Afinal, o Que é Inteligência Artificial (IA)?
Nos últimos anos ouvimos muito falar que a inteligência artificial vai revolucionar, e quem sabe “dominar” o mundo. Mas será mesmo que um dia viveremos em um mundo dominado pelas máquinas? A resposta é sim e não, um tanto quanto controverso, mas já explico. Quando ouvimos o termo IA já pensamos em um robô humanoide que faz tudo por conta própria, podemos exemplificar com o filme O Homem Bicentenário (Bicentennial Man – 1999), interpretado brilhantemente pelo saudoso Robin Williams. Mas a resposta para isso é que não é possível, o Homem Bicentenário é um personagem fictício, ele era um robô que possuía consciência no filme que protagonizava, e consciência somente os seres humanos possuem. As máquinas aprendem, enxergam, classificam e fazem previsões somente daquilo que nós seres humanos programamos elas para fazerem. Por exemplo, se um carro autônomo é treinado para ir do ponto x ao ponto y, quando ele chegar ao ponto y ele vai parar no ponto y e não irá até um ponto z por conta própria, a não ser que o mesmo tenha sido treinado para tal.
Mas quando ouvimos que a IA está dominando ou vai dominar o mundo, é muito por conta das várias funções que ela pode executar com precisão e eficiência que um ser humano jamais teria, com isso se economiza tempo e dinheiro e devido a isso profissionais da área estão sendo cada vez mais requisitados para programar IA, pois a mesma tem aplicações em praticamente todos os setores da vida, seja na saúde, área de negócios, indústria, setor jurídico, etc…
Então Vamos Definir o Que é IA
No ramo da ciência e da engenharia, a IA é um dos campos mais recentes, ela é constituída por vários procedimentos computacionais, que se executados por um ser humano, seria considerado inteligente. Esta área de pesquisa tem como objetivo buscar métodos ou sistemas computacionais que possuam ou reforcem a capacidade de comportamento inteligente do ser humano, como de resolver problemas, reconhecer padrões, representar informações, etc…
Um sistema inteligente tem como características:
• aquisição de conhecimentos;
• planejamento de eventos;
• resolução de problemas;
• representações de informações;
• armazenamento de conhecimento;
• comunicação através de linguagens coloquiais;
• aprendizado.
Como citado anteriormente, a Inteligência Artificial possui vários campos de atuação, auxiliando a capacidade humana em projetos e no desenvolvimento de novos sistemas. Tudo isso graças ao desenvolvimento dos sistemas especialistas como Lógica Fuzzy, Redes Neurais Artificiais, Algoritmos Evolucionários, entre outros. Uma das grandes aplicações de sucesso da IA é o sistema de busca do Google, os de recomendação da NetFlix e de algumas redes sociais.
Teste de Turing
Em 1950 o cientista Alan Turing publicou um artigo denominado “Computing Machine and Intelligence”, onde ele apresentou pela primeira vez o que conhecemos por Teste de Turing que tinha o objetivo de descobrir se uma máquina teria capacidade de enganar um ser humano. O computador passará no teste depois que um ser humano fizer algumas perguntas por escrito, tanto para um computador, quanto para outro ser humano. O interrogador deverá descobrir através do “diálogo” quem é o humano e quem é a máquina. O computador seria programado para se passar por um ser humano e o humano agiria como tal. Se no final do teste o interrogador não souber quem é o ser humano e quem é a máquina, poderá se concluir que o computador pode “pensar”.
Passar no teste não é tarefa simples, pois o computador precisaria ter grandes capacidades como:
• processamento de linguagem natural para permitir que ele se comunique com sucesso em um idioma natural;
• representação de conhecimento para armazenar o que sabe ou ouve;
• raciocínio automatizado para usar as informações armazenadas com a finalidade de responder a perguntas e tirar novas conclusões;
• aprendizado de máquina para se adaptar a novas circunstâncias e para detectar e extrapolar padrões;
• visão computacional para detectar e reconhecer objetos e faces humanas;
• robótica para manipular objetos e movimentar-se;
Essas seis disciplinas compõem a maior parte da IA, e Turing merece um grande reconhecimento por desenvolver um teste que é relevante até os dias de hoje.
A primeira vez que uma máquina conseguiu passar no teste foi em 2014 (apesar de algumas controvérsias), onde um computador conseguiu enganar uma banca na Universidade de Reading em Londres. A máquina criada por russos atende pelo nome de Eugene Goostman, se faz passar por um menino de 13 anos que diz que sabe tudo, é ucraniano, mas fala inglês o que ajudou a confundir a banca com algumas frases desconexas e fazendo 33% deles acreditarem que realmente era um menino (para passar no teste precisa de 30%). Hoje em dia existem vários chatbots que podem executar esse teste com uma taxa maior de precisão.
