Opinião

Inteligência Artificial já faz parte da sua vida

A Inteligência Artificial (IA) [1] tem progredido a passos largos em vários segmentos de negócios [2-6]. IA é real e está crescendo como parte das nossas vidas. Ela vai estar desde os assistentes de voz (os famosos chabots) para fazer pedido online até os carros autônomos (ou “self-driving car”) (a área mais alavancada da IA).

A IA conhece mais que você quando particularmente “está” em algumas áreas. Um exemplo é em medicina, onde a tecnologia IA está ajudando os médicos a reconhecer tumores cancerígenos [7]. Se algum “equipamento” tem inteligência artificial nele, isso significa que ele possui um software que permite que o programa de computador faça algo por conta própria sem um humano pressionando um botão o tempo todo.

As empresas serão “capazes de antecipar o comportamento do cliente, com base no seu comportamento passado utilizando algoritmos de IA”. Esses algoritmos exigem uma grande quantidade de dados que eles processam, para determinar o que você pode querer em seguida.

Há vários tipos desses algoritmos preditivos IA e eles vão transformar nossas vidas em breve. Quando você compra na Amazon, o site pode sugerir que você possa querer uma lanterna para ir com a barraca que você comprou. Na Netflix, ela sabe quais filmes você poderia gostar. Isso é o algoritmo de predição da IA (e veja você que predição é apenas uma pequena parte da IA).

A IA já está em vários espaços das nossas vidas e fazendo coisas pela gente e ela será cada vez mais onipresente. A seguir apresentamos algumas aplicações que já estão dando muito o que falar:


1. Games

Uma das aplicações precursoras da tecnologia de IA foi o “jogo eletrônico”. “Como aquele personagem se mexe por conta própria? Como ele me ataca de várias maneiras diferentes?” Isso só é possível por causa da IA que está presente nos “games” desde os seus primórdios em maior ou menor escala.

Os “games” tiveram um papel importante na IA pois eles foram os primeiros a utilizar a tecnologia GPU de alta capacidade de processamento paralelo que viabilizaram o “Deep Learning”. Esta tecnologia permite “rodar” redes neurais bastante complexas com alta performance. Foi aqui que começou o sucesso do “Deep Learning” em 2012 nos testes do concurso ImageNet [99].

A startup britânica DeepMind possuiu uma alta capacitação de “Deep Learning” aplicada em jogos. Esta capacitação em IA desta startup motivou o Google a pagar a bagatela de 500 MUS$ por ela em 2014 [100].

O grande know-how em IA da DeepMind permitiu que ela desenvolvesse o programa AlphaGo que derrotou o campeão do mundial do jogo Go, Lee Sedol, em março de 2016, alcançando um marco na história da IA [101]. Conheça mais sobre a história dos jogos eletrônicos aqui: [102-103].

2. Análise Preditiva

A análise preditiva é o “filet mignon” da tecnologia de “Machine Learning”. Ela permite excercitar um dos grandes poderes da IA que é “reconhecer padrões e fazer inferências futuras.”

A análise preditiva engloba uma variedade de técnicas estatísticas de modelagem preditiva, “machine learning” e mineração de dados que analisam fatos históricos e atuais para fazer previsões sobre eventos futuros ou de outro modo desconhecidos [104].

Nos negócios, os modelos preditivos exploram padrões encontrados em dados históricos e transacionais para identificar riscos e oportunidades. Os modelos capturam as relações entre muitos fatores para permitir a avaliação do risco ou potencial associado a um determinado conjunto de condições, orientando a tomada de decisões para as transações candidatas (ou potenciais).

Na área de manufatura a Análise Preditiva pode trazer contribuições nas seguintes áreas, pelo menos: (a) previsão de demanda e mercado; (b) utilização de máquina; (c) manutenção preditiva; e (d) melhoria da qualidade [105].

3. Reconhecimento de Imagens (inclui facial)

O Reconhecimento de Padrões [106] é um ramo da tecnologia de “Machine Learning” que se concentra no reconhecimento de padrões e regularidades nos dados, embora em alguns casos seja considerado quase sinônimo de “Machine Learning”. Os sistemas de reconhecimento de padrões são, em muitos casos, treinados a partir de dados de “treinamento” rotulados (“Supervised Learning”), mas quando não há dados rotulados disponíveis, outros algoritmos podem ser usados para descobrir padrões previamente desconhecidos.

