Blocos de Construção da Inteligência Artificial

Num campo de conhecimentos tão amplo quanto a Inteligência Artificial (IA), é importante, antes de nos aprofundarmos no tema, adquirir literacia buscando uma visão do todo, com várias perspectivas e abordagens de diversas fontes. Assim, estou publicando este post, para complementar o entendimento que procurei passar em posts anteriores, como: introdução à computação cognitivaas 4 ondas da inteligência artificial e Os 7 Padrões da Inteligência Artificial.

Vejamos então uma imagem resumo sobre os 10 blocos de construção da inteligência artificial proposto por consultores da Boston Consulting Group (BCG), seguidos das respectivas descrições.

Blocos relativos à Dados

1 – Visão de máquina é a classificação e rastreamento de objetos do mundo real com base em sinais visuais, raios-x, laser ou outros sinais. O reconhecimento óptico de caracteres foi um sucesso inicial da visão de máquina, mas decifrar texto manuscrito continua sendo um trabalho em andamento.

A qualidade da visão da máquina depende da rotulagem humana de uma grande quantidade de imagens de referência. A maneira mais simples de as máquinas começarem a aprender é através do acesso a esses dados rotulados. Nos próximos cinco anos, a visão computacional baseada em vídeo poderá reconhecer ações e prever movimentos – por exemplo, em sistemas de vigilância.

2 – O reconhecimento de fala envolve a transformação de sinais auditivos em texto. Em um ambiente relativamente silencioso, aplicativos como Siri e Alexa podem identificar a maioria das palavras em um vocabulário geral. À medida que o vocabulário se torna mais específico, tornam-se necessários programas personalizados, como o PowerScribe da Nuance para radiologistas. Ainda estamos a alguns anos de produzir um assistente virtual que pode fazer anotações precisas em ambientes ruidosos com muitas pessoas falando ao mesmo tempo.

3 – O processamento em linguagem natural (PLN) é a análise semântica e a interpretação do texto. Esse recurso reconhece spam, notícias falsas e até sentimentos como felicidade, tristeza e agressão. Hoje, o PLN pode fornecer resumos básicos de texto e, em alguns casos, inferir a intenção. Por exemplo, os chatbots tentam categorizar os chamadores com base no que eles percebem ser a intenção dos chamadores. É provável que o PLN melhore significativamente nos próximos anos, mas uma compreensão completa de textos complexos continua sendo um dos santos graal da inteligência artificial.

Blocos de Processamento

4 – O processamento de informações abrange todos os métodos de pesquisa, extração de conhecimento e processamento de texto não estruturado com o objetivo de fornecer respostas às consultas. Intimamente relacionado para o PLN, esse componente envolve pesquisar bilhões de documentos ou construir gráficos de conhecimento rudimentares que identificam relacionamentos no texto, além de poder envolver raciocínio semântico.

5 – Aprender com dados é essencialmente aprendizado de máquina – a capacidade de prever valores ou classificar informações com base em dados históricos. Embora o aprendizado de máquina seja um elemento em outros componentes, como visão de máquina e PLN, também é um elemento essencial. É a base de sistemas como as recomendações de filmes da Netflix, programas de segurança cibernética que empregam detecção de anomalias e modelos de regressão padrão para prever a rotatividade de clientes.

Um desafio em aplicativos de negócios envolve a remoção do viés humano dos dados. Sistemas projetados para identificar fraudes, prever crimes ou calcular pontuações de crédito, por exemplo, codificam os preconceitos implícitos de agentes, policiais e funcionários de bancos. A limpeza dos dados pode ser um desafio.

Finalmente, muitos modelos de aprendizado de máquina hoje são inerentemente caixas pretas. Os cientistas de dados podem precisar projetar transparência nesses sistemas, especialmente em ambientes regulamentados, mesmo que isso envolva algumas compensações no desempenho. Devido à intensa pesquisa em andamento nesse campo, é provável que a transparência melhore nos próximos cinco anos.

