Inteligência Artificial.

Introdução

Esse texto não tem a pretensão de esgotar esse vasto assunto. Seu objetivo é o de trazer uma rápida visão histórica da Inteligência Artificial, algumas aplicações que se encontram presentes no dia a dia de grande parte da humanidade, e alguns poucos dados sobre o mercado de Inteligência Artificial.

What magical trick makes us intelligent? The trick is that there is no trick. The power of intelligence stems from our vast diversity, not from any single, perfect principle. (MINSKY, 1987)

Marvin Minsky, em seu livro "A sociedade da mente" (1987) nos traz essa reflexão sobre qual o truque mágico que nos torna inteligentes? E conclui que não há um truque, não há um único principio responsável pela nossa inteligência, mas sim uma ampla diversidade de componentes que agindo em conjunto nos fornece o que chamamos de "inteligência".

Inteligência, é uma palavra que vem do latim intelligentĭa, intelligentĭae e que tem por significado original, entendimento, conhecimento. A conceituação do que é a inteligência ou das várias inteligências que todos temos, é algo amplo e profundamente estudado.

O que seria então a "inteligência artificial", senão a capacidade de se emular ou criar de fato, um mecanismo ou software que consiga representar na totalidade ou em partes, essa vastidão de elementos que compõem o que chamamos de inteligência? A consciência de si mesmo? O livre arbitrio? A capacidade de auto aprendizado? As emoções? A racionalidade?

Origens antigas

De forma muito abrangente, podemos dizer que historicamente, o conceito de inteligência artificial começou com a construção de artefatos capazes de simular o comportamento de seres vivos, ou seja, os conceitos iniciais de robótica e inteligência artificial se confundem nas suas origens. Com o advento da computação, e sua elevada capacidade de realizar rapidamente cálculos matemáticos, a Inteligência Artificial avançou também para a simulação da inteligência humana. 

Alguns desses autômatos do passado, ainda estão presentes em alguns lares, como por exemplo os relógios com algum tipo de movimentação para marcar as horas, pássaros cantando, pessoas batendo num sino, etc. Outros encontram-se preservados em museu, como um autômato que se encontra em um museu Suíço (CIMA), que é a representação de uma mulher com a habilidade para escrever uma carta com um conteúdo previamente definido e “programado” através de engrenagens. Outro exemplo muito comum de autômatos presentes em muitos lares, são as simpáticas caixinhas musicais, “programadas” também em suas engrenagens para tocar alguma música especifica e em alguns casos tendo uma bailarina em miniatura passeando pela superfície da caixa, como se estivesse dançando.

Um dos filósofos antigos que muito contribuíram, foi Ramon Llull (1232-1315) que desenvolveu dispositivos que ele descrevia como sendo “entidades mecânicas que poderiam combinar verdades básicas e inegáveis por simples operações lógicas, produzidas pela máquina por significados mecânicos”. Dessa forma ele conseguia inferir conhecimento e seus estudos causaram influência sobre os trabalhos posteriormente realizados por Gottfried Leibniz.

Damos um salto para o século XVII, no qual temos trabalhos realizados por Gottfried Leibniz, Thomas Hobbes e René Descartes que buscavam através da álgebra ou da geometria, criar um modelo que pudesse normatizar, sistematizar e expressar todo o pensamento racional. Leibniz chegou a criar um tipo de linguagem, capaz de reduzir toda argumentação a cálculos.

O nascer acadêmico

Passamos ainda por outros grandes nomes, como Boole, Frege, Russell, Turing, Church, Godel, Neumann, Shannon, Wiener, Walter, Strachey, Prinz, Samuel, etc., etc.

Entre 1940 e 1956 foram profícuos envolvendo cientistas e pesquisadores de diversas áreas, tais como matemática, psicologia, engenharia, economia, ciência política. Tudo isso chegou ao ápice em 1956, quando formalmente foi criado o campo de pesquisas em “Inteligencia Artificial” e houve a Conferência de Dartmouth, que dentre vários estudos e propostas, trazia uma premissa de que:

“todos os aspectos da aprendizagem ou qualquer outra característica da inteligência podem ser descritos com tanta precisão que uma máquina pode ser feita para simulá-la.”.

Onde entram os computadores

Os cientistas queriam criar um cérebro artificial e viam no computador um grande aliado pela sua elevada capacidade de processamento e precisão de cálculos.

Programas realizando simulações foram criados, como um que permitia jogar dama ou xadrez com o computador, outros (ELIZA) que simulavam o padrão de comportamento de um psicólogo Rogeriano e que estabeleciam conversa (por texto) com os usuários que chegavam a acreditar que havia uma pessoa do outro lado respondendo. Também aplicações para criar ou quebrar criptografia; alias o filme “Uma mente brilhante” ilustra bem esse momento.

De lá para cá, os estudos e realizações práticas nesse vasto campo de pesquisa, vem produzindo muitos resultados que já encontramos aplicados em nosso dia a dia. Mas ultimamente esse assunto vem deixando o ambiente acadêmico para entrar de fato na vida das pessoas, seja através da iniciativa pública ou privada.

A Inteligência Artificial é uma área de estudos muito abrangente e temos visto iniciativas de Machine Learning e Deep Learning, ocupar o espaço de artigos, notícias e serviços vendidos por empresas de consultoria.