O Reconhecimento de Imagens é um subconjunto do Reconhecimento de Padrões. Esse reconhecimento é muito utilizado na medicina para diagnósticos de câncer nas áreas de Radiologia e Patologia [107]. A tecnologia de “Deep Learning” é um recurso instrumento muito utilizado no reconhecimento de imagens.

Recentemente, o reconhecimento de imagens tem motivado muito a sua utilização na área de reconhecimento facial moderno [108]. Já existe uma forte expectativa de mercado em utilizar o reconhecimento facial na área financeira [109]. Essa tendência deve ser cada vez maior com a massificação dos smartphones.

4. Reconhecimento de Voz

Existem ferramentas desenvolvidas com a ajuda do Processamento de Linguagem Natural (NLP) que permitem às empresas criar interfaces de voz inteligentes orientadas para qualquer sistema. As empresas estão empregando as tecnologias de NLP para entender a linguagem humana e consultas.

Em vez de tentar entender conceitos baseados em padrões normais de uso da linguagem humana, a plataforma da empresa depende de um gráfico de conhecimento personalizado que é criado para cada aplicativo e que realiza um trabalho muito melhor identificando os conceitos que são relevantes no domínio do cliente.

Graças a evolução das tecnologias NLP e de “Deep Learning”, o reconhecimento de voz chegou a altos níveis de qualidade se nivelando ao ser humano (ou melhor). Em setembro de 2016 a Microsoft teve um excelente resultado nesta área [110]. Em março de 2017 foi a vez da IBM alcançar um excelente resultado no reconhecimento de voz [111].

5. Computação Afetiva

Para alguns, não é bastante imbuir apenas os computadores com a tecnologia Inteligência Artificial. Tem gente querendo trazer também a “emoção” para as máquinas. Um campo emergente chamado Computação “Afetiva” (“Affective Computing” [112]) trabalha para dar à nossa eletrônica características de Inteligência Emocional (“Emotional Intelligence” [113]), seja para entender um usuário humano ou para influenciá-lo emocionalmente. Para entender melhor sobre a Computação Afetiva ver esta matéria que trata de uma interessante startup neste nicho chamada Affectiva [114]. Ver mais aqui como a Computação “Afetiva” poderá mudar as nossas vidas! [115-116].

A Computação Afetiva combinada com Reconhecimento Facial já começa a interessar ao mercado varejista. Um caso vem da cadeia de comida rápida chinesa KFC que se compôs com o Baidu (conhecido como o Google chinês) em uma aplicação para escolha do pedido do cliente baseando-se naquelas duas tecnologias [117].

6. Chatbots

Como abordamos na seção 3.8 de NLP, o “Chatbot” [118] está fazendo um grande sucesso na área de atendimento a clientes.

A medida que a tecnologia evolui e as empresas conhecem mais as potencialidades da tecnologia de “chatbot”, essa funcionalidade ocupará novos nichos nas empresas. Uma ideia interessante vem do Reino Unido onde o sistema de saúde britânico NHS está testando uma “chatbot” para fazer triagem de pacientes no atendimento “online” [119].

Outras áreas de utilização da tecnologia de “chatbots” podem ser vistas nestas referências [120-121].

7. Carros Autônomos

Esta é a “cereja do bolo” da IA. O segmento de “carros autônomos” [122] (carro sem motorista) é a área mais alavancada da IA pelo peso das montadoras de automóveis envolvidas no negócio.

Com o impulso que o “Deep Learning” ganhou em 2012 em termos de melhoria da performance dos algoritmos de redes neurais profundas, a indústria automobilística sentiu que já podia apostar na evolução do carro autônomo pois tinha lastro tecnológico para isso na necessidade de Visão por Computador do carro sem motorista.

Muito do “empurrão” nos tradicionais players foi dado pelo Google que foi um dos “first movers” na área e anunciou seu projeto exatamente em 2012 e informou que já tinha percorrido 500.000 kms sem acidentes [123]. O Google foi – mais uma vez – visionário neste gigantesco nicho!