6 – Agentes de planejamento e exploração podem ajudar a identificar a melhor sequência de ações para atingir uma meta. Os carros autônomos dependem muito desse componente básico da navegação. Identificar a melhor sequência de ações se torna muito mais difícil à medida que agentes e ações adicionais entram em cena. Um subcampo de rápido crescimento, o aprendizado por reforço, enfatiza o recebimento de uma dica ou recompensa ocasional, em vez de instruções explícitas. O aprendizado por reforço foi fundamental para o sucesso do Google DeepMind no jogo Go e está intimamente associado à maneira como o cérebro humano aprende por tentativa e erro.

Blocos com foco em Ação

7 – A geração de imagens é o oposto da visão de máquina; cria imagens com base em modelos. Ainda em sua infância, esse bloco de construção pode concluir imagens nas quais o plano de fundo está ausente, por exemplo, ou pode alterar uma fotografia para renderizá-la no estilo de, digamos, Vincent van Gogh. A geração de imagens é o mecanismo por trás das ferramentas de realidade virtual e aumentada, como as máscaras do Snapchat.

8 – A geração de fala abrange a geração de texto com base em dados e a síntese de fala com base em texto. Atualmente, o Alexa exemplifica os recursos da geração de conversão de texto em fala. Esse componente básico está começando a permitir que as organizações jornalísticas automatizem a redação de relatórios básicos de esportes e ganhos, como resumos de jogos e boletins financeiros. Nos próximos cinco anos, a geração da fala provavelmente poderá incorporar ritmo, estresse e entonações que fazem a fala parecer natural. A geração musical também se tornará mais personalizada em breve.

9 – Manipulação e controle se referem a interações com objetos do mundo real. Por exemplo, os robôs já aprendem com humanos no chão de fábrica, mas têm problemas com tarefas novas ou fluidas, como cortar pão ou alimentar idosos. À medida que as empresas lançam dinheiro globalmente nesse campo, os robôs devem se tornar muito melhores na captação de novos itens em armazéns e na exibição de movimentos e flexibilidade fluidos e humanos.

10 – A navegação e o movimento abrangem as maneiras pelas quais os robôs se movem através de um determinado ambiente físico. Carros e drones autônomos se saem razoavelmente bem com suas rodas e rotores, mas andar sobre as pernas – especialmente um único par de pernas – é um desafio muito mais difícil. Os robôs que conseguem subir escadas ou abrir portas com fluidez demorarão mais alguns anos para chegar. Os robôs de quatro patas exigem menos equilíbrio, no entanto, e os modelos atuais já são capazes de navegar em ambientes que são efetivamente inacessíveis aos veículos com rodas.

Considerações finais

Este é apenas mais um dos artigos que considero relevantes para a introdução ao tema Inteligência Artificial, mesmo que não sendo de origem acadêmica e sim de uma empresa consultoria de estratégica.

Se gostou, por favor, compartilhe. Abraço, @neigrando

Sobre mim: aqui, Contato: aqui.

Referência

Este post é uma tradução resumida e adaptada do artigo da Boston Consulting Group (BCG): The Building Blocks Of Artificial Intelligence, escrito por Martin Hecker, Sebastian Steinhäuser, e Patrick Ruwolt, em 2017.

Artigos Relacionados:

Os 7 Padrões da Inteligência Artificial

Em 1979 na Universidade Estadual de Maringá (UEM), participei como aluno de um primeiro curso sobre Inteligência Artificial (IA), onde tive contato com uma linguagem chamada LISP. Fiquei encantado e disse para mim mesmo, este é um tema que quero me aprofundar. Assim, procurei acompanhar a evolução do tema e foi então que, em outubro de 1986, participei do “I Encontro Regional sobre Inteligência Artificial” em São Paulo, promovido pela “SUCESU – Sociedade dos Usuários de Computadores e Equipamentos Subsidiários”, quando aproveitei para fazer um Curso sobre a linguagem Prolog. Depois disso, houve um longo período onde o tema perdeu relevância. Mais tarde surgiu o aprendizado de máquina, redes neurais e ultimamente a aprendizagem profunda e aprendizagem por reforço. Com isso, big data, hardware e software muito mais poderosos, houve a volta dos encantos da IA e da computação cognitiva, agora com aplicações práticas para a vida e para o mundo dos negócios.

