Usuário(a):Adailton2C/Testes

Inteligência artificial (sigla: IA; do inglês: Artificial Intelligence, da sigla: AI) é um campo de estudo multidisciplinar que abrange várias áreas do conhecimento, sendo uma área da Ciência da Computação. IA é definida como aquela que foi construída pelo homem e não pela natureza, tendo sua interferência direta constantemente, o que leva o termo a diferentes significados que variam no espaço e no tempo.

Conceitos e definições

Ao conceituar inteligência artificial, presume-se a interação com o ambiente, diante de necessidades reais como relações entre indivíduos semelhantes, a disputa entre indivíduos diferentes, perseguição e fuga; além da comunicação simbólica específica de causa e efeito em diversos níveis de compreensão intuitiva, consciente ou não. Mas o conceito de inteligência artificial não é contemporâneo. Aristóteles, professor de Alexandre, o Grande, almejava substituir a mão de obra escrava por objetos autônomos, sendo essa a primeira idealização de Inteligência Artificial relatada, uma ideia que seria explorada muito tempo depois pela ciência da computação.

A construção de máquinas inteligentes interessa à humanidade há muito tempo, havendo na história tanto um registro significante de autômatos mecânicos (reais) quanto de personagens fictícios construídos pelo homem com inteligência própria, tais como o Golem e o Frankenstein. Tais relatos, lendas e ficções demonstram expectativas contrastantes do homem, de fascínio e de medo, em relação à Inteligência Artificial.

O professor John McCarthy foi quem usou o termo pela primeira em 1956, no campo científico, em uma conferência de especialistas, chamada “O Eros Eletrónico” e celebrada em Darmouth College, durante o Dartmouth Summer Research Project on Artificial Intelligence.

Os pesquisadores Andreas Kaplan e Michael Haenlein, no seu artigo A Brief History of Artificial Intelligence: On the Past, Present, and Future of Artificial Intelligence, de 2019, definem a inteligência artificial como “uma capacidade do sistema para interpretar corretamente dados externos, aprender a partir desses dados e utilizar essas aprendizagens para atingir objetivos e tarefas específicas através de adaptação flexível”.

É uma área de pesquisa da computação dedicada a buscar métodos ou dispositivos computacionais que possuam ou multipliquem a capacidade racional do ser humano de resolver problemas, pensar ou, de forma ampla, ser inteligente. Também pode ser definida como o ramo da ciência da computação que se ocupa do comportamento inteligente ou ainda, o estudo de como fazer os computadores realizarem coisas que, atualmente, os humanos fazem melhor.

A cultura hacker surgiu primeiramente em laboratórios de IA, em particular no MIT AI Lab, lar de celebridades tais como McCarthy, Minsky, Seymour Papert (que desenvolveu a linguagem Logo) e Terry Winograd (que abandonou a IA depois de desenvolver a linguagem de programação SHRDLU.

O filósofo John Haugeland, em seu livro Artificial Intelligence: The Very Idea (1989), cunha o termo Boa Inteligência Artificial à Moda Antiga (em inglês Good old fashioned artificial intelligence - GOFAI. Ele propôs que a IA deve ser mais apropriadamente chamada de inteligência sintética, um termo que já foi adotado por alguns pesquisadores não-GOFAI.

Abordagem interdisciplinar

Embora seu desenvolvimento tenha avançado mais na ciência da computação, sua abordagem interdisciplinar envolve contribuições de diversas disciplinas.

É possível considerar algumas características básicas desses sistemas, como a capacidade de raciocínio (aplicar regras lógicas a um conjunto de dados disponíveis para chegar a uma conclusão), aprendizagem (aprender com os erros e acertos para que no futuro possa agir de maneira mais eficaz), reconhecer padrões (tanto padrões visuais e sensoriais, como também padrões de comportamento) e inferência (capacidade de conseguir aplicar o raciocínio nas situações do nosso cotidiano). "Embora a natureza do artificial seja relativamente fácil de abordar, a definição de inteligência abre portas para questões mais complexas".

Suponhamos uma competição de cara ou coroa, cujos resultados sejam observados ou não. Se na segunda tentativa der o mesmo resultado que a primeira, então não existiam as mesmas chances para ambas opções iniciais. Claro que a coleta de informação em apenas duas amostragens é confiável apenas porque a quantidade de tentativas é divisível pelo número de opções de resultados prováveis.

A verdade é que o conceito de cara ou coroa está associado a artigos de valor, como moedas e medalhas que podem evitar que as pessoas abandonem o jogo e induza os participantes a acompanhar os resultados até o final. Para manter a disposição do adversário em desafiar a máquina seria necessário aparentar fragilidade e garantir a continuidade da partida. Isso é muito utilizado em máquinas de cassino, sendo que vários apostadores podem ser induzidos a dispensar consideráveis quantias em apostas.

A utilização de uma máquina de resultados pode compensar a ausência de um adversário, mas numa partida de xadrez, por exemplo, para que a máquina não precise armazenar todas as informações que excedem a capacidade de próprio universo imaginável são necessárias fórmulas que possam ser armazenadas para que então sejam calculadas por princípios físicos, lógicos, geométricos, e estatísticos para refletir o sistema completo em cada uma das suas partes; como a integração do Google com Wikipédia, por exemplo.

Histórico

Primórdios

Desde o início os fundamentos da inteligência artificial tiveram o suporte de várias disciplinas que contribuíram com ideias, pontos de vista e técnicas para a IA. Os filósofos (desde 400 a.C.) tornaram a IA concebível, considerando as ideias de que a mente é, em alguns aspectos, semelhante a uma máquina, de que ela opera sobre o conhecimento codificado em alguma linguagem interna e que o pensamento pode ser usado para escolher as ações que deverão ser executadas. Por sua vez, os matemáticos forneceram as ferramentas para manipular declarações de certeza lógica, bem como declarações incertas e probabilísticas. Eles também definiram a base para a compreensão da computação e do raciocínio sobre algoritmos.

Os economistas formalizaram o problema de tomar decisões que maximizam o resultado esperado para o tomador de decisões. Os psicólogos adotaram a ideia de que os seres humanos e os animais podem ser considerados máquinas de processamento de informações. Os linguistas mostraram que o uso da linguagem se ajusta a esse modelo. Os engenheiros de computação fornecem os artefatos que tornam possíveis as aplicações de IA. Os programas de IA tendem a ser extensos e não poderiam funcionar sem os grandes avanços em velocidade e memória que a indústria de informática tem proporcionado.

Século XX

1940 - robôs e GPS

Humanoide

Nas décadas de 1940 e 1950, diversos pesquisadores investigaram a interseção entre neurologia, teoria da informação e cibernética. Alguns deles desenvolveram dispositivos que empregavam redes eletrônicas para demonstrar formas elementares de inteligência, exemplificadas pelas tartarugas-robôs de William Grey Walter e o robô a Besta, construído na Universidade Johns Hopkins. Esses estudiosos frequentemente participavam de reuniões na Sociedade Teleológica da Universidade de Princeton e no Ratio Club na Inglaterra.

Os estágios iniciais da IA foram marcados por avanços, embora de maneira restrita. Levando em conta as primeiras máquinas computadores, as ferramentas de programação disponíveis naquela época e considerando que apenas alguns anos antes os computadores eram percebidos apenas como dispositivos capazes de realizar operações aritméticas, era surpreendente ver um computador executando qualquer atividade que pudesse ser considerada remotamente inteligente.

O êxito inicial continuou com o General Problem Solver (GPS), desenvolvido por Newell e Simon, que visava replicar os protocolos humanos de resolução de problemas. Observou-se que, dentro da sua capacidade limitada de lidar com quebra-cabeças específicos, o GPS seguia a mesma ordem de abordagem adotada por seres humanos diante desses problemas. Dessa forma, o GPS pode ser considerado como possivelmente o primeiro programa a adotar uma abordagem de "pensar de maneira semelhante à humana".

1950 - IA experimental

O desenvolvimento da IA se deu de forma plena no século XX, logo após a Segunda Guerra Mundial, com a publicação do artigo Computing Machinery and Intelligence, na revista científica Mind, em 1950, pelo matemático inglês Alan Turing. A inteligência artificial começou como um campo experimental nos anos 50 com pioneiros como Allen Newell e Herbert Simon, que fundaram o primeiro laboratório de inteligência artificial na Universidade Carnegie Mellon, e John McCarthy e Marvin Minsky, que fundaram o MIT Computer Science and Artificial Intelligence Laboratory[[1]], em 1959. Foram eles alguns dos participantes na famosa conferência de verão de 1956 em Darthmouth College.

1960 / 1970 - Conexão

Nas décadas de 60 e 70, os pesquisadores focados em conexão foram afastados do centro das investigações em IA, no entanto, o interesse por essa abordagem foi revivido nos anos 80, à medida que as limitações da IA tradicional começaram a se tornar evidentes. Em 1960, esta abordagem foi abandonada, apesar de seus elementos serem revividos na década de 1980.