O “carro autônomo” utiliza várias tecnologias para detectar seus arredores, tais como: radar, luz de laser, GPC, odometria e visão por computador. Sistemas de controle avançados interpretam informações dos sensores para identificar os caminhos de navegação apropriados, bem como obstáculos e sinalização de trânsito relevante.

Os “carros autônomos” têm sistemas de controle capazes de analisar os dados coletados pelos sensores para distinguir entre os diferentes carros na estrada, que é muito útil para planejar o percurso até o destino desejado. Na tecnologia de visão por computador dos carros autônomos, a técnica “Deep Learning” de IA tem um papel fundamental. Ver aqui a importância da tecnologia de “Deep Learning” nos “carros autônomos” aqui [124]. Realmente um grande diferencial!

Atualmente as montadoras Nissan, BMW e Audi são as mais ativas no mercado dos “carros autônomos” mas as outras empresas também estão muito empenhadas neste novo negócio gigante. A corrida nesse mercado para estar na frente tem sido avassaladora o que leva uma montadora a pagar 1 BUS$ por uma startup para encurtar caminho como a GM fez com a Cruise Automation [125]. A corrida na arena dos “carros autônomos” é tão vibrante que já começou interessar negócios nos “veículos aéreos”.

A francesa Airbus já deu dimensão aeronáutica ao negócio com planos otimísticos futuros para os “táxis aéreos autônomos” [126-127], e a empreendedora Tesla – player importante no segmento dos “carros autônomos” – já pensa no futuro elétrico para os “táxis aéreos”. Dubai já está negociando a implantação do serviço do “táxi aéreo” [128].

Uma outra área de “autônomos” que já está evoluindo também é a de “caminhões autônomos”. Uma empresa de destaque neste nicho é a Otto que tem como um dos acionistas a cervejaria americana Budweiser (leia-se InBev brasileira) [129].

Para ver mais detalhes sobre o negócios dos “carros autônomos” ver estas referências aqui [130-131].

8. Leitura Labial

Uma aplicação que já existia há algum tempo mas começou a tomar um novo impulso recentemente com a tecnologia de “Deep Learning” foi a Leitura Labial [132].

A BBC anunciou que está em colaboração com a startup britânica de IA do Google chamada DeepMind para desenvolver o sistema WAS (“Watch, Attend and Spell”). Para treinar o sistema foram examinadas 118.000 sentenças nos clips da BBC, o sistema agora tem 17.500 palavras armazenadas no seu vocabulário [133-134].

A partir dessa primeira utilização da tecnologia de IA em Leitura Labial, o mercado espera novos movimentos similares.

Recentemente foi noticiado uma aplicação que faz “sincronismo” como os lábios do ex-presidente Obama [135].

Referências:

[1] Artificial Intelligence, Wikipedia
https://en.wikipedia.org/wiki/Artificial_intelligence

[2] ACCENTURE: AI in HEALTHCARE
Artificial Intelligence: Healthcare´s New Nervous System, Accenture, June 2017
AI: An Engine for growth [pdf included]https://www.accenture.com/us-en/insight-artificial-intelligence-healthcare

[3] WEF & AT KEARNEY: AI in 4th INDUSTRIAL REVOLUTION
Technology and Innovation for the Future of Production: Accelerating Value Creation, World Economic Forum, March 2017 [pdf]http://www3.weforum.org/docs/WEF_White_Paper_Technology_Innovation_Future_of_Production_2017.pdf

[4] McKinsey: AI in Retail, Electric Utility, Manufacturing, Healthcare & Education
How artificial intelligence can deliver real value to companies, McKinsey Report, June 2017 [Full pdf included]http://www.mckinsey.com/business-functions/mckinsey-analytics/our-insights/how-artificial-intelligence-can-deliver-real-value-to-companies

[5] McKinsey: AI, Automation, Robotics and Data Analytics in the Future of Work
Harnessing automation for a future that Works, January 2017 [Full pdf included]http://www.mckinsey.com/global-themes/digital-disruption/harnessing-automation-for-a-future-that-works