Em 2016, durante o meu mestrado, comecei a participar do Núcleo Decide da FEA-USP, que desenvolve pesquisas e seminários sobre Tomada de Decisão nas Organizações (TDO). Em 2017 participei do evento sobre Tomada de Decisão em Startups, em 2018, sobre o uso da Intuição na Tomada de Decisão, em 2019 sobre o uso da IA na TDO. Desde então estamos nos aprofundando numa pesquisa acadêmica sobre esse último tema.

Nesse ínterim compartilhei por aqui um artigo com uma introdução à computação cognitiva e outro sobre as 4 ondas da inteligência artificial.

Agora compartilho mais um artigo sobre o tema da IA, com foco em negócios.

Um universo de casos práticos de uso da IA

De veículos autônomos, aplicativos de análise preditiva, reconhecimento facial, chatbots, assistentes virtuais, automação cognitiva e detecção de fraude, os casos de uso para IA são muitos. No entanto, independentemente da aplicação de IA, há semelhanças para todas essas aplicações. Aqueles que implementaram centenas de projetos de IA percebem que, apesar de toda essa diversidade na aplicação, os casos de uso de IA se enquadram em um ou mais dos sete padrões comuns. Os sete padrões são: hiperpersonalização, sistemas autônomos, análise preditiva e suporte à decisão, interações conversacionais / humanas, padrões e anomalias, sistemas de reconhecimento e sistemas orientados a objetivos. Qualquer abordagem personalizada para IA exigirá sua própria programação e padrão, mas não importa em que combinação essas tendências são usadas, todas elas seguem seu próprio conjunto de regras padrão. Esses sete padrões são então aplicados individualmente ou em várias combinações, dependendo da solução específica à qual o AI está sendo aplicada.

Reconhecimento: máquinas que podem reconhecer o mundo

Significa usar o aprendizado de máquina e outras abordagens cognitivas para identificar e determinar objetos ou outras coisas desejadas a serem identificadas na imagem, vídeo, áudio, texto ou outros dados não estruturados principalmente.

Conversacional: máquinas que podem se comunicar como seres humanos

Quando máquinas e seres humanos interagem por meio de formas conversacionais de interação e conteúdo através de uma variedade de métodos, incluindo voz, texto e imagem. Inclui chatbots, assistentes de voz e análise de sentimentos, humor e intenção.

Análise preditiva: ajudando os humanos a tomarem melhores decisões

Implica no uso de aprendizado de máquina e outras abordagens cognitivas para entender como comportamentos passados ou existentes podem ajudar a prever resultados futuros ou ajudar os humanos a tomar decisões sobre resultados futuros com base nesses padrões.

Sistemas orientados a objetivos: resolvendo o quebra-cabeça

Com o poder do aprendizado por reforço e outras técnicas de aprendizado de máquina, as organizações podem aplicar o aprendizado de máquina e outras abordagens cognitivas para dar a seus sistemas a capacidade de aprender por tentativa e erro. Isso é útil para qualquer situação em que você deseja que o sistema encontre a solução ideal para um problema. Inclui jogos, otimização de recursos, solução iterativa de problemas e leilões de lances e em tempo real.

Sistemas autônomos: reduzindo a necessidade de trabalho manual

Sistemas autônomos são sistemas físicos e virtuais de software e hardware capazes de realizar uma tarefa, atingir uma meta, interagir com o ambiente e atingir um objetivo com o mínimo envolvimento humano. Inclui máquinas e veículos autônomos de todos os tipos, como carros, barcos, trens, aviões e muito mais. Também inclui sistemas autônomos, como documentação e geração autônoma de conhecimento, processos de negócios autônomos e automação cognitiva, podendo operar em estreita proximidade com humanos na tomada de decisão preferencial.

Identificando padrões e anomalias: descobre o que combina e o que não combina

Usa o aprendizado de máquina e outras abordagens cognitivas para aprender padrões nos dados e aprender conexões de ordem superior entre os pontos de dados para ver se ele se encaixa em um padrão existente ou se é um erro ou anomalia.  As aplicações incluem detecção de fraude e risco para verificar se as coisas estão fora do comum ou se as expectativas estão acontecendo. Pode encontrar padrões entre os dados e ajudar a minimizar ou corrigir erros humanos. Inclui ainda texto preditivo, onde ele pode analisar padrões de fala e gramática para ajudar a sugerir palavras para acelerar o processo de escrita.

