Novidades em Inteligência Artificial, segundo o Gartner (2022)

As inovações de IA continuam a oferecer grandes benefícios aos negócios e as taxas de adoção vão acelerar nos próximos anos. Veja as perspectivas e o impacto.

Este é um artigo um tanto técnico, voltado para líderes e gestores organizacionais envolvidos com a área de Tecnologia da Informação (TI) e Inteligência Artificial (IA).

O Gartner Hype Cycle™ 2022 for Artificial Intelligence (AI) identifica inovações obrigatórias em tecnologia e técnicas de IA que vão além da IA ​​cotidiana que já está sendo usada para adicionar inteligência a aplicativos de negócios, dispositivos e ferramentas de produtividade anteriormente estáticos.

Notavelmente, o AI Hype Cycle está cheio de inovações que devem gerar benefícios altos ou mesmo transformacionais”, diz Afraz Jaffri, analista diretor do Gartner. “Preste atenção especial às inovações que devem atingir a adoção geral em dois a cinco anos, incluindo IA composta, inteligência de decisão e IA de ponta. A adoção antecipada dessas inovações pode gerar uma vantagem competitiva e valor comercial significativos e aliviar os problemas associados à fragilidade dos modelos de IA”.

As inovações de IA se dividem em quatro categorias

Espera-se que a ampla gama de inovações de IA impacte pessoas e processos dentro e fora de um contexto empresarial, tornando-os importantes para muitas partes interessadas, desde líderes de negócios até equipes de engenharia corporativas encarregadas de implantar e operacionalizar sistemas de IA.

Os líderes de dados e análises (D&A) têm mais a ganhar, no entanto, ao usar a perspectiva do Hype Cycle para elaborar suas estratégias de IA para o futuro e usar tecnologias que oferecem alto impacto no presente.

As inovações de IA no Hype Cycle refletem prioridades complementares e às vezes conflitantes em quatro categorias principais:

  • IA centrada em dados
  • IA centrada em modelos
  • IA centrada em aplicativos
  • IA centrada no ser humano

IA centrada em dados

A comunidade de IA tradicionalmente se concentra em melhorar os resultados das soluções de IA ajustando os próprios modelos de IA, mas a IA centrada em dados muda o foco para aprimorar e enriquecer os dados usados ​​para treinar os algoritmos.

Ao abordar as considerações de dados específicas de IA, a IA centrada em dados interrompe o gerenciamento de dados tradicional, mas as organizações que investem em IA em escala evoluirão para preservar ideias clássicas de gerenciamento de dados e ampliá-las para IA de duas maneiras:

  • Adicione recursos necessários para o desenvolvimento conveniente de IA por um público focado em IA que não está familiarizado com o gerenciamento de dados.
  • Use a IA para melhorar e aumentar os clássicos eternos de governança de dados, persistência, integração e qualidade de dados.

As inovações em IA centrada em dados incluem dados sintéticos, gráficos de conhecimento, rotulagem de dados e anotações.

Dados sintéticos, por exemplo, são uma classe de dados que são gerados artificialmente em vez de obtidos de observações diretas do mundo real. Os dados podem ser gerados usando diferentes métodos, como amostragem estatisticamente rigorosa de dados reais, abordagens semânticas e redes adversárias generativas ou criando cenários de simulação onde modelos e processos interagem para criar conjuntos de dados de eventos completamente novos.

A adoção está aumentando em vários setores, juntamente com o uso em aplicativos de visão computacional e linguagem natural, mas o Gartner prevê um aumento maciço na adoção de dados sintéticos:

  • Evita usar informações de identificação pessoal ao treinar modelos de machine learning (ML) por meio de variações sintéticas de dados originais ou substituição sintética de partes de dados
  • Reduz custos e economiza tempo no desenvolvimento de ML, pois é mais barato e mais rápido de obter
  • Melhora o desempenho de ML à medida que mais dados de treinamento levam a melhores resultados de treinamento

IA centrada em modelos

Apesar da mudança para uma abordagem centrada em dados, os modelos de IA ainda precisam de atenção para garantir que os resultados continuem a nos ajudar a tomar ações melhores. As inovações aqui incluem IA informada por física, IA composta, IA causal, IA generativa, modelos básicos e aprendizado profundo.

A IA composta refere-se à fusão de diferentes técnicas de IA para melhorar a eficiência do aprendizado e ampliar o nível de representações do conhecimento. Como nenhuma técnica de IA é uma solução mágica, a IA composta fornece uma plataforma para resolver uma ampla gama de problemas de negócios de maneira mais eficaz.

Espera-se que alcance a adoção geral em dois a cinco anos, os benefícios comerciais da IA ​​composta provavelmente serão transformacionais, permitindo novas maneiras de fazer negócios em todos os setores que resultarão em grandes mudanças na dinâmica do setor. Por exemplo, a IA composta:

  • Leva o poder da IA ​​a um grupo mais amplo de organizações que não têm acesso a grandes quantidades de dados históricos ou rotulados, mas têm experiência humana significativa
  • Ajuda a expandir o escopo e a qualidade dos aplicativos de IA (ou seja, mais tipos de desafios de raciocínio podem ser incorporados)

AI Causal inclui diferentes técnicas, como gráficos causais e simulação, que ajudam a descobrir relações causais para melhorar a tomada de decisões. Embora leve de 5 a 10 anos para que a IA causal alcance a adoção geral, espera-se que os benefícios de negócios sejam altos – permitindo novas maneiras de realizar processos horizontais ou verticais que resultarão em aumento significativo de receita ou economia de custos para uma empresa. Os benefícios causais da IA ​​incluem:

  • Eficiências ao adicionar conhecimento de domínio a modelos de IA causais de bootstrap com conjuntos de dados menores
  • Maior aumento de decisão e autonomia em sistemas de IA
  • Melhor explicabilidade ao capturar relações de causa e efeito fáceis de interpretar
  • Mais robustez e adaptabilidade ao alavancar relações causais que permanecem válidas em ambientes em mudança
  • Redução do viés nos sistemas de IA, tornando os vínculos causais mais explícitos

IA centrada em aplicativos

As inovações aqui incluem engenharia de IA, inteligência de decisão, sistemas operacionais de IA, ModelOps, serviços de IA em nuvem, robôs inteligentes, processamento de linguagem natural (NLP), veículos autônomos, aplicativos inteligentes e visão computacional.