[6] McKinsey: What’s now and next in analytics, AI, and automation, May 2017 [full pdf included]http://www.mckinsey.com/global-themes/digital-disruption/whats-now-and-next-in-analytics-ai-and-automation

[7] From coding to cancer: How AI is changing medicine, CNBC News, 11.may.2017
http://www.cnbc.com/2017/05/11/from-coding-to-cancer-how-ai-is-changing-medicine.html

[99] Accelerating AI with GPUs: A New Computing Model, Nvidia, 12.jan.2016
https://blogs.nvidia.com/blog/2016/01/12/accelerating-ai-artificial-intelligence-gpus/

[100] Google Acquires Artificial Intelligence Startup DeepMind For More Than $500M, TechCrunch, 26.jan.2014
https://techcrunch.com/2014/01/26/google-deepmind/

[101] How Google’s AlphaGo Beat a Go World Champion, The Atlantic, 28.mar.2016
https://www.theatlantic.com/technology/archive/2016/03/the-invisible-opponent/475611/

[102] A ‘Brief’ History of Game AI Up To AlphaGo, Part 1, Andrey Kurenkov, 16.apr.2016
http://www.andreykurenkov.com/writing/a-brief-history-of-game-ai/

[103] A ‘Brief’ History of Game AI Up To AlphaGo, Part 2, Andrey Kurenkov, 16.apr.2016
http://www.andreykurenkov.com/writing/a-brief-history-of-game-ai-part-2/

[104] Predicitive Analytics, Wikipedia
https://en.wikipedia.org/wiki/Predictive_analytics

[105] Predictive Analytics in Manufacturing, 28.mar.2016
https://www.slideshare.net/datascienceth/predictive-analytics-in-manufacturing

[106] Pattern Recognition, Wikipedia
https://en.wikipedia.org/wiki/Pattern_recognition

[107] Como a Inteligência Artificial pode Transformar a Medicina, Saúde Business, 06.jan.2017
http://saudebusiness.com/como-inteligencia-artificial-pode-transformar-medicina/

[108] Machine Learning is Fun! Part 4: Modern Face Recognition with Deep Learning, Medium, 24.jun.2016
https://medium.com/@ageitgey/machine-learning-is-fun-part-4-modern-face-recognition-with-deep-learning-c3cffc121d78#.f3nbditf8

[109] Facial Recognition Software Will Soon Replace Your Wallet, BigThink, 24.mar.2017
http://bigthink.com/philip-perry/facial-recognition-software-will-soon-replace-your-wallet

[110] Microsoft’s newest milestone? World’s lowest error rate in speech recognition, ZD Net News, 14.sep.2016
http://www.zdnet.com/article/microsofts-newest-milestone-worlds-lowest-error-rate-in-speech-recognition/

[111] IBM edges closer to human speech recognition, Business Insider, 14.mar.2017
http://www.businessinsider.com/ibm-edges-closer-to-human-speech-recognition-2017-3

[112] Affective Computing, Wikipedia
https://en.wikipedia.org/wiki/Affective_computing

[113] Emotional Intelligence, Wikipedia
https://en.wikipedia.org/wiki/Emotional_intelligence

[114] Affective Computing and AI Emotion Recognition, Nanalyze, 26.apr.2016
http://www.nanalyze.com/2016/04/affective-computing-and-ai-emotion-recognition/

[115] Affective computing: How ‘emotional machines’ are about to take over our lives, The Telegraph, 15.jan.2016
http://www.telegraph.co.uk/technology/2016/01/21/affective-computing-how-emotional-machines-are-about-to-take-ove/

[116] What is Affective Computing And How Could Emotional Machines Change Our Lives?, Forbes, 13.may.2016
http://www.forbes.com/sites/bernardmarr/2016/05/13/what-is-affective-computing-and-how-could-emotional-machines-change-our-lives/#4a403c9d1d5c

[117] KFC and Baidu are applying facial recognition and pseudoscience to predict food orders, Quartz, 23.dez.2016
https://qz.com/871373/kfc-and-baidu-are-applying-facial-recognition-and-pseudoscience-to-predict-food-orders/

