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.

Introdução à computação cognitiva

A explosão de dados, principalmente dados não estruturados, nos últimos anos, levou ao desenvolvimento de um novo tipo de sistema de computador conhecido como sistema cognitivo. Ao contrário dos sistemas programáveis ​​que o precederam, o foco dos sistemas cognitivos não é fazer cálculos rápidos em grandes quantidades de dados por meio de programas de computador tradicionais. Sistemas cognitivos são sobre explorar os dados, encontrar novas correlações e novo contexto nesses dados para fornecer novas soluções. Os sistemas cognitivos visam expandir os limites da cognição humana em vez de substituir ou replicar a maneira como o cérebro humano funciona.

A computação cognitiva está se tornando um novo setor. Está chegando uma nova revolução industrial, conectada à automação de trabalhos em transporte, atendimento ao cliente e assistência médica, para citar alguns.

O sustento de tal revolução será uma nova geração de desenvolvedores qualificados que entenderão bem a computação cognitiva para visualizar novos aplicativos de negócios e, finalmente, construir a nova web cognitiva.

Este artigo resume brevemente a história da computação cognitiva e as eras da computação porque, para entender o futuro da computação cognitiva, é importante colocá-lo no contexto histórico.

Este artigo também descreve conceitos básicos que são relevantes para qualquer discussão sobre sistemas cognitivos.

Cognitive Computing

Breve histórico da computação cognitiva

O conceito de máquinas inteligentes existe há muito tempo. Surpreendentemente, no século 19, o livro do matemático George Boole de 1854, The Laws of Thought, mostrou que operadores lógicos (e, ou, não) forneceram a base para as leis do pensamento. Na mesma época, Charles Babbage concebeu a criação do que descreveu como um mecanismo analítico.

Em 1950, Alan Turing, cientista da computação e matemático inglês, abordou o problema da inteligência artificial e propôs um experimento que ficou conhecido como Teste de Turing. É um teste da capacidade de uma máquina de exibir comportamento inteligente semelhante a um humano.

O teste foi uma adaptação de uma competição de estilo vitoriano chamada “jogo de imitação“.

O experimento de Turing foi baseado em um avaliador humano que julgou as conversas em linguagem natural entre um humano e uma máquina projetada para gerar respostas semelhantes a humanos.

O teste estudou se o interrogador pode determinar quais respostas são dadas por um computador e quais são respostas de um humano. A ideia era que, se o interlocutor não pudesse distinguir a diferença entre humano e máquina, o computador seria considerado “pensando”.

O termo Inteligência Artificial foi cunhado pelo professor John McCarthy para uma conferência sobre o assunto, realizada no Dartmouth College em 1956. McCarthy define o assunto como a “ciência e engenharia de fabricação de máquinas inteligentes, especialmente programas de computador inteligentes“.

Em 1960, o pioneiro da computação J.C.R. Licklider escreveu seu artigo seminal “Simbiose Homem-Computador”. O artigo descreve a visão de Licklider de um relacionamento complementar ou simbiótico entre humanos e computadores. A citação a seguir é um exemplo das pesquisas e percepções de Licklider:

“A simbiose homem-computador é um desenvolvimento esperado na interação cooperativa entre homens e computadores eletrônicos. Isso envolverá um acoplamento muito próximo entre os membros humanos e eletrônicos da parceria. Os principais objetivos são:

  1. Permitir que os computadores facilitem o pensamento formulativo, pois agora facilitam a solução dos problemas formulados.
  2. Permitir que homens e computadores cooperem na tomada de decisões e no controle de situações complexas sem dependência inflexível de programas predeterminados …

Análises preliminares indicam que a parceria simbiótica executará operações intelectuais com muito mais eficiência do que o homem sozinho pode realizá-las.

As eras da computação

Para entender o futuro da computação cognitiva, é importante colocá-lo no contexto histórico. Até o momento, duas épocas distintas da computação ocorreram: a era da tabulação e a era da programação. Estamos entrando na terceira e mais transformadora era da evolução da computação, a era da computação cognitiva (era cognitiva).

The three eras of computing

As eras podem ser descritas da seguinte maneira:

_ Era tabulativa (décadas de 1890 a 1940)

A primeira era da computação consistiu em sistemas eletromecânicos de uso único que contavam, usando cartões perfurados para inserir e armazenar dados e, eventualmente, instruir a máquina sobre o que fazer. Essas máquinas de tabulação eram essencialmente calculadoras projetadas para contar e resumir informações, e elas faziam muito bem, mas acabavam limitadas a uma única tarefa.

