Inteligência Artificial - Introdução

O texto a seguir seria publicado em um livro coletivo sobre data-driven, mas, devido a dificuldades em ganhar tração, os organizadores desistiram da publicação. Por isso, decidi compartilhá-lo aqui :D.

Inteligência Artificial - Uma introdução

A Inteligência Artificial (I.A.) é um ramo da Ciência da Computação que visa criar dispositivos capazes de simular a inteligência humana. Em outras palavras, é uma área dedicada à produção de sistemas e dispositivos inteligentes.

Antes de aprofundarmos na inteligência artificial, discutiremos a inteligência em si. Ao consultar um dicionário, encontramos a seguinte definição de inteligência:

Essa definição é crucial e não podemos perdê-la de vista. Em resumo, a inteligência é a habilidade de interpretar informações, armazená-las como conhecimento e utilizá-lo para resolver problemas, compreender novas situações e aprimorar o próprio entendimento.

Diferentemente da sabedoria, que em alguns casos cometemos a gafe de tratar como sinônimo, a inteligência é mais focada no aspecto prático da aplicação do conhecimento adquirido, enquanto a sabedoria também avalia questões mais elevadas como o conceito de verdade, valores morais e a ética, por exemplo.

Uma vez assumida que a definição de inteligência está compreendida, reflita por alguns minutos antes de continuar a leitura: o que você entende por inteligência artificial?

Espero que tenha gostado da reflexão. Se em seus pensamentos você chegou a conclusão de que inteligência artificial é uma inteligência feita de maneira artificial, pois bem, está correto!

A IA é o resultado da inteligência humana replicando sua própria inteligência de forma artificial, para poder delegar a ela a resolução de problemas que a inteligência humana não deseja resolver diretamente, ou que um dispositivo eletrônico seja mais eficaz na sua resolução.

Da mesma forma que uma bala de morango não possui morango na sua composição, mas dá ao consumidor a sensação da presença da fruta no paladar, a IA nos dá o resultado de um trabalho inteligente.

Em essência, não podemos duplicar completamente a inteligência humana. No entanto, conseguimos reproduzir os resultados dos nossos processos cognitivos. Para compreender a IA, primeiro devemos entender o funcionamento da inteligência humana, que serve como fundamento.

A verdadeira medida da inteligência, para o nosso contexto, é a capacidade de resolver problemas. Se enfrentamos um problema e não conseguimos resolvê-lo, é porque nos falta capacidade ou recurso. E se a humanidade não pode resolver certos problemas, a IA também enfrentará esses limites.

Antes de explorarmos o que a IA pode fazer, é importante reconhecer que nossa capacidade intelectual tem evoluído ao longo do tempo. As técnicas e métodos que abordaremos a seguir também estão progredindo, e podemos prever que se tornarão ainda mais avançados no futuro.

Como mencionado, a inteligência é o resultado de ações baseadas em conhecimento. Assim, consideramos algo como inteligente se utiliza conhecimento prévio para resolver problemas. Para implementar esse comportamento em sistemas de computador, usamos ferramentas humanas desenvolvidas ao longo da nossa existência, como matemática, lógica e estatística.

Quando falamos de IA, é muito comum nos deparamos com dois termos: Machine Learning ou Aprendizado de Máquina e Deep Learning ou Aprendizado Profundo. Não vou me estender nesses tópicos, eles merecem um artigo a parte.

O aprendizado de máquina, é um subconjunto da IA que produz sistemas capazes de "aprender" com seus dados e dessa forma gerir suas regras de forma autônoma, sem a intervenção humana. Esse tipo de abordagem faz muito uso de análise estatística e análise preditiva.

O aprendizado profundo é uma das diversas técnicas de aprendizado de máquina que se diferencia das demais, principalmente pela não supervisão humana na seleção e preparação dos dados que serão utilizados.

De forma prática, um cientista de dados faz a extração e a preparação dos dados para que algoritmos de aprendizado de máquina possam ser utilizados na resolução de problemas. Enquanto com o aprendizado profundo, mesmo dados parciais podem ser processados com altas taxas de sucesso na interpretação, ou seja, o aprendizado profundo utiliza-se de técnicas de aprendizado de máquina para “se ensinar” novas habilidades e ajustar as que já possui.

Uma definição interessante proposta por François Chollet, pesquisador em I.A. pelo Google e criador do Keras (www.keras.io) é de que aprendizado de máquina tornou-se uma nova forma de programação, isso porque da maneira tradicional, como fazemos hoje, um programador escreve regras para tratar as entradas e saídas um sistema, usando uma abordagem a aprendizado de máquina, podemos apenas apresentar as entradas necessárias e as saídas esperadas, deixando a cargo dos algoritmos as regras e tratamentos necessários.

Pode parecer algo meio confuso para os programadores atuais, mas é um novo paradigma a ser estudado!

Outro termo bastante comum ao tratarmos de IA é o Natural Language Processing (NLP), ou Processamento de Linguagem Natural, que nada mais é que um ramo da IA com foco na interação dos computadores com os seres humanos, ou melhor, em como os computadores podem processar e analisar nossa linguagem. Esse é outro assunto que merece um texto só para ele.

Quais problemas podemos usar a Inteligência Artificial para resolver?

Em linhas gerais, qualquer tarefa que seja homogênea, por mais passos que possua, pode ser resolvida por IA. 

Parece uma resposta meio abrangente, e realmente é! A IA pode ser usada aplicada em diversos cenários, sendo o passo mais importante o entendimento do problema que se pretende resolver.

Algumas perguntas típicas que podem ser respondidas usando inteligência Artificial:

O que é isso?

As técnicas de aprendizado de máquina podem facilmente responder esse tipo de pergunta classificando um item com base em suas características;

Qual o valor?

Por técnicas similares à da pergunta anterior, sistemas com I.A. podem estimar valores numéricos com muita precisão, desde preços, temperaturas, notas escolares, etc.;

Quais são os grupos?

Sistemas com IA podem facilmente agrupar indivíduos (itens de um todo) em subgrupos, como, por exemplo: quais as características dos alunos com as melhores notas, quais os atributos dos produtos mais lucrativos, etc.

Qual o próximo passo? 

Sistemas com IA, podem indicar ações (ou tomá-las) com base em experiências passadas indicando de forma muito acurada o próximo passo, oferta, ação, produto, etc.

Enfim, a IA é o resultado da nossa capacidade de reproduzir de forma artificial nossa faculdade de raciocínio para a resolução de problemas. Isso se dá mediante técnicas estatísticas, algoritmos de computadores e tecnologias que permitem o rápido processamento de grandes volumes de dados. Porém, nada disso é válido sem uma correta definição do problema que queremos resolver. Tenha em mente que a utilização de Inteligência Artificial e suas técnicas está muito mais associada ao problema que iremos resolver do que ao nível tecnológico que estamos.