• Inteligência Artificial - Qualquer técnica que permita a computadores simular a inteligencia humana usando lógica, regras “e-se”, árvores de decisão, Máquinas de aprendizado, etc.
• Machine Learning - Um subconjunto de AI que inclui técnicas estatísticas complexas que permitem que as máquinas melhorem em tarefas com experiência.
• Deep Learning - Um subconjunto de ML composto de algoritmos que permitem ao software treinar-se para executar tarefas, como reconhecimento de fala e imagem, expondo redes neurais multicamadas a uma grande quantidade de dados.

O assunto tem mais ramificações e esse mapa mental abaixo, ilustra parcialmente isso.

Como podemos notar por esse mapa mental acima, o assunto é muito abrangente e envolve muitos conceitos que são suportados por modelos matemáticos e estatísticos. Essas características poderão vir a ser tratadas em algum texto futuro.

Presença no dia a dia

A despeito de toda a complexidade envolvida, temos muitos recursos de Inteligência Artificial presentes em nosso dia a dia. Vejamos alguns exemplos mais comuns:

• Assistente pessoal - Se você já se pegou conversando com o seu celular é porque você deve ter SIRI, Google Now ou Cortana habilitada. Além de você interagir com essas aplicações, elas interagem com seu uso, podendo por exemplo identificar que você recebeu um email com dados de uma viagem e automaticamente inserir o compromisso na sua agenda, além de te alertar eventual atraso de vôo, ou melhor horário para sair e ir até o aeroporto.
• Facebook - Lembra que antes ele pedia para você marcar pessoas conhecidas em fotos, hoje ele marca automaticamente para você? Isso é baseado no DeepFace, que possui capacidade de 97,25% de acuracidade no reconhecimento facial.
• Google Maps - Aplicação Deep Learning ajuda na identificação do nome da rua e número da residência, das fotos tiradas pelos veículos da Google que percorrem cidades ao redor do mundo. São mais de 80 bilhões de fotos em alta resolução analisadas em espantosa velocidade.
• PayPal - Sofisticados algoritmos baseados em Machine Learning detectam e combatem operações fraudulentas com análise de risco.
• Netflix - Com mais de 100 milhões de assinantes ao redor do mundo, a Netflix utiliza redes neurais para aprender com base no padrão comportamental de seus clientes interagindo com uma vasta biblioteca de filmes, documentários, séries, permitindo assim estabelecer modelos de recomendação que se aplicam a determinados grupos de consumidores.
• UBER - Machine Learning é fundamental para o modelo de negócio da UBER, estimando horário de chegada, localizando ponto de encontro. Todas as viagens realizadas com UBER entram na base de conhecimento que é continuamente analisada para aumentar a precisão.
• Musica - Aplicativos como Spotify fazem uso de modelos que analisam o padrão comportamental de seus clientes, provendo assim não apenas recomendações de novas músicas, mas também organizando uma sequencia que seja agradável para cada usuário em particular.

Esse são alguns exemplos que a maioria de nós se depara no dia a dia, sem sequer percebemos que há conceitos ou aplicação de inteligência artificial por trás dos benefícios que esses aplicativos nos trazem. E aplicativos com IA embarcada são uma forte tendência de mercado. Aliás, qual o tamanho do mercado de Inteligência Artificial?

Esse gráfico nos mostra o tamanho do mercado de inteligência artificial em todo o mundo, de 2016 a 2025. Em 2018, espera-se que o mercado global de IA valha aproximadamente 7,35 bilhões de dólares americanos. Alguns dos principais usos atuais da inteligência artificial incluem o reconhecimento de imagens, identificação de objetos, detecção e classificação, bem como a detecção automatizada de recursos geofísicos. A maior parte das receitas vem do IA para o mercado de aplicativos corporativos.

As empresas estão investindo mais e mais em busca de modelos disruptivos.

Líderes de mercado de tecnologia, incluindo Amazon, Apple, Google, Tesla e Microsoft, estão liderando seus setores por uma ampla margem no aprendizado de máquina (ML) e no investimento em IA. Cada um está projetando ML em produtos de geração futura e usando ML e AI para melhorar as experiências do cliente e melhorar a eficiência dos canais de venda. Fonte: Você vai abraçar AI rápido o suficiente? AT Kearney, janeiro de 2018.

Mas em que exatamente os investimentos estão sendo realizados? Em que áreas da IA temos maiores investimentos?

A McKinsey estima que o investimento externo anual total em IA ficou entre US $ 8 bilhões e US $ 12 bilhões em 2016, com o aprendizado de máquina atraindo quase 60% desse investimento. A McKinsey estima que o investimento externo anual total em IA ficou entre US $ 8 bilhões e US $ 12 bilhões em 2016, com o aprendizado de máquina atraindo quase 60% desse investimento. Robótica e reconhecimento de fala são duas das áreas de investimento mais populares. Os investidores estão favorecendo as startups de aprendizado de máquina devido à rapidez que as start-ups baseadas em código têm na escala para incluir novos recursos rapidamente. As startups de aprendizado de máquina baseadas em software têm preferência sobre suas contrapartes de robótica baseadas em máquinas, que são mais caras e que muitas vezes não têm suas contrapartes de software. Como resultado desses fatores e mais, as fusões e aquisições corporativas estão crescendo nessa área. O gráfico a seguir ilustra a distribuição de investimentos externos por categoria do estudo. Fonte: Estudo do Instituto Global McKinsey, Inteligência Artificial, A Próxima Fronteira Digital