Avanços aprimoram a inteligência artificial para o futuro 1

Avanços aprimoram a inteligência artificial para o futuro

As empresas que estão pensando em investir em recursos de inteligência artificial no futuro devem primeiro entender que, nos próximos cinco anos, aplicativos e máquinas se tornarão menos artificiais e mais inteligentes.

Eles dependerão menos de big data de baixo para cima e mais do raciocínio de cima para baixo, o qual se assemelha ao modo como os humanos abordam problemas e tarefas.

Essa capacidade de raciocínio geral permitirá que a inteligência artificial (IA) seja aplicada de maneira mais ampla do que nunca, criando oportunidades para os usuários, mesmo em negócios e atividades para os quais anteriormente ela parecia um pouco inadequada.

História da inteligência artificial

No passado recente, a inteligência artifical avançou através de aprendizagem profunda e aprendizado de máquina, construindo sistemas e treinando-os em montanhas de dados. Por exemplo, os veículos sem motorista são treinados em tantas situações de tráfego quanto possível.

No entanto, essas redes neurais famintas por dados, como são chamadas, têm sérias limitações. Apenas para exemplificar, elas têm problemas para lidar com casos de “borda” – situações em que existem poucos dados.

Para saber mais sobre isso é só continuar a leitura!

Problemas da IA

Para se ter uma ideia, um carro sem motorista, capaz de lidar com faixas de pedestres, pedestres e trânsito, tem dificuldade em processar anomalias, como crianças vestidas com fantasias de Halloween incomuns, passando pela rua depois do anoitecer.

Muitos sistemas também são facilmente perdidos. O sistema de reconhecimento facial do iPhone X não reconhece “faces matutinas”. Sistemas com fome de dados também enfrentam restrições comerciais e éticas. Nem toda empresa tem o volume de dados necessário para criar recursos exclusivos usando redes neurais.

O uso de enormes quantidades de dados de cidadãos também levanta questões de privacidade. Além disso, esses sistemas são caixas-pretas – não está claro como eles usam dados de entrada para chegar a resultados como ações ou decisões.

Isso os deixa abertos à manipulação por parte de maus atores e, quando algo dá errado, as organizações não conseguem explicar o motivo.

Inteligência artificial no futuro

No futuro, no entanto, teremos sistemas de cima para baixo que não exigem tantos dados e são mais rápidos, mais flexíveis e, como os humanos, mais inatos e inteligentes. Várias empresas e organizações já estão colocando esses sistemas mais naturais para funcionar.

Para elaborar uma visão da inteligência artificial e então planejar investimentos e testes de acordo, as empresas devem procurar desenvolvimentos em quatro áreas:

1. Raciocínio de robôs mais eficientes

Quando os robôs têm uma compreensão conceitual do mundo, como os humanos, é mais fácil ensinar-lhes coisas, usando muito menos dados.

Vicarious, uma startup da Union City, Califórnia, cujos investidores incluem Mark Zuckerberg, Jeff Bezos e Marc Benioff, está trabalhando para desenvolver uma inteligência geral artificial para robôs, permitindo que eles generalizem a partir de alguns exemplos.

2. Experiência pronta

Modelando o que um especialista humano faria em face da alta incerteza e dos poucos dados, a inteligência artificial de cima para baixo pode superar as abordagens famintas por dados para projetar e controlar muitas variedades de equipamentos de fábrica.

A Siemens está usando IA de cima para baixo para controlar o processo de combustão altamente complexo em turbinas a gás, onde o ar e o gás fluem para uma câmara, incendeiam e queimam a temperaturas de até 1.600 graus Celsius.

O volume de emissões criado e, finalmente, quanto tempo a turbina vai continuar a operar depende da interação de vários fatores, desde a qualidade do gás ao fluxo de ar e temperatura interna e externa.

Usando métodos de aprendizado de máquina de baixo para cima, a turbina a gás teria que funcionar por um século antes de produzir dados suficientes para iniciar o treinamento. Em vez disso, os pesquisadores da Siemens, Volar Sterzing e Steffen Udluft, usaram métodos que exigiam poucos dados na fase de aprendizado das máquinas.

O sistema de monitoramento resultante produz ajustes precisos que otimizam a forma como as turbinas funcionam em termos de emissões e desgaste, buscando continuamente a melhor solução em tempo real.

3. Senso comum

Uma variedade de organizações está trabalhando para ensinar máquinas a navegarem pelo mundo usando o senso comum – para entender objetos e ações cotidianas, comunicar-se naturalmente, lidar com situações imprevistas e aprender com as experiências.

Mas, o que vem naturalmente aos humanos, sem treinamento ou dados explícitos, é extremamente difícil para as máquinas.

4. Melhores apostas

Os humanos rotineiramente, e frequentemente sem esforços, classificam as probabilidades e agem com a maior probabilidade, mesmo com pouca experiência anterior.

As máquinas agora estão sendo ensinadas a imitar esse raciocínio por meio da aplicação de processos gaussianos – modelos probabilísticos que podem lidar com incertezas extensas, agir com base em dados esparsos e aprender com a experiência.

A Alphabet, empresa-mãe do Google, lançou o Projeto Loon, projetado para fornecer serviços de internet para regiões carentes do mundo, por meio de um sistema de balões gigantes pairando na estratosfera.

Seus sistemas de navegação empregam processos gaussianos para prever onde, nos ventos estratificados e altamente variáveis, os balões precisam ir.

Cada balão então se move para uma camada de vento soprando na direção certa, organizando-se para formar uma grande rede de comunicação.

Os balões podem não apenas fazer previsões razoavelmente precisas analisando dados de voo passados, mas também analisar dados durante um voo e ajustar suas previsões de acordo.

Conclusão

Embora todos esses avanços sejam relativamente recentes, eles remontam aos primórdios da inteligência artificial ​​nos anos 50, quando diversos pesquisadores começaram a perseguir modelos de cima para baixo para imitar a inteligência humana.

Mas, quando o progresso se mostrou elusivo e o rico potencial para métodos de aprendizado de máquina de baixo para cima se tornou aparente, a abordagem de cima para baixo foi largamente abandonada.

Hoje, no entanto, através de novas pesquisas poderosas e técnicas computacionais, a IA de cima para baixo renasceu. Sendo assim, entender como funciona a inteligência artificial no futuro é algo muito importante.

Deixe um comentário