Aprendizagem de Máquina (Machine Learning)
Devido ao aumento das técnicas de IA e do processamento dos computadores, o aprendizado de máquina vem ganhando cada vez mais espaço. Essa linha de pesquisa tem como objetivo estudar e desenvolver métodos computacionais para a obtenção de sistemas capazes de adquirir conhecimento de forma automática.
Algoritmos de aprendizado de máquina tem como função descobrir o relacionamento entre as variáveis de um sistema (entrada/saída) a partir de dados amostrados. Estes algoritmos se originam de muitas áreas do conhecimento como estatística, matemática, engenharia, física, etc.
Mas por que se faz necessário uma máquina para aprender, sendo que o próprio programador pode resolver programando essa melhoria? Existe três principais motivos: Em primeiro lugar, os projetistas não podem antecipar nem prever todas as ações possíveis em que o agente possa se encontrar, por exemplo um robô projetado para andar em labirintos, tem que aprender a configuração de cada novo labirinto que encontra. Em segundo lugar, os projetistas não podem antecipar todas as mudanças ao longo do tempo; um algoritmo projetado para prever os preços do mercado de ações pela manhã, deve aprender a se adaptar quando as condições começarem a variar ao longo do dia. Em terceiro lugar, os programadores humanos nem sempre sabem programar soluções por si só, por exemplo, a maioria das pessoas se reconhecem pela face um dos outros, mas mesmo os grandes programadores são incapazes de desenvolver um algoritmo que realize esse feito, é nesse momento que entra o machine learning
Podemos classificar os algoritmos de aprendizagem de máquina da seguinte maneira:
Aprendizagem Não Supervisionada
Nesse tipo aprendizagem a tarefa mais comum é o agrupamento, a detecção de grupos de exemplos de entrada potencialmente úteis. Por exemplo, um motorista de taxi pode desenvolver um dia de tráfego bom e um dia de tráfego ruim sem nunca ter sido rotulado exemplos de cada um deles.
Aprendizagem por Reforço
O agente aprende por uma série de reforços, recompensas ou punições, de uma forma mais simplificada, por tentativa e erro. Por exemplo, a falta de gorjeta no final de uma corrida ao taxista dirá ao mesmo que algo não deu certo. Os dois pontos de uma vitória de um jogo de xadrez informam que o jogador fez a coisa certa. Cabe ao agente decidir qual das ações anteriores ao reforço foram as maiores responsáveis por isso.
Aprendizagem Supervisionada
A aprendizagem supervisionada pode ser representada da seguinte forma:
Dado um conjunto de treinamento de N pares de exemplos de entrada e saída (x1, y1), (x2, y2),…(xn, yn), onde cada yj foi gerado por uma função desconhecida y = f(x), descobrir uma função h que se aproxime da função verdadeira f.
Nesse caso y e x podem ter qualquer valor, sendo número ou não. A função h é um valor hipotético. A aprendizagem é uma busca através das hipóteses além do conjunto de treinamento. Para medir a precisão das hipóteses, é preciso fornecer um conjunto de testes de exemplos distintos do conjunto de treinamento.
Quando a saída y for de um conjunto finito de valores, o problema da aprendizagem será chamado de classificação, e se existir apenas dois valores será chamada de classificação binária ou booleana. Caso y seja um número, o problema de aprendizagem será chamado de regressão, onde a solução será encontrar uma expectativa condicional ou valor médio de y, porque a probabilidade de achar um valor exato para o mesmo é 0.
O Que a IA Pode Fazer nos Dias de Hoje?
É difícil uma resposta concisa porque existem muitas atividades em vários subcampos. Aqui, mostramos algumas aplicações;
Veículos robóticos: Um carro robótico sem motorista chamado STANLEY acelerou através do terreno acidentado do deserto Mojave a 22 mph, terminando o percurso de 212 quilômetros como o primeiro para ganhar o DARPA Grand Challenge 2005. STANLEY é um Touareg Volkswagen equipado com câmeras, radares e telêmetros a laser para detectar o ambiente e computador de bordo para comandar a pilotagem, a frenagem e a aceleração (Thrun, 2006). No ano seguinte, o BOSS da CMU ganhou o Urban Chalenge, dirigindo de forma segura no trânsito pelas ruas de uma base da força aérea fechada, obedecendo às regras de trânsito e evitando os pedestres e outros veículos.