1980 - Inteligência computacional

Na década de 1980, a pesquisa em inteligência artificial recebeu financiamento significativo da Agência de Projetos de Pesquisas Avançadas sobre Defesa (Defense Advanced Research Projects Agency - DARPA), nos Estados Unidos, e do Projeto da Quinta Geração, no Japão. O trabalho financiado não conseguiu fornecer resultados imediatos, apesar das promessas exageradas de alguns praticantes de IA. Isso resultou em cortes substanciais nos fundos de agências governamentais no final dos anos 80, levando a uma desaceleração das atividades no setor, conhecida como "O Inverno da IA". Ao longo da década seguinte, muitos pesquisadores de IA direcionaram seus esforços para áreas correlatas com objetivos mais modestos, como aprendizado de máquinas, robótica e visão computacional, embora as pesquisas em inteligência artificial pura tenham continuado em níveis reduzidos.

O interesse em redes neurais e "conexionismo" foi revitalizado por David Rumelhart e colegas na década de 1980. Atualmente, essas abordagens e outras técnicas sub-simbólicas, como sistemas de lógica fuzzy e computação evolucionária, são examinadas de maneira conjunta dentro da disciplina em ascensão conhecida como inteligência computacional.

Século XXI

Apenas recentemente, com o surgimento do computador moderno, é que a inteligência artificial ganhou meios e massa crítica para se estabelecer como ciência integral, com problemáticas e metodologias próprias. Desde então, seu desenvolvimento tem extrapolado os clássicos programas de xadrez ou de conversão e envolvido áreas como visão computacional, análise e síntese da voz, lógica difusa, redes neurais artificiais e muitas outras. Inicialmente, os modelos de IA visavam reproduzir o pensamento humano. Posteriormente, no entanto, tais modelos abraçaram a ideia de reproduzir capacidades humanas como criatividade, auto aperfeiçoamento e uso da linguagem. Porém, o conceito de inteligência artificial ainda é bastante difícil de se definir. Por essa razão, Inteligência Artificial foi (e continua sendo) uma noção que dispõe de múltiplas interpretações, não raro conflitantes ou circulares.

2020

Observou-se uma revolução no campo da inteligência artificial, tanto em termos de conteúdo quanto de metodologia. Atualmente, é mais prevalente a utilização de teorias existentes como fundamentos, em vez de propor teorias completamente novas. Além disso, há uma tendência em embasar as informações em teoremas rigorosos ou em evidências experimentais robustas, em contraste com o uso intuitivo como base. Destaca-se também uma maior ênfase na relevância de aplicações práticas em detrimento de exemplos hipotéticos.

A aplicação da inteligência artificial não apenas resulta em melhorias significativas de desempenho, mas também viabiliza o desenvolvimento de inovações que têm o potencial de expandir extraordinariamente nossos sentidos e habilidades intelectuais. A presença crescente da inteligência artificial na simulação do pensamento humano permeia cada vez mais nosso cotidiano. No Brasil, em maio de 2017, foi estabelecida a ABRIA (Associação Brasileira de Inteligência Artificial) com o propósito de mapear iniciativas nacionais no campo da inteligência artificial, abrangendo colaborações entre empresas locais e a formação de profissionais especializados. Esse passo reforça a percepção de que a inteligência artificial tem um impacto significativo no setor econômico atualmente.

Campo e áreas de estudo

A IA abarca uma ampla gama de subáreas. Entre essas áreas está a investigação de modelos conexionistas, também conhecidos como redes neurais. Uma rede neural pode ser concebida como um modelo matemático simplificado do funcionamento do cérebro humano. Essa estrutura é composta por um grande número de unidades elementares de processamento, denominadas neurônios, que trocam estímulos elétricos entre si, formando assim uma rede altamente interconectada.

No processo de processamento, os estímulos recebidos são combinados de acordo com a intensidade de cada ligação, resultando em um único estímulo de saída. O arranjo das interconexões entre os neurônios e suas respectivas intensidades define as principais propriedades e o funcionamento de uma Rede Neural (RN). O estudo das redes neurais, ou conexão, está relacionado à capacidade dos computadores de aprenderem e reconhecerem padrões. Além disso, destaca-se a pesquisa na área da biologia molecular, que busca criar vida artificial, e a robótica, que está interligada à biologia e visa construir máquinas capazes de abrigar vida artificial. Outro subcampo de estudo envolve a ligação da Inteligência Artificial com a Psicologia, buscando representar nas máquinas os mecanismos de raciocínio e busca.

Algumas das principais áreas relacionadas à IA incluem:

1. Ciência da Computação: desempenha um papel central na IA, fornecendo as bases teóricas e práticas para o desenvolvimento de algoritmos, modelos e técnicas computacionais para simular a inteligência humana.
2. Matemática e Estatística: fornecem os fundamentos teóricos para a modelagem e análise de algoritmos de IA, incluindo aprendizagem de máquina, redes neurais e processamento de dados.
3. Aprendizagem de Máquina (Machine Learning): subárea da IA que se concentra no desenvolvimento de algoritmos que permitem aos computadores aprender e melhorar com base em dados. Isso envolve a aplicação de técnicas estatísticas e algoritmos de otimização.
4. Ciência Cognitiva: estuda os processos mentais e a inteligência humana, e suas contribuições para a IA estão relacionadas à compreensão e modelagem dos processos cognitivos para o desenvolvimento de sistemas inteligentes.
5. Neurociência Computacional: busca entender o funcionamento do cérebro humano e aplicar esses insights no desenvolvimento de modelos e algoritmos de IA inspirados no cérebro.
6. Filosofia da Mente: explora questões relacionadas à natureza da mente, da consciência e da inteligência, oferecendo perspectivas teóricas importantes para o campo da IA.
7. Linguística Computacional: envolve o Processamento de Linguagem Natural (PLN), que se concentra no desenvolvimento de algoritmos e técnicas para que os computadores compreendam e processem a linguagem humana.

Abordagens simbólica e conexionista

Existem duas abordagens principais para a criação de Sistemas de Inteligência Artificial: a simbólica e a conexionista. A abordagem simbólica é baseada na representação e manipulação de símbolos e regras lógicas para resolver problemas de inteligência artificial, se concentrando na inferência lógica e no raciocínio simbólico. A abordagem conexionista, também conhecida como rede neural, é baseada em modelos inspirados no funcionamento do cérebro. Eles são compostos por neurônios artificiais interconectados, que são capazes de aprender a partir de exemplos e reconhecer padrões nos dados. Dessa forma, as redes neurais podem ser usadas para uma ampla variedade de tarefas, incluindo classificação, reconhecimento de fala e visão computacional.

Perspectivas IA forte e IA fraca

Com a disseminação da Inteligência Artificial, observamos não apenas diferentes abordagens, mas também duas perspectivas que caracterizam a IA como forte e fraca. Entre os teóricos que estudam o que é possível fazer com a IA existe uma discussão onde se consideram duas propostas básicas: uma conhecida como "forte" e outra conhecida como "fraca". Basicamente, a hipótese da IA forte considera ser possível criar uma máquina consciente, ou seja, afirma que os sistemas artificiais devem replicar a mentalidade humana.

Inteligência artificial forte

A pesquisa em Inteligência Artificial Forte concentra-se no desenvolvimento de uma inteligência computacional capaz de raciocinar e solucionar problemas, sendo considerada forte quando demonstra autoconsciência. A IA forte é tema bastante controverso, pois envolve temas como consciência e fortes problemas éticos ligados ao que fazer com uma entidade que seja cognitivamente indistinguível de seres humanos. A ficção científica tratou de muitos problemas desse tipo. Isaac Asimov, por exemplo, escreveu O Homem Bicentenário, onde um robô consciente e inteligente luta para possuir um status semelhante ao de um humano na sociedade. E Steven Spielberg dirigiu "A.I. Inteligência Artificial" onde um garoto-robô procura conquistar o amor de sua "mãe", procurando uma maneira de se tornar real. Por outro lado, o mesmo Asimov reduz os robôs a servos dos seres humanos ao propor as três leis da robótica. Stephen Hawking alertou sobre os perigos da inteligência artificial e considerou uma ameaça à sobrevivência da humanidade.

Inteligência artificial fraca

Trata-se da noção de como lidar com problemas não determinísticos. Uma contribuição prática de Alan Turing foi o que se chamou depois de Teste de Turing (TT), de 1950: em lugar de responder à pergunta "podem-se ter computadores inteligentes?" ele formulou seu teste, que se tornou praticamente o ponto de partida da pesquisa em "Inteligência Artificial".

O teste consiste em se fazer perguntas a uma pessoa e um computador escondidos. Um computador e seus programas passam no TT se, pelas respostas, for impossível a alguém distinguir qual interlocutor é a máquina e qual é a pessoa. No seu artigo original ele fez a previsão de que até 2000 os computadores passariam seu teste. Pois bem, há um concurso anual de programas para o TT, e o resultado dos sistemas ganhadores é tão fraco (o último tem o nome "Ella") que com poucas perguntas logo percebe-se as limitações das respostas da máquina. É interessante notar que tanto a Máquina de Turing quanto o Teste de Turing talvez derivem da visão que Turing tinha de que o ser humano é uma máquina.