Hiperpersonalização: trata cada cliente como um indivíduo

Significa usar o aprendizado de máquina para desenvolver um perfil de cada indivíduo e, em seguida, fazer com que esse perfil aprenda e se adapte com o tempo para vários propósitos, como exibir conteúdo relevante, recomendar produtos relevantes, fornecer recomendações personalizadas.

Combinando padrões para o sucesso do projeto de IA

Embora possam parecer padrões discretos que são implementados individualmente em projetos típicos de IA, na realidade, vimos organizações combinar um ou mais desses sete padrões para realizar seus objetivos. Ao pensar em projetos de IA em termos desses padrões, as empresas os ajudarão a abordar, planejar e executar melhor os projetos de IA. Na verdade, as metodologias emergentes estão se concentrando no uso desses sete padrões como uma forma de agilizar o planejamento de projetos de IA. Depois de saber que está fazendo um padrão de reconhecimento, por exemplo, você pode obter insights sobre uma ampla gama de soluções que foram aplicadas a esse problema, insights sobre os dados que são necessários para alimentar o padrão, casos de uso e exemplos de aplicativos do padrão, algoritmo e dicas de desenvolvimento de modelo e outros insights que podem ajudar a acelerar a entrega de projetos de IA de alta qualidade.

Considerações finais

Embora a IA ainda esteja na fase inicial de adoção na maioria das empresas, está claro que a identificação e o uso desses padrões ajudarão as organizações a realizar seus objetivos de projeto de IA mais rapidamente, com menos reinvenção da roda e com muito melhores chances de sucesso.

Se gostou, por favor, compartilhe. Abraço, @neigrando

Sobre mim: aqui, Contato: aqui.

Referência

Este post é uma tradução resumida e adaptada do artigo da Forbes: The Seven Patterns Of AI, escrito por Kathleen Walch

Artigos Relacionados:

As 4 Ondas da Inteligência Artificial

“Na era da IA, a China é a Arábia Saudita em dados.” – Kai-Fu Lee.

Recentemente escrevi uma Introdução à computação cognitiva, hoje o tema é um pouco mais leve, mas ainda assim essencial ao mundo da tecnologia e dos negócios digitais da nova economia.

Há pouco tempo, Li parcialmente o mais novo livro de Kai-Fu Lee, AI Superpowers: China, Silicon Valley, and the New World Order.

Kai-Fu Lee é um dos investidores de IA mais plugados do planeta, liderando a gestão de mais de $2 bilhões de AUM entre seis fundos e mais de 300 empresas de portfólio nos EUA e na China.

Com base em seu trabalho pioneiro em IA, liderança executiva na Microsoft, Apple e Google (onde atuou como presidente fundador do Google China) e sua fundação do fundo de capital de risco Sinovation Ventures, Lee compartilha insights inestimáveis ​​sobre:

  • Os quatro fatores que impulsionam os ecossistemas de IA de hoje;
  • Avanços extraordinários da China na implementação de IA;
  • Para onde se dirigem os sistemas autônomos;
  • Como precisamos nos adaptar.

Com uma base em Pequim e no Vale do Silício, Lee analisa o equilíbrio de poder entre os gigantes da tecnologia chineses e norte-americanos – cada um turbinando novas aplicações de aprendizagem profunda e conquistando mercados globais no processo.

Neste artigo, apresento as “Quatro Ondas da IA” de Lee, uma excelente estrutura para discutir onde a IA está hoje e para onde está indo. Também apresento algumas das empresas de tecnologia chinesas mais importantes liderando a IA, vale a pena conhecer agora. Sabemos que muitas empresas não adotaram ainda a IA em seus negócios, ou mal adotaram a primeira e a segunda onda, que dirá a terceira e quarta onda de aplicações.