Essas máquinas suportavam o dimensionamento de negócios e da sociedade e eram usadas em aplicativos governamentais, como dados do censo de população de processos e aplicativos comerciais, como contabilidade e controle de estoque. As máquinas de tabulação evoluíram para uma classe de máquinas, conhecida como equipamento de registro de unidade, e a indústria de processamento de dados.

_ Era da programação (década de 1950 – presente)

Esta era começou com a mudança de tabuladores mecânicos para sistemas eletrônicos e começou durante a Segunda Guerra Mundial, impulsionada por necessidades militares e científicas. Após a guerra, os “computadores” digitais evoluíram rapidamente e se mudaram para empresas e governos. A era da computação programável começa.

A grande mudança é a introdução de sistemas de computação de uso geral programáveis: eles podem ser reprogramados para executar tarefas diferentes e resolver vários problemas nos negócios e na sociedade. Mas, em última análise, eles devem ser programados e ainda estão um pouco limitados na interação com os seres humanos. Tudo o que sabemos agora como um dispositivo de computação, do mainframe ao computador pessoal, ao smartphone e tablet, é um computador programável. Alguns especialistas acreditam que essa era da computação continuará a existir indefinidamente.

_ Era cognitiva (2011 – futuro)

Como Licklider previu, a computação cognitiva é uma evolução necessária e natural da computação programável. Os sistemas de computação cognitiva visam estender os limites da cognição humana. As tecnologias de computação cognitiva não se destinam a substituir ou necessariamente replicar a maneira como o cérebro humano funciona; trata-se de ampliar as capacidades do cérebro humano. Os seres humanos se destacam no raciocínio, no pensamento profundo e na solução de problemas complexos. Mas a capacidade humana de ler, analisar e processar grandes volumes de dados, estruturados e não estruturados, é bastante fraca. Essa, é claro, é a força do sistema de computador. O primeiro papel de um sistema de computação cognitiva é combinar forças de humanos e máquinas em uma situação colaborativa.

Outro elemento-chave dos sistemas cognitivos é uma interação mais natural entre humano e máquina, combinada com a capacidade de aprender e se adaptar ao longo do tempo.

O futuro da computação é cognitivo

Em seu artigo, “Computação, cognição e o futuro do conhecimento: como os seres humanos e as máquinas estão forjando uma nova era de entendimento”, o Dr. John E. Kelly III declara:

Aqueles de nós envolvidos em ciência da informação séria e em sua aplicação no mundo real dos negócios e da sociedade entendem o enorme potencial dos sistemas inteligentes. O futuro dessa tecnologia – que acreditamos ser cognitiva, não “artificial” – tem características muito diferentes daquelas geralmente atribuídas à IA, gerando diferentes tipos de desafios e oportunidades tecnológicos, científicos e sociais, com diferentes requisitos de governança, política e gerenciamento.

No mesmo artigo, o Dr. Kelly define a computação cognitiva:

A computação cognitiva se refere a sistemas que aprendem em escala, argumentam com propósito e interagem com os seres humanos naturalmente. Em vez de serem explicitamente programados, eles aprendem e raciocinam com suas interações conosco e com suas experiências com o ambiente.

As demandas atuais impulsionadas pelo Big Data e a necessidade de decisões baseadas em evidências mais complexas estão indo além da regra rígida anterior e da abordagem lógica da computação.

A computação cognitiva permite que as pessoas criem um novo tipo de valor, encontrando respostas e insights bloqueados em volumes de dados. A computação cognitiva serve para aprimorar a experiência humana com sistemas que raciocinam sobre problemas como um humano.

Quando nós, como seres humanos, tentamos entender algo e tomar uma decisão, passamos por quatro etapas principais:

  1. Observar os fenômenos visíveis e os corpos de evidência.
  2. Interpretar o que vemos recorrendo ao que sabemos para gerar hipóteses sobre isso.
  3. Avaliar quais hipóteses estão certas ou erradas.
  4. Decidir (escolher) a opção que parecer melhor e aja de acordo.

Assim como os humanos se tornam especialistas, passando pelo processo de observação, interpretação, avaliação e tomada de decisão, os sistemas cognitivos usam processos semelhantes para raciocinar sobre as informações que absorvem.