Há quem diga que essa visão está absolutamente errada, do ponto de vista linguístico, já que associamos à "máquina" um artefato inventado e eventualmente construído. Dizem eles: "Nenhum ser humano foi inventado ou construído". Afirma-se ainda que a comparação, feita por Turing, entre o homem e a máquina é sinônimo de sua "ingenuidade social", pois as máquinas são infinitamente mais simples do que o homem, apesar de, paradoxalmente, se afirmar que a vida é complexa. No entanto, esta linha de raciocínio é questionável, afinal de contas, os computadores modernos podem ser considerados "complexos" quando comparados ao COLOSSUS (computador cujo desenvolvimento foi liderado por Tommy Flowers, em 1943), ou a qualquer máquina do início do século XX.

A inteligência artificial fraca centra a sua investigação na criação de inteligência artificial que não é capaz de verdadeiramente raciocinar e resolver problemas. Uma tal máquina com esta característica de inteligência agiria como se fosse inteligente, mas não tem autoconsciência ou noção de si. O teste clássico para aferição da inteligência em máquinas é o Teste de Turing.

Há diversos campos dentro da IA fraca, e um deles é o Processamento de linguagem natural, que trata de estudar e tentar reproduzir os processos de desenvolvimento que resultaram no funcionamento normal da língua. Muitos destes campos utilizam softwares específicos e linguagens de programação criadas para suas finalidades. Um exemplo é o chatbot Eliza, desenvolvido por Joseph Weizenbaum no laboratório de Inteligência Artificial do MIT entre os anos de 1964 e 1966. Outro exemplo bastante conhecido é o programa A.L.I.C.E. (Artificial Linguistic Internet Computer Entity, ou Entidade Computadorizada de Linguagem Artificial para Internet), um software que simula uma conversa humana. Programado em Java e desenvolvido com regras heurísticas para os caracteres de conversação, seu desenvolvimento resultou na AIML (Artificial Intelligence Markup Language), uma linguagem específica para tais programas e seus vários clones, chamados de Alicebots.

Muito do trabalho neste campo tem sido feito com simulações em computador de inteligência baseado num conjunto predefinido de regras. Poucos têm sido os progressos na IA forte. Mas dependendo da definição de IA utilizada, pode-se dizer que avanços consideráveis na IA fraca já foram alcançados.

Impossibilidade de Simulação Qualitativa

Foi provado que um simulador qualitativo, completo e robusto não pode existir, ou seja, desde que o vocabulário entrada saída seja usado (como num algoritmo QSIM), haverá sempre modelos de entrada que causam predições erradas na sua saída. Por exemplo, a noção de infinito é impossível ser tida por uma máquina finita (computador ou neurónios se produzirem apenas um número finito de resultados num número finito de tempo). Neste caso é um simples paradoxo matemático, porque são em número finito as combinações saídas de qualquer conjunto finito. Se a noção de infinito pudesse ser obtida por uma certa combinação finita, isso significaria que o infinito seria equivalente a essa sequência finita, o que é obviamente uma contradição. Por isso, o infinito e outras noções abstratas têm que ser pré-adquiridas numa máquina finita, não são aí programáveis.

Críticas filosóficas e a argumentação de uma IA forte

John Searle

Muitos filósofos, sobretudo John Searle e Hubert Dreyfus, inseriram no debate questões de ordem filosófica e epistemológica, questionando qualquer possibilidade efetiva da IA forte. Seriam falsos, assim, os próprios pressupostos da construção de uma inteligência ou consciência semelhante à humana em uma máquina.

Searle é bastante conhecido por seu contra-argumento sobre o Quarto Chinês (ou Sala Chinesa), que inverte a questão colocada por Minsky a respeito do Teste de Turing. Seu argumento diz que ainda que uma máquina possa parecer falar chinês por meio de recursos de exame comparativo com mostras e tabelas de referência, binárias, isso não implica que tal máquina fale e entenda efetivamente a língua. Ou seja, demonstrar que uma máquina possa passar no Teste de Turing não necessariamente implica um ser consciente, tal como entendido em seu sentido humano. Dreyfus, em seu livro O que os computadores ainda não conseguem fazer: Uma crítica ao raciocínio artificial, argumenta que a consciência não pode ser adquirida por sistemas baseados em regras ou lógica; tampouco por sistemas que não façam parte de um corpo físico. No entanto, este último autor deixa aberta a possibilidade de um sistema robótico baseado em Redes Neuronais, ou em mecanismos semelhantes, alcançar a inteligência artificial.

Mas já não seria a referida IA forte, mas sim um correlato bem mais próximo do que se entende por IA fraca. Os revezes que a acepção primeira de Inteligência Artificial vem levando nos últimos tempos contribuíram para a imediata relativização de todo seu legado. O papel de Marvin Minsky, figura proeminente do MIT e autor de Sociedade da Mente, fora central para a acepção de uma IA linear que imitaria com perfeição a mente humana, mas seu principal feito foi construir o primeiro computador baseado em redes neurais, conhecido como Snark, tendo simplesmente fracassado pois nunca executou qualquer função interessante, apenas consumiu recursos de outras pesquisas mais promissoras. O primeiro neuro computador a obter sucesso (Mark I Perceptron) surgiu em 1957 e 1958, criado por Frank Rosenblatt, Charles Wightman e outros. Atualmente, no entanto, as vertentes que trabalham com os pressupostos da emergência e com elementos da IA fraca parecem ter ganhado proeminência do campo.

As críticas sobre a impossibilidade de criar uma inteligência em um composto artificial podem ser encontradas em Jean-François Lyotard (O Pós-humano) e Lucien Sfez (Crítica da Comunicação); uma contextualização didática do debate encontra-se em Sherry Turkle (O segundo Eu: os computadores e o espírito humano). Pode-se resumir o argumento central no fato de que a própria concepção de inteligência é humana e, nesse sentido, animal e biológica. A possibilidade de transportá-la para uma base plástica, artificial, encontra um limite claro e preciso: se uma inteligência puder ser gerada a partir destes elementos, deverá ser necessariamente diferente da humana, na medida em que o seu resultado provém da emergência de elementos totalmente diferentes dos encontrados nos humanos. A inteligência, tal como a entendemos, é essencialmente o fruto do cruzamento da uma base biológica com um complexo simbólico e cultural, impossível de ser reproduzido artificialmente.

Outros filósofos sustentam visões diferentes. Ainda que não vejam problemas com a IA fraca, entendem que há elementos suficientes para se crer na IA forte também. Daniel Dennett argumenta em Consciência Explicada que se não há uma centelha mágica ou alma nos seres humanos, então o Homem é apenas uma outra máquina. Dennett questiona por que razão o Homem-máquina deve ter uma posição privilegiada sobre todas as outras possíveis máquinas quando provido de inteligência.

Alguns autores sustentam que se a IA fraca é possível, então também o é a forte. O argumento da IA fraca, de uma inteligência imitada mas não real, desvelaria assim uma suposta validação da IA forte. Isso se daria porque, tal como entende Simon Blackburn em seu livro Think, dentre outros, não existe a possibilidade de verificar se uma inteligência é verdadeira ou não. Estes autores argumentam que toda inteligência apenas parece inteligência, sem necessariamente o ser. Parte-se do princípio que é impossível separar o que é inteligência de fato do que é apenas simulação: apenas acredita-se ser.

Estes autores rebatem os argumentos contra a IA forte dizendo que seus críticos reduzem-se a arrogantes que não podem entender a origem da vida sem uma centelha mágica, um Deus ou uma posição superior qualquer. Eles entenderiam, em última instância, máquina como algo essencialmente incapaz e sequer conseguem supô-la como capaz de inteligência. Nos termos de Minsky, a crítica contra a IA forte erra ao supor que toda inteligência derive de um sujeito - tal como indicado por Searle - e assim desconsidera a possibilidade de uma maquinaria complexa que pudesse pensar. Mas Minsky desconsidera o simples fato de que os maiores avanços na área foram conseguidos com "maquinaria complexa", também chamada por pesquisadores mais importantes de Inteligência Artificial Conexista. Se a crítica de Minsky fosse válida a maquina criada por Rosenblatt e Bernard Widrow não estaria em uso ainda hoje, e o Mark I Perceptron não seria o fundador da neuro-computação. Alguns pesquisadores importantes afirmam que um dos motivos das críticas de Minsky foi o fato de ter falhado com Snark. A partir daí começou a criticar essa área por não compreende-la completamente, prejudicando desde então pesquisas importantes sobre o assunto.

O debate sobre a IA reflete, em última instância, a própria dificuldade da ciência contemporânea em lidar efetivamente com a ausência de um primado superior. Os argumentos pró-IA forte são esclarecedores dessa questão, pois são os próprios cientistas, que durante décadas tentaram e falharam ao criar uma IA forte, que ainda procuram a existência de uma ordem superior. Ainda que a IA forte busque uma ordem dentro da própria conjugação dos elementos internos, trata-se ainda da suposição de que existe na inteligência humana uma qualidade superior que deve ser buscada, emulada e recriada. Reflete, assim, a difícil digestão do legado radical da Teoria da Evolução, onde não existe positividade alguma em ser humano e ser inteligente; trata-se apenas de um complexo de relações que propiciaram um estado particular, produto de um cruzamento temporal entre o extrato biológico e uma complexidade simbólica.

Resoluções de problemas com IA

Uma das áreas mais estudadas por cientistas sobre Inteligência Artificial, é o processo de Resolução de Problemas, desde os mais simples até os mais complexos.