Com o aquecimento da competição sino-americana, quem será o dono do futuro da tecnologia? E como os estrategistas de negócios e de tecnologia podem se preparar para um dos elementos chave da Transformação Digital, Indústria 4.0, Sociedade 5.0, etc.

A primeira onda: IA da Internet

Neste primeiro estágio de implantação de IA, estamos lidando principalmente com mecanismos de recomendação – sistemas algorítmicos que aprendem com uma grande quantidade de dados do usuário para selecionar conteúdo online personalizado para cada um de nós.

Pense nas recomendações de produtos precisas da Amazon, ou naquele vídeo do YouTube “Up Next” que você só precisa assistir antes de voltar ao trabalho, ou em anúncios do Facebook que parecem saber o que você vai comprar antes de fazer.

Impulsionada pelos dados que fluem por meio de nossas redes, a IA da Internet aproveita o fato de que os usuários rotulam os dados automaticamente enquanto navegamos. Clicar ou não clicar; permanecer em uma página da Web por mais tempo do que em outra; pairando sobre um vídeo do Facebook para ver o que acontece no final.

Essas cascatas de dados rotulados criam uma imagem detalhada de nossas personalidades, hábitos, demandas e desejos: a receita perfeita para um conteúdo mais personalizado para nos manter em uma determinada plataforma.

Atualmente, Lee estima que as empresas chinesas e americanas estão frente a frente quando se trata de implantação de IA da Internet. Mas, dada a vantagem dos dados da China, ele prevê que os gigantes chineses da tecnologia terão uma ligeira vantagem (60-40) sobre seus homólogos americanos nos próximos cinco anos.

Embora você com certeza já tenha ouvido falar de Alibaba e Baidu, provavelmente nunca topou com Toutiao.

Começando como um ‘imitador’ do popular Buzzfeed da América, Toutiao atingiu uma avaliação de US$ 20 bilhões em 2017, superando a avaliação do Buzzfeed em mais de um fator de 10. Mas com quase 80 milhões de usuários ativos diários, Toutiao não se limita a criando conteúdo viral.

Equipados com processamento de linguagem natural e visão computacional, os motores de IA da Toutiao pesquisam uma vasta rede de diferentes sites e colaboradores, reescrevendo manchetes para otimizar o envolvimento do usuário e processando o comportamento online de cada usuário – cliques, comentários, tempo de envolvimento – para selecionar feeds de notícias individualizados para milhões de consumidores.

E à medida que os usuários ficam mais engajados com o conteúdo da Toutiao, os algoritmos da empresa ficam cada vez melhores para recomendar conteúdo, otimizar manchetes e fornecer um feed verdadeiramente personalizado.

É esse tipo de ciclo de feedback positivo que alimenta os gigantes da IA ​​de hoje que navegam na onda da IA ​​da Internet.

A segunda onda: IA de Negócios

Enquanto a IA da Internet tira vantagem do fato de que os internautas estão constantemente rotulando dados por meio de cliques e outras métricas de engajamento, a IA de Negócios pula nos dados que as empresas tradicionais já rotulavam no passado.

Pense: bancos emitindo empréstimos e registrando taxas de reembolso; hospitais arquivando diagnósticos, dados de imagem e resultados de saúde subsequentes; ou tribunais observando o histórico de condenação, reincidência e fuga.

Enquanto nós, humanos, fazemos previsões com base nas causas básicas óbvias (características fortes), os algoritmos de IA podem processar milhares de variáveis ​​fracamente correlacionadas (características fracas) que podem ter muito mais a ver com um determinado resultado do que os suspeitos usuais.

Ao rastrear correlações ocultas que escapam à nossa lógica linear de causa e efeito, a IA dos Negócios aproveita os dados rotulados para treinar algoritmos que superam até mesmo o mais veterano dos especialistas.

Aplique esses mecanismos de IA treinados por dados para bancos, seguros e sentenças judiciais e você terá taxas de inadimplência minimizadas, prêmios otimizados e taxas de reincidência em queda livre.

Embora Lee confiantemente coloque a América na liderança (90-10) para IA dos Negócios, o atraso substancial da China em dados estruturados do setor pode realmente funcionar a seu favor daqui para frente.