O impacto da computação cognitiva em nossas vidas

Quer você perceba isso ou não, a computação cognitiva já está afetando nossas vidas.

Frequentemente, quando você conversa com um call center, é provável que sua interação seja com um computador. Os artigos que você lê podem ter sido escritos por uma máquina. Em muitos casos, como compras on-line, a computação cognitiva entende seu comportamento e atividades e faz recomendações com base nesse entendimento. Os chatbots equipados com computação cognitiva foram criados para oferecer suporte com êxito aos serviços de resolução de reclamações.

Muitas profissões estão sendo aprimoradas pela computação cognitiva. Por exemplo, um médico que diagnostica um paciente com sintomas incomuns teria que procurar uma vasta quantidade de informações para chegar a um diagnóstico adequado. A computação cognitiva pode ajudar esse médico fazendo muitas pesquisas e análises preliminares para ele e podendo recomendar as próximas etapas.

Considere um gerente de patrimônio que aconselha os clientes em suas carteiras individuais de aposentadoria. Enquanto fatos e regras básicas se aplicam, necessidades, circunstâncias e interesses individuais entram em jogo.

Classificar todas as informações relacionadas e personalizar as recomendações para um cliente específico pode ser uma tarefa impressionante, facilitada pela computação cognitiva.

Em essência, a computação cognitiva pode contextualizar as informações que muitos profissionais lidam diariamente, a fim de gerar valor real a partir delas.

Conceitos básicos

Considere estes conceitos básicos:

_ Cognição

A cognição, o “ato de pensar”, é o processo mental de adquirir entendimento através do pensamento e de experiências pessoais ou compartilhadas. As habilidades baseadas no cérebro fazem parte de toda ação humana e são essenciais para a execução de qualquer tarefa, da mais simples à mais difícil.

As tarefas incluem sentidos humanos (audição, toque, olfato, visão, paladar e até percepção extra-sensorial), aprendizado, lembrança, habilidades motoras, linguagem, empatia, habilidades sociais e capacidade de resolução de problemas.

Como afirmado, a cognição é o processo de aquisição de conhecimento através de pensamentos, experiências e sentidos. O processamento cognitivo nos ajuda a entender e interagir com o mundo ao nosso redor, do básico ao complexo.

_ Inteligência Artificial (IA)

O estudo e desenvolvimento de sistemas de IA visam a construção de sistemas de computador capazes de executar tarefas que normalmente requerem inteligência humana. As máquinas baseadas em IA destinam-se a perceber seu ambiente e executar ações que otimizam seu nível de sucesso. A IA de hoje pode ser considerada fraca, pois foi projetada para executar tarefas restritas e específicas. O objetivo de muitos pesquisadores é criar uma IA forte que aprenda como um humano e possa resolver problemas do tipo humano.

A pesquisa de IA usa técnicas de muitos campos, como ciência da computação, filosofia, linguística, economia, reconhecimento de fala e psicologia, que se manifestam em aplicações como sistemas de controle, processamento de linguagem natural, reconhecimento facial, reconhecimento de fala, analítica, correspondência de padrões , mineração de dados e logística.

_ Computação cognitiva

Os seres humanos são inerentemente capazes de um conjunto de habilidades que nos ajudam a aprender, descobrir e tomar decisões:

  • Podem aplicar bom senso, moral e razão através de dilemas.
  • Podem pensar em novas ideais e fazer generalizações quando faltam pistas e informações essenciais.
  • Mas são restringidos pela quantidade de tempo gasto para aprender, processar e absorver novas informações, e limitados pelos vieses inconscientes que todos possuímos que influenciam as decisões que tomamos.

A computação cognitiva está entre as subdisciplinas que moldam a IA. Trata-se de montar um sistema que combina o melhor dos humanos e da máquina. Considere recursos que os humanos naturalmente possuem, como imaginação e emoções, combinados com recursos em que os computadores se destacam, como processamento de números, identificação de padrões e processamento de grandes quantidades de informações. A computação cognitiva usa os pontos fortes da máquina para “simular” os processos do pensamento humano em um modelo computadorizado.

Os sistemas cognitivos usam técnicas, como aprendizagem de máquina, mineração de dados, processamento de linguagem natural e correspondência de padrões para imitar o funcionamento do cérebro humano. Tais sistemas são ideais para interagir com um mundo cada vez mais complexo.