Com base no estudos de comportamentos de indivíduos que resolvem problemas simples em laboratório, Allen Newell e Herbert Simon desenvolveram alguns programas para simular aspectos do comportamento inteligente e racional.

Um de seus principais programas desenvolvidos, chamado 'General Problem Solver' (Solucionador de Problemas Gerais) pode ser resumido em poucas etapas: a primeira etapa consiste em gravar as declarações realizadas por alguns indivíduos que verbalizam seu pensamento enquanto resolvem os problemas.

A seguir, o teórico ensaia algumas hipóteses acerca dos processos mentais que possivelmente estariam envolvidos no processo de elaboração de uma solução para o problema dado.

A partir dessas hipóteses ele estrutura um programa que, em sua opinião, simulará o relato gravado. Finalmente, após processar esse programa no computador digital, ele compara o relato do indivíduo com o roteiro da máquina. Se os fluxos de palavras registrados no roteiro e no relatório forem razoavelmente semelhantes, então considera-se que uma explicação para o comportamento sob estudo foi obtida.

Os pesquisadores do Projeto de Simulação Cognitiva admitem, neste caso, que as estratégias utilizadas pelo computador são análogas àquelas realizadas pelo indivíduo humano. Caso contrário, o programa deverá ser modificado com base nas discrepâncias encontradas durante o confronto de palavras. O mesmo procedimento é repetido até que um ajuste satisfatório seja obtido e o programa consiga passar pelo teste de Turing. Ou seja, até que os fluxos de palavras produzidas pelo computador e pelo sujeito humano sejam praticamente indistinguíveis para um examinador humano.

Pesquisadores

Existem diversos pesquisadores de IA ao redor do mundo em várias instituições e companhias de pesquisa. Entre os muitos que fizeram contribuições significativas estão:

Alan Turing (1912-1954)

Foi uma das personalidades mais importantes não apenas para o seu tempo, mas também para a época em que viveu. Com estudos que foram fundamentais para o desenvolvimento da inteligência artificial e influenciaram a criação de diversos aparelhos eletrônicos. Ele é conhecido por criar o famoso teste, o “Teste de Turing”, usado até o momento. Para avaliar o nível de inteligência de um programa de inteligência artificial, esse teste não foi concebido com o propósito de analisar a capacidade de um computador pensar por si mesmo, dado que as máquinas são intrinsecamente incapazes desse processo, mas sim de identificar o quão bem ele pode imitar o cérebro humano.

John McCarthy (1927-2011)

Matemático, cientista e o criador do termo "inteligência artificial", sendo também um dos principais desenvolvedores da linguagem de programação LISP. McCarthy foi um dos pioneiros no desenvolvimento da inteligência artificial e expressou consistentemente a visão de que esta deveria interagir com os seres humanos. Nascido na cidade de Boston, trabalhou na Universidade de Stanford e no Massachusetts Institute of Technology (MIT), além de ter vencido o prêmio Turing em 1972 e a Medalha Nacional de Ciência em 1991. Já a programação LISP, uma das maiores conquistas de McCarthy, surgiu em 1958 e serviu para facilitar o desenvolvimento da inteligência artificial. A linguagem é das mais antigas ainda em uso e foi usada pela primeira vez ao colocar um computador para jogar xadrez contra um adversário humano.

Marvin Minsky (1927-2016)

Natural de Nova Iorque. O cientista recebeu diversos prémios internacionais pelo seu trabalho pioneiro no campo da inteligência artificial, incluindo em 1969 o Prêmio Turing, um prestigiado reconhecimento na área da ciência informática. O cientista explorou maneiras de conferir às máquinas uma percepção e inteligência semelhantes às humanas. Ele criou mãos robóticas com a capacidade de manipular objetos, estabeleceu novos marcos na programação e abordou temas filosóficos relacionados à inteligência artificial. Minsky estava convicto de que, possivelmente, o homem desenvolveria máquinas capazes de rivalizar com sua inteligência. Ele via o cérebro como uma máquina cujo funcionamento poderia ser estudado e replicado em um computador, proporcionando uma melhor compreensão do cérebro humano e de suas funções mentais superiores.

Raj Reddy (1937)

Raj Reddy é um informático, nascido na Índia e naturalizado estadunidense, foi o primeiro asiático a vencer o Prêmio Turing. Entre suas contribuições para a IA estão a criação do Instituto de Robótica da CMU e demonstrações de diversos sistemas que usam alguma forma de IA. Entre esses sistemas, estão sistemas de: fala, controlados por voz, reconhecimento de voz, reconhecimento de voz independente do interlocutor, etc. Para Reddy, ao invés de substituir a humanidade, a tecnologia irá criar um novo tipo de humano que irá coexistir com seus antecessores enquanto se aproveita das vantagens de uma nova classe de ferramentas viabilizada pela tecnologia.

Terry Winograd (1946)

Winograd é um cientista da computação estadunidense, professor da Universidade Stanford, e codiretor do grupo de interação humano-computador de Stanford. É conhecido nas áreas de filosofia da mente e inteligência artificial por seu trabalho sobre língua natural usando o programa SHRDLU. Para Terry, não restam dúvidas de que a tecnologia da informática, mais precisamente a área de inteligência artificial, transformará as sociedades, introduzindo modificações socioeconômicas irreversíveis. Esse especialista procura saber se os seres humanos seriam capazes de construir máquinas que poderiam compreende-los, resolver seus problemas e dirigir suas vidas, além de buscar respostas sobre o que aconteceria se, no futuro, essas máquinas se tornassem mais inteligentes do que os próprios humanos que as criaram.

Douglas Lenat (1950)

Nascido na Filadélfia (Pensilvânia/EUA), graduou-se na Universidade da Pensilvânia. Douglas Bruce Lenat atua como Diretor Executivo do Cycorp e possui uma destacada trajetória como pesquisador. Em inteligência artificial. Em 1976, recebeu o prêmio bianual IJCAI Computers and Thought pela criação do programa de aprendizado de máquinas. Ele também trabalhou em simulações militares e em numerosos projetos para organizações governamentais, militares, científicas e de inteligência dos EUA.

Técnicas de IA e aplicações práticas

Enquanto o progresso direcionado ao objetivo final de uma inteligência similar à humana tem sido lento, muitas derivações surgiram. Exemplos notáveis incluem as linguagens Lisp e Prolog, as quais foram desenvolvidas para pesquisa em IA, embora também sejam usadas para outros propósitos. Muitos outros sistemas úteis têm sido construídos usando tecnologias que ao menos uma vez eram áreas ativas em pesquisa de IA. Alguns exemplos incluem:

• Sistemas Cognitivos Multimodais permitem que agentes conversacionais de software, também conhecidos como Chatbots, possam interagir através do raciocínio feito com dados multimodais, isto é, além do texto da fala, o tom de voz, a orientação da cabeça, do corpo, expressões faciais, entre outras modalidades. Maira Gatti de Bayser e Jeffrey O. Kephart da IBM Research organizaram em conjunto com Rahul Divekar e Hui Su, do Instituto Politécnico Rensselaer (NY), a competição inovadora HUMAINE, que estreou na ANAC, IJCAI 2020. Na primeira edição da competição, dois agentes inteligentes interagem com um humano em um diálogo de negociação em uma plataforma multimodal adaptada para a competição.

• Automação e agendamento estratégico: a milhões de quilômetros da Terra, o sistema Remote Agent da NASA alcançou um marco ao se tornar o pioneiro em planejamento automatizado (autônomo) de bordo para coordenar as operações de uma nave espacial. O Remote Agent desenvolveu planos de metas de alto nível definidos a partir do solo e supervisionou a execução das operações da nave espacial, realizando a identificação, diagnóstico e resolução de problemas à medida que surgiam.
• Aplicações de Raciocínio baseado em casos: RBC tem sido utilizado em diversas aplicações como análise financeira, assessoramento de riscos, controle de processos, etc. Exemplos de aplicações de RBC incluem KRITIK, o CLAVIER na Lockheed, o CASELine na British Airways, PROTOS, CASEY, CASCADE, COMPOSER, etc..
• Avanço no processamento: 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 um match de exibição em 11 de maio de 1997. Kasparov disse que sentiu “uma nova espécie de inteligência” do outro lado do tabuleiro. O valor das ações da IBM teve um aumento de 18 bilhões de dólares.
• Logística estratégica: durante a crise no Golfo Pérsico em 1991, as forças armadas dos Estados Unidos empregaram uma ferramenta chamada Dynamic Analysis and Replanning Tool, ou DART, para realizar o planejamento automatizado e a programação de execução do transporte. Este processo abrangeu até 50.000 veículos, transporte de carga aérea e de pessoal simultaneamente, considerando pontos de partida, destinos, rotas e resolução de conflitos entre todos os parâmetros. As técnicas de planejamento de inteligência artificial permitiram a geração de um plano em questão de horas, em comparação com semanas utilizando outros métodos. A Defense Advanced Research Project Agency (DARPA) afirmou que essa aplicação singular mais do que compensou os 30 anos de investimentos em IA pela DARPA.

