores e algoritmos de aprendizagem para extrair informações complexas e contextuais que podem ser usadas para automatizar ou informar outros processos. A visão computacional também pode extrapolar dados para fins preditivos, o que significa basicamente que pode ver através de paredes e ao redor dos cantos. Os carros autônomos são um bom exemplo de visão computacional em uso.
Robótica
A automação de processos robóticos não é novidade e vem sendo usada há anos, principalmente na produção. Sem a aplicação da IA, no entanto, a automação precisa ser realizada por meio de programação manual e calibração. Se existirem pontos fracos ou ineficiências nesses fluxos de trabalho, eles só poderão ser identificados após o fato – ou depois que algo se quebre. É frequente o operador humano nunca saber o que levou a um problema, ou quais adaptações poderiam ser feitas para alcançar melhor eficiência e produtividade. Quando a IA é adicionada ao mix – normalmente por meio de sensores com IoT – traz consigo a capacidade de expandir bastante o escopo, o volume e o tipo de tarefas robóticas realizadas. Os exemplos de robótica na indústria incluem robôs de separação de pedidos para uso em grandes armazéns e robôs agrícolas que podem ser programados para separar ou fazer colheitas nos momentos ideais.
IA empresarial em ação
A cada ano, mais empresas estão percebendo os benefícios e as vantagens competitivas que as soluções de IA podem trazer para suas operações. Alguns setores, como da saúde e bancário, detêm conjuntos de dados particularmente grandes e vulneráveis. Para eles, a utilidade da IA era óbvia desde suas primeiras iterações. Mas hoje, com o escopo e a acessibilidade da IA moderna, ela tem aplicações relevantes em quase todos os modelos de negócios. Os exemplos a seguir são apenas alguns desses setores.
- IA no setor de saúde
Os conjuntos de dados médicos são alguns dos maiores, mais complexos e mais confidenciais do mundo. O principal foco da IA no setor da saúde é aproveitar esses dados para encontrar relações entre os protocolos de diagnóstico e tratamento e os resultados dos pacientes. Além disso, os hospitais estão recorrendo a soluções de IA para dar suporte a outras áreas e iniciativas operacionais. Isso inclui satisfação e otimização da força de trabalho, satisfação do paciente e economia de custos para citar apenas alguns. Analise as vantagens de adotar tecnologias inteligentes e digitalizar os serviços de saúde. - IA no setor bancário
Bancos e instituições financeiras têm necessidade cada vez maior de segurança, compliance e velocidade transacional, por isso foram alguns dos primeiros a adotar tecnologias de IA. Recursos como bots de IA, consultores de pagamento digital e mecanismos biométricos de detecção de fraudes contribuem para melhorar a eficiência e o atendimento ao cliente, bem como a redução de riscos e fraudes. Veja como os bancos estão promovendo atendimentos completos com digitalização e tecnologias inteligentes. - IA na produção
Quando dispositivos e máquinas estão conectados para enviar e receber dados por meio de um sistema central, eles compõem uma rede de IoT. A IA não só processa essas informações, mas as usa para prever oportunidades e disrupções e para automatizar as melhores tarefas e workflows em resposta. Em fábricas inteligentes, isso se estende a protocolos de fabricação sob demanda para impressoras 3D e inventários virtuais. Saiba como a Adidas usa Machine Learning para fornecer tênis personalizados em apenas 24 horas. - IA no varejo
A pandemia teve um enorme impacto nos hábitos de compras, registrando um aumento significativo das compras online durante o mesmo período no ano anterior. Isso contribuiu para um clima extremamente competitivo e de rápida mutação para os varejistas. Os compradores online estão se engajando em uma ampla gama de pontos de contato e gerando grandes quantidades de conjuntos de dados complexos e não estruturados nunca antes visto. Para entender e aproveitar melhor esses dados, os varejistas estão buscando soluções de IA que processem e analisem conjuntos de dados distintos para fornecer insights úteis e interações em tempo real com seus clientes. Saiba como enfrentar desafios e oportunidades no novo mundo do varejo com tecnologias inteligentes e digitalização. - IA na agricultura
Na agricultura, as aplicações de IA levaram a aumento nos rendimentos e impulsionaram pesquisas inovadoras em sustentabilidade. A capacidade preditiva da IA também levou a melhorias na eficiência da agricultura e das cadeias de suprimentos de alimentos. Por exemplo, avaliando dados de prazos de amadurecimento, clima e distância de mercado, as funções analíticas preditivas podem informar o agricultor do melhor período para escolher diferentes tipos de produto. Isso inclui a automatização de workflows para os robôs agrícolas, de quando e quanto das colheitas eles devem escolher e processar em determinados períodos.