Espera-se que a inteligência de decisão e a IA de ponta alcancem a adoção geral em dois a cinco anos e tenham benefícios comerciais transformacionais.

A inteligência de decisão é uma disciplina prática usada para melhorar a tomada de decisões ao entender e projetar explicitamente como as decisões são tomadas e como os resultados são avaliados, gerenciados e aprimorados por meio de feedback.

A inteligência de decisão ajuda a:

  • Reduzir a dívida técnica e aumentar a visibilidade e melhorar o impacto dos processos de negócios, aprimorando materialmente a sustentabilidade dos modelos de decisão das organizações com base no poder de sua relevância e na qualidade de sua transparência, tornando as decisões mais transparentes e auditáveis
  • Reduzir a imprevisibilidade dos resultados das decisões capturando e contabilizando adequadamente os fatores de incerteza no contexto de negócios e tornando os modelos de decisão mais resilientes

Edge AI refere-se ao uso de técnicas de IA incorporadas em terminais, gateways e servidores de borda da Internet das Coisas (IoT), em aplicativos que variam de veículos autônomos a análises de streaming. Os benefícios empresariais incluem:

  • Eficiência operacional aprimorada, como sistemas de inspeção visual de fabricação
  • Experiência aprimorada do cliente
  • Redução da latência na tomada de decisões, com o uso de análises locais
  • Redução de custos de conectividade, com menos tráfego de dados entre a borda e a nuvem
  • Disponibilidade de solução persistente, independentemente da conectividade de rede

IA centrada no ser humano

Esse grupo de inovações inclui confiança em IA, gerenciamento de risco e segurança (TRiSM), IA responsável, ética digital e kits de criação e ensino de IA.

Quando a IA substitui as decisões humanas, ela amplifica resultados bons e ruins. A IA responsável permite os resultados certos ao resolver dilemas enraizados na entrega de valor versus tolerar riscos. IA responsável é um termo abrangente para aspectos de fazer escolhas éticas apropriadas aos negócios ao adotar a IA, incluindo valor comercial e social, risco, confiança, transparência, justiça, mitigação de preconceitos, explicabilidade, responsabilidade, segurança, privacidade e conformidade regulatória. A IA responsável levará de 5 a 10 anos para alcançar a adoção geral, mas terá um impacto transformacional nos negócios.

A ética digital é uma tendência de curto prazo (dois a cinco anos) que provavelmente terá um alto impacto nos negócios. A ética digital compreende os sistemas de valores e princípios morais para a condução das interações eletrônicas entre pessoas, organizações e coisas. Essas questões, especialmente no que se refere à privacidade e preconceito, continuam sendo motivo de preocupação para muitos. As pessoas, cada vez mais conscientes de que suas informações são valiosas, ficam frustradas com a falta de transparência, uso indevido e violações. As organizações estão agindo para mitigar os riscos em torno do gerenciamento e da proteção de dados pessoais, enquanto os governos estão implementando uma legislação mais rígida.

Muitas organizações ainda ignoram a ética digital, porque acham que ela não se aplica ao seu setor ou domínio, mas o Gartner prevê que até 2024, 30% das grandes organizações usarão uma nova métrica de “voz da sociedade” para atuar em questões sociais e avaliar o impacto no desempenho de seus negócios. As organizações precisarão integrar a ética digital em suas estratégias de IA para reforçar sua influência e reputação entre clientes, funcionários, parceiros e sociedade.

Resumidamente

  • O Gartner Hype Cycle™ de 2022 para Inteligência Artificial apresenta inovações “imperdíveis” que devem gerar amplos benefícios para qualquer organização.
  • Essas inovações vão além das técnicas cotidianas de IA já usadas para adicionar inteligência a aplicativos de negócios, dispositivos e ferramentas de produtividade anteriormente estáticos.
  • Preste atenção antecipada às inovações que devem atingir a adoção geral em dois a cinco anos, incluindo IA composta, inteligência de decisão e IA de ponta.

Referência

Traduzido e levemente adaptado de What’s New in Artificial Intelligence from the 2022 Gartner Hype Cycle, by Jackie Wiles – Gartner, 2022.

Artigos relacionados

Posicionamento da IA em anos anteriores

Como o Gartner via a IA neste em 2021

Como o Gartner via a IA neste em 2020

Como o Gartner via a IA neste em 2020

Um pensamento sobre “Novidades em Inteligência Artificial, segundo o Gartner (2022)

  1. Excelente artigo Nei, muito bem resumido. Ainda não consigo entender tudo, mas vou continuar insistindo. Foi assim que aprendi informática no anos 80! Obrigado

Deixe um comentário

Preencha os seus dados abaixo ou clique em um ícone para log in:

Logo do WordPress.com

Você está comentando utilizando sua conta WordPress.com. Sair /  Alterar )

Imagem do Twitter

Você está comentando utilizando sua conta Twitter. Sair /  Alterar )

Foto do Facebook

Você está comentando utilizando sua conta Facebook. Sair /  Alterar )

Conectando a %s