[118] Chatbot, Wikipedia
https://en.wikipedia.org/wiki/Chatbot

[119] UK’s NHS will test Babylon’s triage chatbot to replace non-emergency hotline, MobiHealth News, 04.jan.2017
http://www.mobihealthnews.com/content/uks-nhs-will-test-babylons-triage-chatbot-replace-non-emergency-hotline

[120] Top 5 Mobile Service Areas for Chatbots and Conversational UI, SendBird Blog, 07.jul.2017
https://blog.sendbird.com/chatbots-and-conversational-ui-are-the-future-5-mobile-services-that-are-ahead-of-the-curve/

[121] 12 best ways UK businesses are using chatbots: Domino’s, H&M, RBS and more – best uses of chatbots in the UK, TechWorld, 21.feb.2017
http://www.techworld.com/picture-gallery/personal-tech/9-best-uses-of-chatbots-in-business-in-uk-3641500/

[122] Self Driving Car, Wikipedia
https://en.wikipedia.org/wiki/Autonomous_car#Google_self-driving_car

[123] Google’s Self-Driving Cars: 300,000 Miles Logged, Not a Single Accident Under Computer Control, The Atlantic, 09.aug.2012
https://www.theatlantic.com/technology/archive/2012/08/googles-self-driving-cars-300-000-miles-logged-not-a-single-accident-under-computer-control/260926/

[124] Referências do Google sobre “importance of deep learning in self driving car”
https://www.google.com.br/webhp?sourceid=chrome-instant&ion=1&espv=2&ie=UTF-8#q=importance+of+deep+learning+in+self+driving+car&*

[125] GM Buying Self-Driving Tech Startup for More Than $1 Billion, Fortune, 11.mar.2016
http://fortune.com/2016/03/11/gm-buying-self-driving-tech-startup-for-more-than-1-billion/

[126] Airbus to Test Self-Flying ‘Air Taxi’ in 2017, Voa Learning English, 22.jan.2017
http://learningenglish.voanews.com/a/airbus-plans-to-test-self-flying-air-taxi-vehicle-in-2017/3681699.html

[127] Airbus is building flying taxis so that it can become the Uber of the skies, Business Insider, 03.nov.2016
http://www.businessinsider.com/airbus-air-taxi-uber-of-skies-2016-11

[129] Dubai plans to introduce flying drone taxis as early as this summer, TechCrunch, 14.feb.2017
https://techcrunch.com/2017/02/14/dubai-plans-to-introduce-flying-drone-taxis-as-early-as-this-summer/

[128] Referências do Goggle sobre “Otto self driving truck”
https://www.google.com.br/webhp?sourceid=chrome-instant&ion=1&espv=2&ie=UTF-8#q=otto+self+driving+truck&*

[129] Um grande negócio: uma startup de IA na área automotiva, Convergência Digital, 29.dez.2016
http://convergenciadigital.uol.com.br/cgi/cgilua.exe/sys/start.htm?UserActiveTemplate=site&infoid=44305&sid=15

[130] Autonomous vehicles: How did we get here, where are we going?, Silicon Republic, 24.mar.2017
https://www.siliconrepublic.com/machines/autonomous-vehicles-driverless

[132] Lip Reading, Wikipedia
https://en.wikipedia.org/wiki/Lip_reading

[133] Towards a lip-reading computer, BBC News, 17.mar.2017
http://www.bbc.com/news/technology-39298199

[134] Oxford’s lip-reading AI outperforms humans, New Atlas, 17.mar.2017
http://newatlas.com/oxford-lip-reading-ai/48460/

[135] Lip-syncing AI that lets you put words in Obama’s or anyone mouth!, Dailymail, 11.jul.2017
http://www.dailymail.co.uk/sciencetech/article-4686964/Lip-syncing-AI-lets-words-s-mouth.html?utm_content=buffer0114f&utm_medium=social&utm_source=twitter.com&utm_campaign=buffer

* Eduardo Prado é consultor de inovação e desenvolvimento de novos negócios na área de Inteligência Artificial (IA) em Saúde e Indústria.
Outras matérias de Eduardo Prado:
1. Blog Saúde 3.0 – http://saudebusiness.com/blogs/saude-3-0/
2. Convergência Digital – http://convergenciadigital.com.br/eduardoprado

Botão Voltar ao topo