• Reconhecimento de linguagem e resolução de problemas: o PROVERB é um programa computacional que resolve quebra-cabeças de palavras cruzadas melhor que a maioria dos seres humanos, utilizando restrições sobre possíveis preenchimentos de palavras. Possui um grande banco de dados de quebra-cabeças anteriores e uma variedade fonte de informações que incluem dicionários e bancos de dados on-line, como uma lista de filmes e dos atores que participam deles. Por exemplo, ele descobre que a pista “Nice Story” pode ser resolvida por “ETAGE”, porque seu banco de dados inclui o par pista/solução ”Story in France/ETAGE” e porque reconhece que os padrões “Nice X” e “X in France” com frequência têm a mesma solução. O programa não sabe que Nice é uma cidade da França, mas consegue resolver o quebra-cabeça. Chinook foi declarado o campeão Homem-Máquina em Damas em 1994.
• Sistemas de álgebra computacional, tais como Mathematica e Macsyma, são bons exemplos de aplicações de IA na solução de problemas algébricos.
• Sistemas baseados na ideia de agentes artificiais, denominados Sistemas Multiagentes, têm se tornado comuns para a resolução de problemas complexos.
• Aplicações de Algoritmos genéticos são aplicáveis em diversos problemas como escalonamento de horários, sistemas de potência e filogenética. O CS-1 foi o primeiro sistema de classificação aplicando AG.

• Lógica incerta é uma técnica para raciocinar dentro de incertezas, tem sido amplamente usada em sistemas de controles industriais.
• Sistemas especialistas vêm sendo usados a uma certa escala industrial. Os sistemas especialistas foram um dos primeiros sucessos da IA, com o software Mycin. Os principais componentes de um Sistema especialista são uma base de conhecimento alimentada por um especialista, uma máquina de inferência e uma memória de trabalho. Sistemas especialistas em uso como o XCON/R1 da Digital Equipment Corporation sabem hoje muito mais do que um especialista humano em como configurar os seus sistemas de computação.
• Sistemas Tutoriais Inteligentes vêm sendo usados para o aprendizado. Uma característica distintiva desta técnica é o modelo do estudante . Sistemas tradutores, tais como SYSTRAN, têm sido largamente usados (no entanto, os resultados não são ainda comparáveis com tradutores humanos).
• Redes Neurais vêm sendo usadas em uma larga variedade de tarefas, de Sistema de detecção de intrusos a jogos de computadores.

• Aplicações utilizando Vida Artificial são utilizados na indústria de entretenimento e no desenvolvimento da Computação Gráfica.
• Sistemas com Visão computacional são usados em muitas aplicações industriais.
• Controle autônomo: sistema de visão de computador ALVINN foi treinado para dirigir um automóvel, mantendo-o na pista. Ele foi colocado na minivan controlada por computador NAVLAB da CMU e foi utilizado para percorrer os Estados Unidos – ao longo de quase 4600 km, o ALVINN manteve o controle da direção do veículo durante 98% do tempo. Um ser humano assumiu o comando nos outros 2%, principalmente na saída de declives. A NAVLAB tem câmeras e vídeo que transmitem imagens da estrada para ALVINN, que então calcula a melhor forma de guiar, baseado na experiência obtida em sessões de treinamento anteriores.

• Chatterbots (robôs de software para conversação), personagens virtuais que conversam em linguagem natural como se fossem humanos de verdade, são cada vez mais comuns na Internet. Eles podem ser criados com uma interface Web que permite programar a detecção de intenção da frase através de Algoritmos baseados em Aprendizagem de Máquina, tal como IBM Watson Assistant.
• Reconhecimento de voz está disponível comercialmente e é amplamente usado.
• Sistemas de reconhecimento óptico de caracteres (OCR) podem traduzir letra escrita de forma arbitrária em texto.
• Reconhecimento de escrita a mão é usada em muitos Assistentes Pessoais Digitais. Atualmente existe um sistema de comparação de escrita forense a mão chamado CEDAR-FOX.

A visão da Inteligência Artificial substituindo o julgamento humano profissional tem surgido muitas vezes na história do campo, em ficção científica e, hoje em dia, em algumas áreas especializadas onde Sistemas Especialistas são usados para melhorar ou para substituir julgamento profissional em engenharia e medicina, por exemplo.

Aplicações no governo

Parte de uma série sobre
Algocracia
Exemplos
CBDC IA no governo COMPAS Organização autônoma descentralizada Algoritmo de resultados de exame ofqual Cybersyn Policiamento preditivo Cidade inteligente Sistema de crédito social

A IA pode ser usada para ajudar os membros do público a interagir com o governo e acessar serviços governamentais, por exemplo: responder a perguntas usando assistentes virtuais ou chatbots, direcionar solicitações para a área apropriada dentro do governo, preencher formulários, auxiliar na pesquisa de documentos, agendamento de compromissos.

Os usos potenciais de IA no governo são amplos e variados, com a Deloitte considerando que "as tecnologias cognitivas podem eventualmente revolucionar todas as facetas das operações do governo". Mehr sugere que seis tipos de problemas governamentais são apropriados para aplicações de IA: (1) alocação de recursos, quando o suporte administrativo é necessário para concluir as tarefas mais rapidamente, por exemplo; (2) conjuntos de dados que podem ser combinados para fornecer insights quando os dados são muito grandes para que sejam trabalhados de forma eficiente; (3) na falta de especialistas, perguntas básicas podem ser respondidas e questões de nicho podem ser aprendidas; (4) cenário previsível - os dados históricos tornam a situação previsível; (5) procedural - tarefas repetitivas em que as entradas ou saídas têm uma resposta binária; e 6. dados diversos quando eles assumem uma variedade de formas (visuais e linguísticas) e precisam ser resumidos regularmente.

Mehr afirma que "embora as aplicações de IA no trabalho do governo não tenham acompanhado a rápida expansão da IA ​​no setor privado, os casos de uso em potencial no setor público refletem as aplicações comuns no setor privado".

Há uma série de exemplos de onde a IA pode contribuir para os objetivos de políticas públicas, que podem incluir as seguintes atividades: receber benefícios por perda de emprego, aposentadoria, luto e nascimento de um filho quase imediatamente, de forma automatizada (portanto, sem exigir qualquer ação dos cidadãos), prestação de serviços de seguro social, classificar chamadas de emergência com base em sua urgência (como o sistema usado pelo Corpo de Bombeiros de Cincinnati nos Estados Unidos), deletando e prevenindo a propagação de doenças, auxiliar os funcionários públicos a fazer pagamentos de previdência e decisões de imigração, julgando audiências de fiança, triagem de casos de saúde, monitorar as redes sociais para obter feedback público sobre as políticas, monitorar as redes sociais para identificar situações de emergência, identificar reivindicações de benefícios fraudulentas, prevendo um crime e recomendando a presença policial ideal, previsão de congestionamento de trânsito e acidentes de carro, antecipando os requisitos de manutenção de estradas.

Aplicação nas forças armadas

Um Veículo Aéreo de Combate Não Tripulado (X-45A), em voo

Várias nações estão desenvolvendo aplicativos de IA para uma série de funções militares. As principais aplicações militares de Inteligência Artificial e Aprendizado de Máquina são para aprimorar as Comunicações, Sensores, Integração e Interoperabilidade. Pesquisas em IA estão em andamento nas áreas de coleta e análise de inteligência, logística, operações cibernéticas, operações de informação, comando e controle e em uma variedade de veículos semi-autônomos e autônomos. As tecnologias de IA permitem a coordenação de sensores e efetores, detecção e identificação de ameaças, marcação de posições inimigas, aquisição de alvos, coordenação e deconflição de disparos de junção distribuídos entre veículos de combate e tanques em rede também dentro de equipes tripuladas e não tripuladas (MUM-T). Os gastos militares anuais mundiais com robótica aumentaram de US$ 5,1 bilhões em 2010 para US$ 7,5 bilhões em 2015. Drones militares capazes de ação autônoma são amplamente considerados um ativo útil.

Aplicações na promoção da saúde

A introdução de IA na área de saúde propôs a ajuda mútua entre profissionais da saúde e da computação com a ideia de realizarem uma revolução na área médica. A Organização Mundial de Saúde (OMS) divulgou diretrizes quanto ao uso ético dessa tecnologia. O grande investidor em pesquisa em IA na saúde no mundo é a multinacional de tecnologia Alphabet, do grupo Google. O Instituto de Tecnologia de Massachusetts (MIT) e as universidades Stanford e Harvard, nos Estados Unidos, e as de Oxford e Cambridge, no Reino Unido, também se destacam. No Brasil, USP, Universidade Estadual de Campinas (Unicamp) e Universidade Federal de Minas Gerais (UFMG) estão entre as que mais se dedicam a esse campo de pesquisa.

Em 2021, a OMS publicou o primeiro relatório global sobre inteligência artificial na saúde e listou seis princípios orientadores para sua concepção e uso. O documento intitulado “Ethics and governance of artificial intelligence for health” foi o resultado de dois anos de consultas realizadas por um painel de especialistas internacionais de diversas áreas, como direito, tecnologia digital e outras, indicados pela organização. O documento identificou os maiores desafios e possíveis dilemas éticos no manejo da inteligência artificial da saúde e forneceu uma valiosa guia para os países sobre como maximizar os benefícios da IA, minimizando seus riscos e evitando suas armadilhas.