Nos setores em que as startups chinesas podem ultrapassar os sistemas legados, a China tem uma grande vantagem.

Veja o aplicativo chinês Smart Finance, por exemplo.

Enquanto os americanos adotaram os cartões de crédito e débito na década de 1970, a China ainda estava no meio de sua Revolução Cultural, perdendo em grande parte o ônibus com essa tecnologia de ponta.

Avançando para 2017, os gastos com pagamentos móveis da China superaram os dos americanos em uma proporção de 50 para 1. Sem a competição de cartões de crédito profundamente enraizados, os pagamentos móveis foram um upgrade óbvio para a economia de dinheiro da China, abraçada por 70 por cento dos 753 milhões de usuários de smartphones da China até o final de 2017.

Mas, ao ultrapassar os cartões de crédito e adotar os pagamentos móveis, a China abandonou a noção de crédito.

E é aqui que entra o Smart Finance.

Um aplicativo alimentado por IA para microfinanças, o Smart Finance depende quase exclusivamente de seus algoritmos para fazer milhões de microcréditos. Para cada potencial mutuário, o aplicativo simplesmente solicita acesso a uma parte dos dados do telefone do usuário.

Com base em variáveis ​​tão sutis como a velocidade de digitação e a porcentagem da bateria, o Smart Finance pode prever com precisão surpreendente sua probabilidade de pagar um empréstimo de $ 300.

Essas implantações de AI dos Negócios e IA da Internet já estão revolucionando nossos setores e estilos de vida individuais. Mas ainda no horizonte estão duas ondas ainda mais monumentais – IA de Percepção e IA Autônoma.

A terceira onda: IA da Percepção

Nesta onda, a IA é atualizada com olhos, ouvidos e uma miríade de outros sentidos, fundindo o mundo digital com nossos ambientes físicos.

À medida que sensores e dispositivos inteligentes proliferam em nossas casas e cidades, estamos prestes a entrar em uma economia de trilhões de sensores.

Empresas como a chinesa Xiaomi estão lançando milhões de dispositivos conectados à IoT, e equipes de pesquisadores já começaram a criar protótipos de poeira inteligente – células solares e partículas com sensores que podem armazenar e comunicar uma grande quantidade de dados em qualquer lugar, a qualquer hora.

Como Kai-Fu explica, a IA de Percepção “trará a conveniência e a abundância do mundo online para nossa realidade offline”. Dispositivos de hardware ativados por sensor transformarão tudo, de hospitais a carros e escolas, em ambientes Online-Mesclados-Offline (OMO).

Imagine entrar em um supermercado, escanear seu rosto para ver suas compras mais comuns e, em seguida, pegar um carrinho de compras de assistente virtual (AV). Tendo pré-carregado seus dados, o carrinho ajusta sua lista de compras de costume com entrada de voz, lembra você de comprar o vinho favorito de seu cônjuge para um aniversário que se aproxima e o orienta por uma rota de loja personalizada.

Embora ainda não tenhamos aproveitado todo o potencial da IA ​​de percepção, a China e os EUA já estão fazendo avanços incríveis. Dada a vantagem de hardware da China, Lee prevê que a China atualmente tem uma vantagem de 60-40 sobre seus concorrentes americanos de tecnologia.

Agora a cidade preferida para startups que constroem robôs, drones, tecnologia vestível e infraestrutura de IoT, Shenzhen se tornou uma potência para hardware inteligente. Com a turbocompressão de sensores e peças eletrônicas por meio de milhares de fábricas, os engenheiros qualificados de Shenzhen podem criar protótipos e iterar novos produtos em escala e velocidade sem precedentes.

Com o combustível adicionado do apoio do governo chinês e uma atitude relaxada da China em relação à privacidade de dados, a liderança da China pode até chegar a 80-20 nos próximos cinco anos.

Pulando nessa onda estão empresas como a Xiaomi, que visa transformar banheiros, cozinhas e salas de estar em ambientes OMO inteligentes. Tendo investido em 220 empresas e incubado 29 startups que produzem seus produtos, a Xiaomi ultrapassou 85 milhões de dispositivos domésticos inteligentes no final de 2017, tornando-se a maior rede mundial desses produtos conectados.