Ética e desafios da IA
Em 1948, o pioneiro da ciência da computação Alan Turing disse: "Um computador mereceria ser chamado de inteligente se pudesse iludir um humano a acreditar que era humano". Embora a velocidade de processamento e o poder analítico de um computador moderno orientado por IA parecesse inacreditável para Turing, ele provavelmente teria entendido os dilemas éticos apresentados por esse nível de poder. À medida que a IA fica melhor para nos entender e nos imitar, cada vez mais parece humano. Como geramos volumes crescentes de dados pessoais por meio de canais digitais, precisamos – cada vez mais – ser capazes de confiar nos aplicativos de IA que sustentam muitas de nossas atividades diárias. Abaixo estão alguns exemplos de desafios éticos que os líderes de negócios precisam conhecer e monitorar.
Explore as diretrizes da SAP para ética em IA
Veja os princípios que orientam o desenvolvimento e a implementação de nosso software de IA.
- Uso ético dos dados do cliente
Na década de 2020, a maior parte das informações compartilhadas e reunidas como empresas ou indivíduos ocorreu por meio de canais conectados digitalmente. No início de 2020, havia mais de 3,5 bilhões de smartphones no mundo, todos compartilhando enormes volumes de dados – desde a localização no GPS até os detalhes e preferências pessoais dos usuários, por meio de mídias sociais e comportamentos de pesquisa. Conforme as empresas obtêm acesso mais amplo às informações pessoais dos clientes, torna-se extremamente importante configurar benchmarks e protocolos em constante desenvolvimento para proteger a privacidade e minimizar os riscos. - Viés da IA
O viés pode aparecer em um sistema de IA devido ao viés humano na programação de seus algoritmos ou através de preconceitos sistêmicos que podem ser propagados por suposições erradas no processo de Machine Learning. No primeiro caso, é mais óbvio ver como isso pode ocorrer. Mas, no segundo, pode ser mais difícil identificar e evitar. Um exemplo bem conhecido de viés da IA ocorreu dentro do sistema de saúde dos EUA, no qual os aplicativos de IA estavam sendo usados para alocar padrões de atendimento. O algoritmo aprendeu que determinados grupos demográficos tinham menos condições de pagar pelo atendimento. Em seguida, extrapolou essas informações para correlacionar erroneamente esse grupo como tendo menos direito ao atendimento. Depois de descobrirem este erro infeliz, os cientistas da computação da UC Berkeley trabalharam com os desenvolvedores para modificar as variáveis algorítmicas, reduzindo o viés em 84%. - Transparência e IA explicável
Transparência na IA é a capacidade de determinar como e por que um algoritmo chegou a uma determinada conclusão ou decisão. Os algoritmos de IA e de Machine Learning que informam os resultados – e os próprios resultados – geralmente são tão complexos que vão além do entendimento humano. Esses algoritmos são conhecidos como modelos de "caixa preta". Para as empresas, é importante garantir que os modelos de dados sejam justos, imparciais e possam ser explicados e examinados externamente. Principalmente em áreas como aviação ou medicina, a vida humana está em jogo. Portanto, é vital que as pessoas que usam esses dados levem muito a sério as iniciativas de governança dos dados. - Deepfakes e fake news
Deepfake é uma junção de "deep learning" (aprendizagem profunda) e "fake" (falso). É uma técnica que usa IA e Machine Learning para geralmente sobrepor o rosto de uma pessoa no corpo de outra em um vídeo, com muita precisão para ficar indistinguível do original. Em sua forma inocente, pode resultar em efeitos visuais incríveis, como o desenvelhecimento de 30 anos de Robert De Niro e Joe Pesci no filme O irlandês. Infelizmente, seu uso mais comum é criar notícias falsas críveis ou colocar celebridades em vídeos gráficos ou comprometedores nos quais eles nunca apareceram originalmente.
Explore as soluções de IA
As ferramentas de IA e Machine Learning da SAP estão ajudando as melhores empresas do mundo.
Newsletter do SAP Insights
Assine ainda hoje
Receba insights importantes assinando nossa newsletter.