Para limitar os riscos e maximizar as oportunidades intrínsecas ao uso da inteligência artificial para a saúde, a OMS fornece os seguintes princípios como base para a regulamentação e governança:

• Proteger a autonomia humana: no contexto da atenção à saúde, isso significa que os seres humanos devem permanecer no controle dos sistemas de saúde e das decisões médicas; privacidade e confidencialidade devem ser protegidas e os pacientes devem dar consentimento informado válido por meio de estruturas legais apropriadas para proteção de dados.
• Promover o bem-estar e a segurança humana e o interesse público: Os projetistas de tecnologias de inteligência artificial devem atender aos requisitos regulamentares de segurança, precisão e eficácia para casos de uso ou indicações bem definidos. Devem estar disponíveis medidas de controle de qualidade na prática e melhoria da qualidade no uso de IA.
• Garantindo transparência, explicabilidade e inteligibilidade: A transparência requer que informações suficientes sejam publicadas ou documentadas antes do projeto ou implantação de uma tecnologia de inteligência artificial. Essas informações devem ser facilmente acessíveis e facilitar a consulta pública significativa e o debate sobre como a tecnologia é projetada e como deve ou não ser usada.
• Promovendo responsabilidade e prestação de contas: Embora as tecnologias de inteligência artificial executem tarefas específicas, é responsabilidade das partes interessadas garantir que sejam usadas nas condições apropriadas e por pessoas devidamente capacitadas. Mecanismos eficazes devem estar disponíveis para questionamento e reparação de indivíduos e grupos que são adversamente afetados por decisões baseadas em algoritmos.
• Garantir inclusão e equidade: A inclusão requer que a inteligência artificial para a saúde seja projetada para encorajar o uso e acesso equitativos mais amplos possíveis, independentemente de idade, sexo, gênero, renda, raça, etnia, orientação sexual, capacidade ou outras características protegidas por códigos de direitos humanos.
• Promover inteligência artificial que seja responsiva e sustentável: Designers, desenvolvedores e usuários devem avaliar de forma contínua e transparente os aplicativos de IA durante o uso real para determinar se esta responde de forma adequada e apropriada às expectativas e requisitos. Os sistemas também devem ser projetados para minimizar suas consequências ambientais e aumentar a eficiência energética. Governos e empresas devem abordar as interrupções previstas no local de trabalho, incluindo capacitação para profissionais de saúde para se adaptarem ao uso de sistemas de inteligência artificial e possíveis perdas de empregos devido ao uso de sistemas automatizados.

Raio X de uma mão humana, com cálculo automático da idade óssea por um software de computador.

Um braço cirúrgico do lado do paciente da empresa "Da Vinci Surgical System"

Utilização na área médica

A IA na área da saúde é frequentemente usada para classificação, seja para automatizar a avaliação inicial de uma tomografia computadorizada ou EKG ou para identificar pacientes de alto risco para a saúde da população. A amplitude de aplicações está aumentando rapidamente. Como exemplo, a IA está sendo aplicada ao problema de alto custo das questões de dosagem - onde as descobertas sugeriram que a IA poderia economizar US $ 16 bilhões. Em 2016, um estudo inovador na Califórnia descobriu que uma fórmula matemática desenvolvida com a ajuda de IA determinava corretamente a dose exata de medicamentos imunossupressores a serem administrados a pacientes com órgãos.

De acordo com a Bloomberg Technology, a Microsoft desenvolveu IA para ajudar os médicos a encontrar os tratamentos certos para o câncer. Há uma grande quantidade de pesquisas e medicamentos desenvolvidos relacionados ao câncer. Em detalhe, são mais de 800 medicamentos e vacinas para tratar o câncer. Isso afeta negativamente os médicos, porque há muitas opções de escolha, tornando mais difícil escolher os medicamentos certos para os pacientes.

A Microsoft está trabalhando em um projeto para desenvolver uma máquina chamada "Hanover". Seu objetivo é memorizar todos os papéis necessários ao câncer e ajudar a prever quais combinações de medicamentos serão mais eficazes para cada paciente. Um projeto que está sendo trabalhado no momento é o de combate à leucemia mielóide, um câncer fatal cujo tratamento não melhora há décadas. Outro estudo descobriu que a inteligência artificial era tão boa quanto médicos treinados na identificação de câncer de pele.

Outro estudo está usando inteligência artificial para tentar monitorar vários pacientes de alto risco, e isso é feito perguntando a cada paciente várias perguntas com base em dados adquiridos de médico ao vivo para interações com o paciente.

Um estudo foi feito com transferência de aprendizagem, a máquina realizava um diagnóstico semelhante a um oftalmologista bem treinado, e podia gerar uma decisão em 30 segundos sobre se o paciente deveria ou não ser encaminhado para tratamento, com mais de 95% de acerto.

De acordo com a CNN, um estudo recente realizado por cirurgiões do Children's National Medical Center em Washington demonstrou com sucesso a cirurgia com um robô autônomo. A equipe supervisionou o robô enquanto ele realizava a cirurgia de tecidos moles, costurando o intestino de um porco durante a cirurgia aberta, e fazendo isso melhor do que um cirurgião humano, afirmou a equipe.

Outras tarefas na medicina que podem ser potencialmente realizadas por inteligência artificial e estão começando a ser desenvolvidas incluem:

• Interpretação de imagens médicas auxiliada por computador. Esses sistemas ajudam a digitalizar imagens digitais, por exemplo, da tomografia computadorizada, para aspectos típicos e para destacar cortes conspícuos, como possíveis doenças. Uma aplicação típica é a detecção de tumores.
• Análise de batimentos cardíacos.
• Robôs companheiros para cuidar dos idosos.
• Análise de registros médicos para fornecer informações mais úteis.
• Projetar planos de tratamento.
• Auxiliar em trabalhos repetitivos, incluindo o gerenciamento de medicamentos.
• Auxiliar deficientes visuais.
• Fornecer consultas.
• Fabricação e desenvolvimento de fármacos.
• Usando avatares no lugar de pacientes para treinamento clínico.
• Estimar a probabilidade de morte em procedimentos cirúrgicos.
• Estimar a progressão do HIV.

Saúde e segurança no local de trabalho

A IA pode aumentar o escopo das tarefas de trabalho em que um trabalhador pode ser removido de uma situação que acarreta riscos, como estresse, excesso de trabalho, lesões musculoesqueléticas, fazendo com que a IA execute as tarefas. Isso pode expandir a gama de setores de trabalho afetados, além da automação tradicional, para empregos de colarinho branco e de serviços, como medicina, finanças e tecnologia da informação. Por exemplo, os trabalhadores do call center enfrentam grandes riscos à saúde e segurança devido à sua natureza repetitiva e exigente e às suas altas taxas de micro vigilância. Os chatbots habilitados para IA reduzem a necessidade de humanos realizarem as tarefas mais básicas do call center.

O aprendizado de máquina usado para análises de pessoas para fazer previsões sobre o comportamento do trabalhador pode ser usado para melhorar a saúde do trabalhador. Por exemplo, a análise de sentimento pode ser usada para detectar a fadiga e evitar o excesso de trabalho. Os sistemas de apoio à decisão têm uma capacidade semelhante de ser usado para, por exemplo, prevenir desastres industriais ou tornar a resposta a desastres mais eficiente. Para trabalhadores de manuseio manual de materiais, análises preditivas e inteligência artificial podem ser usadas para reduzir lesões musculoesqueléticas. Sensores vestíveis também podem permitir uma intervenção precoce contra a exposição a substâncias tóxicas, e os grandes conjuntos de dados gerados podem melhorar a vigilância da saúde no local de trabalho, avaliação de risco e pesquisa.

A IA também pode ser usada para tornar o fluxo de trabalho de segurança e saúde no local de trabalho mais eficiente. Um exemplo é a codificação de pedidos de indenização trabalhista. Os sistemas de realidade virtual habilitados para IA podem ser úteis para treinamento de segurança para reconhecimento de perigo. A inteligência artificial pode ser usada para detectar com mais eficiência os quase acidentes, que são importantes na redução das taxas de acidentes, mas geralmente são subnotificados.

Aplicações na mídia e no comércio eletrônico

Restauração de imagem usando inteligência artificial

Algumas aplicações de IA são voltadas para a análise de conteúdo de mídia audiovisual, como filmes, programas de TV, vídeos publicitários ou conteúdo gerado pelo usuário. As soluções geralmente envolvem visão computacional, que é uma das principais áreas de aplicação da IA.

Os cenários de caso de uso típicos incluem a análise de imagens usando técnicas de reconhecimento de objetos ou de rosto, ou a análise de vídeo para reconhecer cenas, objetos ou rostos relevantes. A motivação para usar a análise de mídia baseada em IA pode ser - entre outras coisas - a facilitação da pesquisa de mídia, a criação de um conjunto de palavras-chave descritivas para um item de mídia, monitoramento de política de conteúdo de mídia (como verificar a adequação do conteúdo para um determinado Tempo de exibição de TV), fala em texto para arquivamento ou outros fins, e a detecção de logotipos, produtos ou rostos de celebridades para a colocação de anúncios relevantes.

As empresas de IA de análise de mídia geralmente fornecem seus serviços por meio de uma API REST que permite o acesso automático baseado em máquina à tecnologia e permite a leitura dos resultados por máquina. Por exemplo, IBM, Microsoft e Amazon permitem acesso a sua tecnologia de reconhecimento de mídia usando APIs RESTful.