Human and Cognitive Systems ara Complementary

_ Big data

Geralmente, as características de big data são definidas pelos cinco Vs: variedade, volume, velocidade, veracidade e visibilidade. O big data requer formas inovadoras de processamento de informações para extrair insights, automatizar processos e auxiliar na tomada de decisões. Big data pode ter dados estruturados que correspondem a um padrão formal, como conjuntos de dados e bancos de dados tradicionais. Além disso, o big data inclui formatos semiestruturados e não estruturados, como documentos de processamento de texto, vídeos, imagens, áudio, apresentações, interações em mídias sociais, fluxos, páginas da web e muitos outros tipos de conteúdo. Os dados não estruturados não estão contidos em um banco de dados regular e estão crescendo exponencialmente, constituindo a maioria de todos os dados do mundo.

Structured and Unstructered data

_ Tecnologia de resposta a perguntas (QA – Question-Answering)

Os sistemas cognitivos podem ingerir milhões de páginas de texto e aplicar a tecnologia de resposta a perguntas para responder a perguntas feitas por humanos em linguagem natural. Essa abordagem permite que as pessoas “façam” perguntas e obtenham respostas quase instantâneas a perguntas complexas.

Combinada com outras interfaces de programas aplicativos (APIs) e análises avançadas, a tecnologia de QA se distingue da pesquisa convencional (que é acionada por palavras-chave) ao fornecer uma discussão mais conversacional.

_ Aprendizado de máquina (ML – Machine Learning)

O aprendizado de máquina é um tipo de IA que dá aos computadores a capacidade de aprender e agir sem serem explicitamente programados. Isso significa que o modelo do computador melhora com o tempo, aprendendo com seus erros e novas experiências (exposto a novos dados), aumentando sua inteligência. Se um programa de computador pode melhorar o desempenho de determinadas tarefas baseadas em experiências passadas, ele aprendeu. Isso difere de executar a tarefa sempre da mesma maneira, porque foi programado para isso.

_ Processamento de linguagem natural (NLP – Natural Language Processing)

A NLP é um campo da IA ​​e refere-se ao processamento por computadores da linguagem natural.

Idioma natural é qualquer idioma humano, como inglês, espanhol, árabe ou japonês, que deve ser diferenciado das linguagens de computador, como Java, Fortran ou C++.

NLP é a capacidade do software de computador entender a fala humana. Ao usar os recursos da NLP, os computadores podem analisar o texto escrito em linguagem humana e identificar conceitos, entidades, palavras-chave, relações, emoções, sentimentos e outras características, permitindo que os usuários extraiam informações do conteúdo.

Qualquer sistema que use a linguagem natural como entrada e seja capaz de processá-la é um sistema de processamento de linguagem natural (por exemplo, software de detecção de spam). Um classificador de spam é um sistema que analisa o conteúdo da linha de assunto do e-mail para avaliar se o e-mail recebido é ou não spam.

_ Computação em nuvem

Computação em nuvem é um termo geral que descreve a entrega de serviços sob demanda, geralmente pela Internet, com base no pagamento por uso. Empresas em todo o mundo oferecem seus serviços aos clientes. Os serviços podem ser análise de dados, mídia social, armazenamento de vídeo, comércio eletrônico e computação cognitiva de uma maneira disponível na Internet e suportada pela computação em nuvem.

_ Interfaces de programa aplicativo (APIs – Application Program Interfaces)

Em geral, as APIs expõem recursos e serviços. As APIs permitem que os componentes de software se comuniquem facilmente. O uso de APIs como método de integração injeta um nível de flexibilidade no ciclo de vida do aplicativo, facilitando a tarefa de conexão e interface com outros aplicativos ou serviços. As APIs abstraem o funcionamento subjacente de um serviço, aplicativo ou ferramenta e expõem apenas o que um desenvolvedor precisa, para que a programação se torne mais fácil e rápida.

As APIs cognitivas geralmente são entregues em uma plataforma aberta baseada em nuvem, na qual os desenvolvedores podem infundir cognitivos em aplicativos, produtos e operações digitais usando uma ou mais APIs disponíveis.

No modelo de computação cognitiva, todos esses conceitos são combinados, eliminando a necessidade de os usuários serem especialistas em métodos cognitivos e permite que eles se concentrem na criação de melhores soluções.

big-data-apis-cloud-ai-cognitive_computing-people-tasks

Os sistemas cognitivos permitem que os usuários se concentrem na construção de melhores soluções para os problemas do dia-a-dia

Como esses conceitos e tecnologias se relacionam?

