IA de hoje para seus negócios

Source: Deep Learning on Medium

IA de hoje para seus negócios

Image credit: Gartner: Four strategies to make smart cities work for citizens

A Inteligência Artificial (IA) está transformando todos os setores. Quais são suas possibilidades, seus limites e seus impactos? Este post apresenta o conteúdo da minha palestra sobre esse tema no evento “Head in the clouds: Negócios digitais em nuvens” organizado pela rede GigaCandanga e pelo Grupo Nine no campus Darcy Ribeiro da UnB em Brasília no dia 17/10/2019.

Pontos-chave

. Criação de valor em todos os setores
. IAs, não uma IA
. IA → Machine Learning → Supervised Learning
. Deep Learning
. Por que agora? Big Data e GPU
. Características de uma empresa de IA
. 5 passos para se tornar um negócio de IA
. Como saber se a IA pode ser usadA?
. Dicas para obter um poderoso modelo DL
. Problemas para começar a usar a IA
. Tendências da IA

IA, uma (primeira) definição

Modelos matemáticos capazes de realizar uma tarefa cognitiva até agora reservada ao ser humano.

  • Modelos matemáticos? Uma função B = f(A) que vai calcular um número B a partir de um conjunto A de números.
  • Exemplo? O reconhecimento facial (B) a partir da imagem (A) de um rosto. A imagem é um conjunto de números (valores dos pixeis) e a saída B de um modelo de classificação é 0 ou 1 (o valor 1 significa um terrorista conhecido).

Criação de valor em todos os setores

US $ 13 trilhões até 2030 (Mckinsey, setembro de 2018) com quase US $ 1 trilhão em comércio (os negócios menos afetados serão aqueles com alto valor manual como cabeleireiro ou cirurgião).

A questão da IA é estratégica

IA é a nova eletricidade (Andrew Ng)

Quando se trata de inteligência artificial (IA), um dos maiores erros que as grandes empresas cometem é pensar taticamente e não estrategicamente. (…) Mas a questão é estratégica: como a IA transformará o negócio principal do seu setor e como isso mudará o que é necessário para a sua empresa prosperar?

(Andrew Ng, 10/09/2019)

Usos (polêmicos) vs (positivos) da IA

  1. (Deep) Fake news | A vigilância por câmeras inteligentes | Armas autônomas
  2. Saúde | Agricultura | Criatividade

[ uso polêmico ] (Deep) Fake news

Aplicativo Zao
Text-based Editing of Talking-head Video (SIGGRAPH 2019)

[ uso polêmico ] A vigilância generalizada da população por câmeras inteligentes

  • “Credit Social System” na China.
  • Vigilância total por câmeras inteligentes embarcadas num avião em Baltimore nos Estados Unidos.
  • Alicem, reconhecimento facial como senha para acessar aos serviços públicos online na França.
  • (…)
“Credit Social System” na China
Vigilância total por câmeras inteligentes embarcadas num avião em Baltimore nos Estados Unidos
Alicem, reconhecimento facial como senha para acessar aos serviços públicos online na França

Por que os países querem usar as IAs de reconhecimento facial?

  • Detecção em tempo real de terrorista na via pública ou em um aeroporto por exemplo.
  • Busca de pessoas nos bancos de dados.
  • Rapidez, automação, sem interrupção… uma tarefa impossível para uma equipe de humanos!

Problemas?

  • Vida privada.
  • Vieses nos dados (ex.: Amazon Rekognition)
  • No legislação nacional, nem internacional.

Um futuro sob câmeras inteligentes?

Uma escolha de sociedade. A cidade de San Francisco (Vale do Silício) proibiu o uso dessas câmeras pela policia.

[ uso polêmico ] Armas autônomas

A Defesa dos Estados Unidos investiu 1 bilhão de dólares na IA e a sua Força Aérea criaram o SkyBorg, um co-piloto de inteligência artificial para os F-16.

A resposta da ONU: “Armas independentes que matam devem ser proibidas”. A ONU emitirá um documento oficial sobre isso.

[ uso positivo ] Saúde

  • Pacientes: prevenção e medicina pessoal
  • Médicos: ajuda para tomar uma decisão e para o diagnóstico (como para a dermatologia e as doenças de pele)

[ uso positivo ] Agricultura

robots: IA para detectar as frutas e uma outra IA para colhê-las

CNN: Why robots will soon be picking soft fruits and salad

[ uso positivo ] Criatividade

IAs, não uma IA

Se a IA combina ANI (Inteligência Artificial Estreita) e AGI (Inteligência Artificial Geral), esta última não existe (e não existirá por muito tempo). O que sabemos como desenvolver hoje são as IAs, cada uma especializada em uma tarefa.

IA → Machine Learning → Supervised Learning

Na grande maioria dos casos, a IA é na verdade um modelo de Machine Learning (ou seja, um modelo que aprende com exemplos) cujo aprendizado é feito de forma supervisionada (Supervised Learning). Assim, pode-se resumir que um modelo IA é, com muita frequência, um modelo que aprende a fornecer uma saída B (predição) a partir de uma entrada A (dado).

Deep Learning

O Machine Learning que é um subconjunto da própria IA, contém subconjuntos dos quais o mais poderoso é o Deep Learning (DL). Originalmente inspirados por redes neurais do cérebro, os modelos de DL são compostos de várias camadas de unidades computacionais (neurônios artificiais), cada uma capaz de detectar características cada vez mais complicadas de um conjunto de dados de treinamento. De fato, graças ao treinamento com um conjunto de dados, um modelo de DL cria uma representação do mundo que pode ser aplicada a qualquer novo dado A semelhante aos do conjunto de dados para predizer B.

Por que agora? Big Data e GPU

Hoje temos muitos dados (até Big Data) e a capacidade computacional de analisá-los (GPU). Portanto, é possível treinar modelos de redes neurais profundas (Deep Learning) cujo desempenho é superior a outros modelos e cresce com o número de dados de treinamento.

Características de uma empresa IA

Como ter um site não é suficiente para se tornar uma empresa Internet, não basta usar um ou mais modelos de DL para se tornar uma empresa IA. O organograma da organização, sua estratégia de aquisição e armazenamento de dados e todos os seus processos automatizáveis devem levar em consideração a IA.

5 passos para se tornar uma empresa IA

Como posso saber se a IA pode ser usada?

Uma regra imperfeita que você pode usar para decidir se deve ou não usar um modelo de IAem um processo existente é: tudo o que você poderia fazer em menos de um segundo, você provavelmente poderia automatizá-lo usando um modelo DL de tipo Supervised Learning.

Dicas para um modelo bem sucedido de DL

Problemas

  • Conhecimento sobre o DL, recrutamento de especialistas em DL
  • Framework de DL (TensorFlow ou PyTorch?)
  • Custo de computação
  • Acesso aos dados
  • ética

Tendências da IA

  • IA edge: IA embarcada e não na nuvem (ex: cidades inteligentes)
  • Assistentes IA no PLN:
    – Reconhecimento de voz et transcrição
    – analise de textos para achar as entidades como conceitos, pessoas, eventos, etc.
    – criação automática de resumo de um texto
    – busca de textos semelhantes
    – questão/repostas a partir de um texto para entender melhor um texto,etc.)
    – geração de textos novos
  • Robôs: ensinar a um robô novas tarefas

Mais…

Sobre o autor: Pierre Guillou é consultor em inteligência artificial no Brasil e na França. Por favor, entre em contato com ele através do seu Perfil do Linkedin.