Deepfakes

Ver artigo principal: Deepfake

Em junho de 2016, uma equipe de pesquisa do grupo de computação visual da Universidade Técnica de Munique e da Universidade de Stanford desenvolveu o Face2Face, um programa que anima o rosto de uma pessoa alvo, transpondo as expressões faciais de uma fonte externa. A tecnologia foi demonstrada animando os lábios de pessoas, incluindo Barack Obama e Vladimir Putin. Desde então, outros métodos foram demonstrados com base na rede neural profunda, da qual o nome deepfake foi tirado. Em setembro de 2018, o senador americano Mark Warner propôs penalizar as empresas de mídia social que permitem o compartilhamento de documentos provenientes de deepfakes em sua plataforma.

Vincent Nozick, pesquisador do Institut Gaspard Monge, encontrou uma maneira de detectar documentos fraudados analisando os movimentos da pálpebra. O DARPA (um grupo de pesquisa associado ao Departamento de Defesa dos EUA) doou 68 milhões de dólares para trabalhar na detecção de deepfakes. Na Europa, o programa Horizonte 2020 financiou o InVid, software desenvolvido para ajudar jornalistas a detectar documentos falsos.

Deepfakes podem ser usados ​​para fins cômicos, mas são mais conhecidos por serem usados ​​para notícias falsas e boatos. Deepfakes de áudio e software de IA capaz de detectar deepfakes e clonar vozes humanas após 5 segundos de escuta também existem.

Publicação de notícias e redação

A empresa Narrative Science disponibiliza comercialmente notícias e relatórios gerados por computador, incluindo resumos de eventos esportivos coletivos com base em dados estatísticos do jogo em inglês. Também cria relatórios financeiros e análises imobiliárias. Da mesma forma, a empresa Automated Insights gera recapitulações e visualizações personalizadas para o Yahoo Sports Fantasy Football. A empresa está projetada para gerar um bilhão de histórias em 2014, contra 350 milhões em 2013. A organização OpenAI também criou uma IA capaz de escrever textos.

A Echobox é uma empresa de software que ajuda os editores a aumentar o tráfego postando artigos de forma "inteligente" em plataformas de mídia social, como Facebook e Twitter. Ao analisar grandes quantidades de dados, ele aprende como públicos específicos respondem a diferentes artigos em diferentes momentos do dia. Em seguida, ele escolhe as melhores histórias para postar e os melhores horários para postá-las. Ele usa dados históricos e em tempo real para entender o que funcionou bem no passado, bem como o que é tendência atualmente na web.

Outra empresa, chamada Yseop, usa inteligência artificial para transformar dados estruturados em comentários e recomendações inteligentes em linguagem natural. Yseop é capaz de escrever relatórios financeiros, resumos executivos, vendas personalizadas ou documentos de marketing e muito mais a uma velocidade de milhares de páginas por segundo e em vários idiomas, incluindo inglês, espanhol, francês e alemão.

O Boomtrain's é outro exemplo de IA projetado para aprender a melhor forma de envolver cada leitor individual com os artigos exatos - enviados pelo canal certo na hora certa - que serão mais relevantes para o leitor. É como contratar um editor pessoal para cada leitor individual para selecionar a experiência de leitura perfeita.

A IRIS.TV está ajudando empresas de mídia com sua plataforma de programação e personalização de vídeo alimentada por IA. Ele permite que editores e proprietários de conteúdo apresentem conteúdo contextualmente relevante para o público com base nos padrões de visualização do consumidor.

Além da automação de tarefas de escrita com entrada de dados, a IA mostrou um potencial significativo para os computadores se engajarem em trabalhos criativos de alto nível. AI Storytelling tem sido um campo ativo de pesquisa desde o desenvolvimento de TALESPIN por James Meehan, que inventou histórias semelhantes às fábulas de Esopo. O programa começaria com um conjunto de personagens que queriam atingir certos objetivos, com a história como uma narração das tentativas dos personagens de executar planos para satisfazer esses objetivos. Desde Meehan, outros pesquisadores trabalharam em AI Storytelling usando abordagens semelhantes ou diferentes. Mark Riedl e Vadim Bulitko argumentaram que a essência da narrativa era um problema de gerenciamento de experiência, ou "como equilibrar a necessidade de uma progressão coerente da história com a agência do usuário, o que geralmente está em desacordo".

Embora a maioria das pesquisas sobre narração de histórias de IA tenha se concentrado na geração de histórias (por exemplo, personagem e enredo), também houve uma investigação significativa na comunicação de histórias. Em 2002, pesquisadores da North Carolina State University desenvolveram uma estrutura arquitetônica para a geração de prosa narrativa. Sua implementação particular foi capaz de reproduzir fielmente a variedade e complexidade de texto de uma série de histórias, como o capuz vermelho, com habilidade humana. Este campo específico continua a ganhar interesse. Em 2016, uma IA japonesa co-escreveu um conto e quase ganhou um prêmio literário.

Hanteo Global, a organização que opera o único gráfico de registro em tempo real na Coreia do Sul, também utiliza um bot de jornalismo automatizado, que escreve artigos.

Aplicações na arte

A inteligência artificial inspirou inúmeras aplicações criativas:

Arte visual

A exposição Thinking Machines: Art and Design in Computer Age (MOMA, 1959-1989) oferece uma boa visão geral das aplicações históricas da IA ​​para arte, arquitetura e design. Diersas exposições mostram que o uso de IA para produzir arte incluem o benefício patrocinado pelo Google e o leilão na Gray Area Foundation em San Francisco, onde artistas experimentaram o algoritmo DeepDream e a exposição Unhuman: Art in the Age of AI, que teve em Los Angeles e Frankfurt no outono de 2017. Na primavera de 2018, a Association of Computing Machinery dedicou uma edição de revista especial ao assunto de computadores e arte, destacando o papel do aprendizado de máquina nas artes. Em junho de 2018, Duet for Human and Machine, uma obra de arte que permite aos espectadores interagir com uma inteligência artificial, estreou no Beall Center for Art + Technology. A Ars Electronica austríaca e o Museu de Artes Aplicadas de Viena abriram exposições sobre IA em 2019. O festival de 2019 da Ars Electronica "Fora da caixa" tematizou extensivamente o papel das artes para uma transformação social sustentável com IA.

Música

Embora a evolução da música sempre tenha sido afetada pela tecnologia, a inteligência artificial permitiu, por meio de avanços científicos, emular, em certa medida, a composição semelhante à humana. Entre os esforços iniciais notáveis, David Cope criou uma IA chamada Emily Howell que conseguiu se tornar bem conhecida no campo de Algorithmic Computer Music. O algoritmo por trás de Emily Howell é registrado como uma patente dos Estados Unidos. O AI Iamus criou em 2012 o primeiro álbum clássico completo totalmente composto por um computador.

Outros empreendimentos, como AIVA (Artificial Intelligence Virtual Artist), se concentram na composição de música sinfônica, principalmente música clássica para trilhas sonoras de filmes. Alcançou uma estreia mundial ao se tornar o primeiro compositor virtual a ser reconhecido por uma associação profissional musical.

Inteligências artificiais podem até mesmo produzir música utilizável em um ambiente médico, com o esforço do Melomics de usar música gerada por computador para o alívio do estresse e da dor. Além disso, iniciativas como o Google Magenta, conduzido pela equipe do Google Brain, querem descobrir se uma inteligência artificial pode ser capaz de criar arte convincente. A canção de estreia da cantora sul-coreana Hayeon, "Eyes on You", foi composta usando IA que também foi supervisionada por compositores reais, incluindo NUVO.

Videogames

Em videogames, a inteligência artificial é rotineiramente usada para gerar comportamento dinâmico e intencional em personagens não-jogadores (NPCs). Além disso, técnicas de IA bem conhecidas são usadas rotineiramente para encontrar caminhos. Alguns pesquisadores consideram a NPC AI em jogos um "problema resolvido" para a maioria das tarefas de produção. Jogos com IA mais atípica incluem o diretor de IA de Left 4 Dead (2008) e o treinamento neuroevolucionário de pelotões em Supreme Commander 2 (2010). AI também é usada em Alien Isolation (2014) como uma forma de controlar quais ações o Alien executará a seguir. Devido à forma como a inteligência do Alien é configurada, pode-se dizer que o Alien parece aprender mais sobre o jogador conforme o jogo continua e o Alien começa a agir de acordo.

Marco regulatório no Brasil

Em 2023, o "Marco Regulatório da Inteligência Artificial e Proteção de Dados" foi discutido na Conferência Nacional da Advocacia , com o objetivo de debater os principais aspectos do Projeto de Lei n° 2338, de 2023 - PL 2338/23 e a regulação da IA no Brasil. Com a participação de especialistas, conselheiros de Comissões Especiais e ministros do Superior Tribunal de Justiça (STJ).

O evento abordou temas como sanções administrativas, regulamentação comparativa e o impacto da IA nas relações de trabalho, com a finalidade de promover uma compreensão coletiva e estimular debates cruciais para a evolução da legislação relacionada à IA e proteção de dados no país.