Reconhecimento de voz: Um viajante telefonando para a United Airlines para reservar um voo pode ter toda a conversa guiada por um sistema automático de reconhecimento de voz e de gestão de diálogo.
Planejamento autônomo e escalonamento: A uma centena de milhões de quilômetros da Terra, o programa Remote Agent da Nasa se tornou o primeiro programa de planejamento autônomo de bordo a controlar o escalonamento de operações de uma nave espacial (Jonsson et al., 2000). O Remote Agent gerou planos de metas de alto nível especificadas a partir do solo e monitorou a execução daqueles planos — efetuando a detecção, o diagnóstico e a recuperação de problemas conforme eles ocorriam. O programa sucessor MAPGEN (Al-Chang et al., 2004) planeja as operações diárias para a Mars Exploration Rovers da Nasa, e o MEXAR2 (Cesta et al., 2007) fez o planejamento tanto logístico como científico para a missão Mars Express da Agência Espacial Europeia, em 2008.
Jogos: O DEEP BLUE da IBM se tornou o primeiro programa de computador a derrotar o campeão mundial em uma partida de xadrez, ao vencer Garry Kasparov por um placar de 3,5 a 2,5 em uma partida de exibição (Goodman e Keene, 1997). Kasparov disse que sentiu “uma nova espécie de inteligência” do outro lado do tabuleiro. A revista Newsweek descreveu a partida como “o último reduto do cérebro”. O valor das ações da IBM teve um aumento de 18 bilhões de dólares. Campeões humanos estudaram a perda de Kasparov e foram capazes de empatar algumas partidas nos anos seguintes, mas as mais recentes partidas humano-computador foram conquistadas de maneira convincente pelo computador.
Combate contra spam: A cada dia, algoritmos de aprendizagem classificam mais de um bilhão de mensagens como spam, poupando o destinatário de ter que perder tempo excluindo o que, para muitos usuários, poderia incluir 80% ou 90% de todas as mensagens, se não fossem classificadas como spam pelos algoritmos. Devido aos spammers estarem constantemente atualizando suas táticas, é difícil que uma abordagem estática programada se mantenha, e algoritmos de aprendizagem funcionam melhor (Sahami et al., 1998; Goodman e Heckerman, 2004).
Planejamento logístico: Durante a crise do Golfo Pérsico em 1991, as forças armadas dos Estados Unidos distribuíram uma ferramenta denominada Dynamic Analysis and Replanning Tool, ou DART (Cross e Walker, 1994), a fim de realizar o planejamento logístico automatizado e a programação de execução do transporte. Isso envolveu até 50.000 veículos, transporte de carga aérea e pessoal ao mesmo tempo, e teve de levar em conta pontos de partida, destinos, rotas e resolução de conflitos entre todos os parâmetros. As técnicas de planejamento da IA permitiram a geração em algumas horas de um plano que exigiria semanas com outros métodos. A Defense Advanced Research Project Agency (DARPA) declarou que essa única aplicação compensou com folga os 30 anos de investimento da DARPA em IA.
Robótica: A iRobot Corporation já vendeu mais de dois milhões de aspiradores robóticos Roomba para uso doméstico. A empresa também disponibilizou o mais robusto PackBot para o Iraque e Afeganistão, onde é usado para lidar com materiais perigosos, remover explosivos e identificar a localização dos franco-atiradores.
Tradução automática: Um programa de computador traduz automaticamente do árabe para o inglês, permitindo a um nativo de língua inglesa ler o cabeçalho “Ardogan Confirma que a Turquia Não Vai Aceitar Qualquer Tipo de Pressão, Instando-os a Reconhecer Chipre”. O programa utiliza um modelo estatístico construído a partir de exemplos de traduções de árabe-inglês e de exemplos de textos em inglês, totalizando dois trilhões de palavras (Brants et al., 2007). Nenhum dos cientistas da computação na equipe fala árabe, mas eles entendem as estatísticas e os algoritmos de aprendizado de máquina.
Esses são apenas alguns exemplos de sistemas de inteligência artificial que existem hoje em dia. Este é apenas o primeiro post deste blog, onde vamos abordar IA com muito mais detalhes.
Fonte:
RUSSEL, Stuart; NORVIG, Peter. Inteligência Artificial. 3ª ed. Rio de Janeiro: Elsevier, 2013.
LIMA, Isaías; SANTOS Flávia; PINHEIRO, Carlos. Inteligência artificial. 1ª ed. Rio de Janeiro: Elsevier, 2014.