O modelo de computação cognitiva pretende ter alto valor em vários domínios. Ao aplicar esse modelo, os usuários não precisam gastar tempo aprendendo detalhes complexos sobre ferramentas para poder usá-las efetivamente ou interpretar grandes quantidades de informações para tirar conclusões. Em vez disso, os usuários gastam seu tempo identificando padrões úteis, tomando decisões e tomando medidas para melhorar os processos comerciais e operacionais.

Como a computação cognitiva imita o pensamento, a qualidade da saída é tão boa quanto os algoritmos e modelos usados ​​no início. Esses modelos são aprimorados com a aprendizagem de máquina.

Enquanto um especialista humano pode passar semanas analisando volumes de dados, o modelo do computador pode fazer isso em segundos. Por exemplo, uma equipe de médicos pode realizar um estudo que monitora centenas de crianças por muitos meses para prever fatores que causam diabetes em crianças pequenas. Num futuro próximo, o mesmo estudo pode ser previsto com precisão por um modelo de computador que leva segundos para analisar volumes de dados, a um custo muito menor. Para agregar ainda mais valor, outras fontes de dados podem ser incluídas para melhorar os resultados das previsões. Exemplos de dados a serem incluídos são história familiar, estilo de vida, normas culturais e atividades familiares. Esses são os tipos de dados que fazem o equivalente a uma pesquisa conduzida por seres humanos que leva vários anos para ser concluída.

Um grande problema com a maioria das ferramentas analíticas é que elas exigem que um especialista no assunto (por exemplo, piloto, médico, advogado) se torne um especialista em computadores. Um objetivo da computação cognitiva é exigir apenas habilidades de conversação do especialista no assunto para permitir que essa pessoa extraia informações valiosas. A mineração e análise de dados agora significa “simplesmente perguntar“. Com o tempo, as tecnologias de NLP e QA se tornaram melhores na identificação de padrões de fala e na verdadeira compreensão do que o usuário diz no contexto das informações disponíveis.

Com muitos dados para analisar, você precisará de um supercomputador para obter informações?

Aqui é onde o poder da computação em nuvem pode ajudar. Vários fornecedores estabeleceram ambientes de computação em nuvem e oferecem acesso à nuvem pela Internet. Os usuários solicitam os serviços de que precisam e fornecem acesso aos seus dados. Os fornecedores oferecem um modelo de pagamento por uso e fornecem personalização do ambiente para atender às necessidades específicas dos usuários. O modelo de computação em nuvem reduz muito as barreiras de acesso e, com disponibilidade global, qualquer pessoa no mundo com conectividade à Internet tem acesso a esses serviços.

Várias APIs que fornecem acesso a vários serviços permitem acesso rápido, fácil e intuitivo aos sistemas de computação. A maioria das APIs é independente da linguagem de programação, o que significa que seus desenvolvedores podem trabalhar em qualquer linguagem de programação. O uso de APIs para compartilhamento de dados, serviços e funções de negócios entre pontos de extremidade (como aplicativos, dispositivos e sites) cria a oportunidade de reduzir o custo e o tempo para a integração.

Características dos sistemas cognitivos

Muitas pessoas acreditam que a única maneira de lidar com o ataque de dados hoje e no futuro é através do uso de sistemas cognitivos. Os sistemas cognitivos têm várias características principais:

_ O primeiro elemento-chave dos sistemas cognitivos é expandir os limites da cognição humana em vez de substituir ou replicar a maneira como o cérebro humano funciona. Os seres humanos são excelentes em pensar profundamente e resolver problemas complexos, no entanto, nossa capacidade de ler, analisar e processar grandes volumes de dados é baixa. Ler, analisar e alavancar grandes volumes de dados é a força dos sistemas de computador. Um elemento-chave de um sistema cognitivo é combinar esses dois pontos fortes (humano e computador) em uma solução colaborativa. Mais do que pesquisar grandes quantidades de dados, o sistema cognitivo deve combinar diferentes partes de informações e, possivelmente, raciocinar para estabelecer conexões e relacionamentos.