Projeto de Lei nº 2338/2023

O Projeto de Lei n° 2338, de 2023, (PL 2338/23), de autoria do senador Rodrigo Pacheco (PSD-MG), foi criado dentro da legislação brasileira para definir diretrizes de caráter nacional para a criação, execução e utilização responsável de sistemas de inteligência artificial no Brasil. O propósito é assegurar a proteção dos direitos fundamentais e a implementação de sistemas seguros e confiáveis, visando o benefício da pessoa humana, a preservação do regime democrático e o progresso ao desenvolvimento científico e tecnológico.

Questões sobre Marco Regulatório da IA

A IA demanda adaptações no mercado de trabalho e levanta preocupações relacionadas aos direitos humanos, privacidade e proteção de dados, abordadas no PL 2338/23. O foco inclui a promoção da inovação na gestão pública para superar obstáculos burocráticos e restrições orçamentárias, visando oferecer serviços mais eficientes à população. O projeto alerta para perigos potenciais, especialmente no contexto de discriminações socioeconômicas, políticas, raciais e de gênero, incentivando a conscientização pública. Futuras discussões abordarão possibilidades no uso e desenvolvimento de ferramentas de IA, destacando a importância de definir responsabilidades para desenvolvedores e empreendedores. A segurança digital é destacada como essencial para a transformação resultante da IA, e o projeto de lei busca receber contribuições e opiniões de diversos setores da sociedade e do poder público.

Debates em torno do marco regulatório e proteção de dados

A Conferência Nacional da Advocacia ofereceu, em 29 de novembro de 2023, um painel específico para discutir o Marco Regulatório da Inteligência Artificial e Proteção de Dados, que contou diversos especialistas, tais como: o conselheiro federal de Tocantins e presidente da Comissão Especial de Inteligência Artificial, Adwardys de Barros Vinhal (condutor); o vice-presidente da Comissão Especial de Direito Digital, Fabrício da Mota Alves (relator);e a conselheira federal de Sergipe e secretária-adjunta da Comissão Especial de Proteção de Dados, Lilian Jordeline Ferreira de Melo (secretária). Entre os palestrantes participaram do painel o ministro do STJ Ricardo Villas Boas Cuêva; o desembargador do TRF6 Pedro Felipe Santos; a conselheiro do Conselho Nacional do Ministério Público (CNMP) e presidente da Comissão Especial de Proteção de Dados, Rodrigo Badaró; a assessora parlamentar e especialista em proteção de dados Stefani Juliana Vogel; a professora Tainá Aguiar Junquilho; a vice-presidente da Comissão Especial de Proteção de Dados, Deborah Sirotheau; e o membro da Comissão Nacional dos Direitos da Pessoa com Deficiência Joelson Dias. Os tópicos abordados vão desde os eixos principais do PL 2338 até a regulação setorial da IA no Ministério Público e Judiciário, critérios para sanções administrativas pela ANPD, até o impacto da IA nas relações de trabalho e nas eleições, incluindo a acessibilidade digital para pessoas com deficiência. O objetivo do evento foi esclarecer questões cruciais no cenário do desenvolvimento tecnológico e proteção de dados.

Direitos Tutelados no PL 2338/2023 e na LGPD.

A Autoridade Nacional de Proteção de Dados Pessoais (ANPD) analisa o PL2338/23, destacando os seguintes direitos semelhantes aos da Lei Geral de Proteção de Dados Pessoais (LGPD), visando tutelar pessoas afetadas por sistemas de IA: 1. Direito à Informação: Garantia de informações claras antes da utilização de sistemas de IA, inclusão do caráter automatizado, descrição geral, tipos de decisões e consequências; 2. Direito de Contestação e Revisão: Relacionado à contestação e revisão de decisões geradas por IA, tensões possíveis com a LGPD devido a requisitos mais estritos no PL; e 3. Direito à Explicação: Convergência com o dever dos controladores e direito à explicação na LGPD, papel relevante da ANPD na regulação desse direito.

Vantagens da utilização da IA

• Redução de erros: Uma vez que são máquinas, a inteligência artificial é mais resistente e tem maior capacidade de suportar ambientes hostis, reduzindo as chances de falharem em seus propósitos, tendo a possibilidade de alcançar um maior grau de precisão.
• Exploração: Devido à programação dos robôs, eles podem realizar um trabalho mais laborioso e duro com maior responsabilidade. Assim, são capazes de ser utilizadas também em processos de exploração de minérios e de outros combustíveis, no fundo do oceano e, portanto, superar as limitações humanas.^{[carece de fontes]}
• Aplicações diárias: Inteligência Artificial é amplamente empregada por instituições financeiras e instituições bancárias para organizar e gerenciar dados. A sua utilização está presente em vários mecanismos do nosso cotidiano como o GPS (global positioning system), a correção nos erros de digitação na ortografia, entre outros.^{[carece de fontes]}
• Sem pausas: As máquinas, ao contrário dos seres humanos, não precisam de intervalos frequentes. Elas conseguem exercer vários horas de trabalho sem ficarem cansadas, distraídas ou entendiadas, apenas pela sua programação.^{[carece de fontes]}

Desvantagens da utilização da IA

• Alto custo: o custo de produção das máquinas de IA são demasiados, o que se deve a complexidade e dificuldade de manutenção. O processo de recuperação de códigos perdidos, por exemplo, requer muito tempo e recursos.
• Falta de criatividade: A inteligência artificial não é desenvolvida ao ponto de atuar como o cérebro humano, de forma criativa. Ademais, o cérebro humano ainda não é suficientemente compreendido para que um dia possa ser simulado fielmente em uma forma artificial. Portanto, a ideia de replicar funções do cérebro humano é intangível.^{[carece de fontes]}
• Causa o desemprego: Como são capazes de executar tarefas antes exclusivas aos humanos de maneira mais otimizada e eficiente, os mecanismos de inteligência artificial tendem a substituir a atividade humana em larga escala. O trabalho de uma máquina que possui inteligência artificial é, muitas vezes, mais viável que o trabalho humano, logo, a projeção de um crescimento no desemprego em função disso é coerente.^{[carece de fontes]}

Mitos sobre inteligência artificial

Inteligência artificial pode funcionar como nosso cérebro

A IA, nas mais diversas áreas, acaba realizando apenas tarefas específicas ao contexto em que é aplicada. Cada sistema criado é limitado a um conjunto de atividades de cada finalidade: um bot. (diminutivo de robot) de atendimento vai trabalhar com ofertas de produtos, responder a dúvidas, negociar dívidas mas esse mesmo bot. não vai conseguir jogar xadrez ou guiar um veículo autônomo, por exemplo, já que não consegue elaborar estratégias funcionais e sim apenas executar comandos com base em alguma análise de dados relativa à sua função.

Um sistema tão complexo e abrangente como o cérebro humano ainda é uma realidade distante. Os extraordinários avanços da neurociência mostram que o ser humano ainda está longe de compreender alguns mistérios do cérebro humano, entre eles, a incrível capacidade de criar, destruir e refinar ideias, ou seja, a criatividade. A IA é mais competente do que as pessoas em tarefas de análise, organização e até resolução de alguns problemas, mas ainda não é capaz de melhorar a si mesma, em diversos campos, e aprender coisas novas sem informações prévias. Grandes empresas já estão trabalhando na chamada ‘deep learning’ (aprendizagem profunda), um dos mais promissores campos da IA, que pretende fazer dos sistemas entidades capazes de aprender evolutivamente. Mas, ainda não é possível, e talvez nunca será, eliminar o fator humano, entre outros pontos, da própria avaliação de progresso dessa disciplina tecnológica.

Inteligência artificial eliminará todos os cargos de trabalho

Um sistema que utiliza inteligência artificial pode armazenar e analisar bilhões de dados, realizar automaticamente tarefas com base nessa análise, fechar acordos, vender, controlar uma linha de produção etc., mas não é capaz de criar estratégias do zero. Além disso, tudo o que envolve humanização, sentimentos como empatia ou características como dedicação, mesmo em um contexto onde a IA se espalhe, ainda dependerá de uma interação entre o homem e a máquina. Empregos como os conhecemos hoje se transformarão, muitos inclusive deixarão de existir, mas tantos outros novos surgirão.

Inteligência artificial mudará o mundo em poucos anos

Apesar de uma grande porcentagem das funções terem parte de seus processos automatizada, nos dias de hoje, menos de 10% das atividades podem ser inteiramente substituídas por tecnologia. Nas indústrias haverá uma ampla troca da mão de obra humana pela força de trabalho de máquinas automáticas e programas de computador que possam executar, automaticamente, tarefas repetitivas sem qualquer tipo de adversidade, já que não sofrem com todas as vulnerabilidades que um ser humano detém como cansaço, riscos de sofrer acidentes e mobilidade, além do fato de não gerar despesas para a organização a não ser com sua manutenção e funcionamento. Porém, como se trata de um ramo da ciência relativamente novo e que está em uma fase de desenvolvimento lenta e gradual, ainda pode demorar para que a inteligência artificial cause algum impacto, realmente, significativo para as relações dentro da sociedade.

Ver também

• Alinhamento da inteligência artificial
• Inteligência artificial geral
• Segurança da inteligência artificial
• OpenAI
• OpenAI Codex
• Realidade simulada
• Rebelião das máquinas
• Redes neurais
• Robocode
• Transferência de energia sem fio