Um restaurante KFC na China até se associou à Alipay (plataforma de pagamentos móveis da Alibaba) para ser pioneira em um recurso “pague com sua cara”. Esqueça dinheiro, cartões e telefones celulares, e deixe OMO fazer o trabalho.

A quarta onda: IA Autônoma

Mas a onda mais monumental – e imprevisível – é a IA autônoma.

Integrando todas as ondas anteriores, a IA autônoma dá às máquinas a capacidade de sentir e responder ao mundo ao seu redor, permitindo que a IA se mova e atue de forma produtiva.

Embora as máquinas de hoje possam nos superar em tarefas repetitivas em ambientes estruturados e até mesmo não estruturados (pense no Atlas, humanoide da Boston Dynamics ou nos veículos autônomos que se aproximam), as máquinas com o poder de ver, ouvir, tocar e otimizar dados serão um jogo totalmente novo.

Pense: enxames de drones que podem pulverizar e colher seletivamente fazendas inteiras com visão computacional e notável destreza, drones resistentes ao calor que podem apagar incêndios florestais 100 vezes mais eficiente ou veículos autônomos de nível 5 que navegam por estradas inteligentes e sistemas de tráfego por conta própria.

Embora a IA autônoma envolva inicialmente robôs que criam valor econômico direto – automatizando tarefas em uma base de substituição um para um – essas máquinas inteligentes irão, no final das contas, renovar indústrias inteiras do zero.

Kai-Fu Lee atualmente coloca os Estados Unidos na liderança de 90-10 em IA Autônoma, especialmente quando se trata de veículos autônomos. Mas os esforços do governo chinês estão rapidamente aumentando a competição.

Já na província chinesa de Zhejiang, reguladores de rodovias e funcionários do governo têm planos para construir a primeira superestrada inteligente da China, equipada com sensores, painéis solares embutidos em estradas e comunicação sem fio entre carros, estradas e motoristas.

Com o objetivo de aumentar a eficiência do trânsito em até 30% e ao mesmo tempo minimizar as fatalidades, o projeto pode um dia permitir que veículos elétricos autônomos carreguem continuamente enquanto dirigem.

Um projeto semelhante alimentado pelo governo envolve o novo vizinho de Pequim, Xiong’an. Projetada para gerar mais de US$ 580 bilhões em gastos com infraestrutura nos próximos 20 anos, a Nova Área de Xiong’an pode um dia se tornar a primeira cidade do mundo construída em torno de veículos autônomos.

O Baidu já está trabalhando com o governo local de Xiong’an para construir esta IA Cidade com foco ambiental. As possibilidades incluem cimento com sensores, semáforos habilitados para visão computacional, cruzamentos com reconhecimento facial e estacionamentos transformados em parques.

Por último, Lee prevê que a China quase certamente liderará o ataque aos drones autônomos. Shenzhen já é o lar do principal fabricante de drones DJI.

Nomeada “a melhor empresa que já encontrei” por Chris Anderson, a DJI possui cerca de 50 por cento do mercado norte-americano de drones, superalimentado pelo extraordinário movimento fabricante de Shenzhen.

Considerações finais

Enquanto o equilíbrio competitivo sino-americano de longo prazo na IA de quarta onda ainda está para ser visto, uma coisa é certa: em questão de décadas, testemunharemos o surgimento de paisagens urbanas com IA e máquinas autônomas que podem interagir com o mundo real e ajudar a resolver os grandes desafios mais urgentes da atualidade.

Se gostou, por favor, compartilhe. Abraço, @neigrando

Sobre mim:

Nei Grando – diretor executivo da STRATEGIUS, teve duas empresas de tecnologia, é mestre em ciências pela FEA-USP com MBA pela FGV, organizador e autor do livro Empreendedorismo Inovador, é mentor de startups e atua como consultor, professor e palestrante sobre estratégia e novos modelos de negócio, inovação, organizações exponenciais, transformação digital e agilidade organizacional.

Detalhes: aqui, Contato: aqui.

Artigos Relacionados:

Livro:

  • LEE, Kai-Fu. AI Super-Powers: China, Silicon Valley, New World Order.