O sistema precisa fazer análises suficientes para extrair elementos-chave, entender o problema que o ser humano está tentando resolver e, com base nesse contexto, trazer informações para o problema. O objetivo é que um ser humano aproveite facilmente as informações fornecidas pelo sistema cognitivo e permita que o ser humano explore as evidências e use esse insight para resolver seu problema ou tomar decisões.

_ O segundo elemento chave é ter uma interação mais natural entre computadores e seres humanos. Até recentemente, para interagir com os computadores, os humanos tinham que se adaptar à maneira como trabalhavam à interface do computador, que costumava ser rígida e inflexível. Os sistemas cognitivos fornecem um envolvimento muito mais natural entre o computador e o humano.

O reconhecimento de fala, por exemplo, permite que o ser humano interaja com o computador usando comandos de voz.

_ Um terceiro elemento-chave dos sistemas cognitivos é o uso da aprendizagem, especificamente a aprendizagem de máquina. O aprendizado de máquina é realizado há muito tempo e os sistemas cognitivos devem ir além dos fundamentos básicos do aprendizado de máquina.

_ A intenção é ampliar o potencial de aprendizagem e a capacidade de adaptar-se ao longo do tempo com o uso, que é o quarto elemento-chave dos sistemas cognitivos. Portanto, ao usar esses aplicativos, um mecanismo de feedback captura os resultados dessa interação e o sistema deve aprender com a interação resultante e evoluir automaticamente ao longo do tempo, melhorando seu desempenho.

Com essa base de entendimento, você pode pensar em sistemas cognitivos como fornecendo em muitos casos esses recursos:

  • Entender: Os sistemas cognitivos entendem imagens, linguagem e outros dados não estruturados, como seres humanos. O sistema cognitivo operacionaliza praticamente todos os dados (estruturados e não estruturados), como os humanos.
  • Raciocinar: Os sistemas cognitivos podem raciocinar, compreender conceitos subjacentes, formar hipóteses e inferir e extrair ideias.
  • Aprender: Com cada ponto de dados, interação e resultado, os sistemas cognitivos desenvolvem e aumentam a experiência e continuam aprendendo, adaptando e melhorando sua experiência.
  • Interagir: Com habilidades para ver, conversar e ouvir, os sistemas cognitivos interagem com os seres humanos de maneira natural.

Resolvendo problemas da vida real com sistemas cognitivos

Os sistemas cognitivos direcionam o uso de big data para dar suporte aos processos de negócios. A maioria dos big data não possui organização ou estrutura formal. Os sistemas cognitivos podem penetrar na complexidade dos dados não estruturados e incorporar o poder do processamento de linguagem natural e do aprendizagem de máquina. Os sistemas cognitivos criam soluções para os problemas do dia-a-dia.

Os sistemas cognitivos criam novas maneiras de gerar valor para os consumidores e aprimoram a experiência ao longo do ciclo de vida da compra. Por exemplo, um planejador cognitivo de viagens pode considerar a identificação de idiomas, análises de conflitos, e insights pessoais para fazer recomendações de viagens que melhor atendam às necessidades do cliente. Outro exemplo é a revisão de um grande número de apólices de seguro para obter regras de apólice. Com essas regras, uma companhia de seguros pode impulsionar a padronização, reduzir os riscos e aprender mais amplamente com o conhecimento e a experiência dos subscritores.

Os fornecedores de sistemas cognitivos fornecem várias ofertas baseadas em comandos de voz e no uso de dados da Internet. Vários fornecedores fornecem sistemas cognitivos direcionados para os setores da saúde, automotivo, financiamento e seguro.

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

Referências:

  • Este artigo trata-se de uma tradução literal do primeiro capítulo “Introduction to Cognitive Computing” do e-book “Building Cognitive Applications with IBM Watson Services – Volume 1 Getting Started” da Redbooks em parceria com IBM Skills Academy Program, escrito por diversos autores, em Junho de 2017.
  • What is AI? – (AISB – The society for the study of artificial intelligence and simulation of behavior)
  • Man-Computer Symbiosis – (J. C. R. Licklider – IRE Transactions on Human Factors in Electronics, volume HFE-1, pages 4-11, March 1960)
  • IBM IA Research
  • IBM Watson
  • IBM Watson: How it Works (vídeo)
  • How does IBM Watson work? (vídeo)

Sobre o tradutor:

Nei Grando é 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.

Apoio: Núcleo Decide da FEA-USP

Núcleo Decide - FEA-USP