O que é a inteligência artificial?

A inteligência artificial baseia-se na capacidade de reproduzir a aprendizagem humana por parte de unidades de cálculo. Uma rede de neurónios começa por imitar e, depois, aperfeiçoa-se analisando uma quantidade crescente de dados, até se tornar capaz de reproduzir, ou até ultrapassar, as capacidades de reflexão humanas. Assim, a IA poderá reconhecer elementos em imagens, modelar dados, sintetizar informações, prever tendências e exprimir resultados precisos. Isto tudo, com uma linguagem natural.

História da inteligência artificial

Desde a década de 1940 e o nascimento dos primeiros computadores, muitos cientistas como Alan Turing quiseram desenvolver um "cérebro artificial". Estes especialistas realizaram várias experiências para atingir o seu objetivo: criar uma máquina mais inteligente que o ser humano. E para provar isso, criaram um sistema de avaliação que ainda hoje é famoso: o teste de Turing.

O seu princípio é simples: durante cinco minutos, uma pessoa troca mensagens através de um computador com dois desconhecidos (uma pessoa e uma máquina). No final da conversa, se não conseguir diferenciá-los, então o teste foi bem-sucedido. A IA prova que desenvolveu aptidões suficientes para reproduzir uma linguagem natural e participar num diálogo inteligente, por vezes mesmo com um toque de humor.

Em 1956, três matemáticos criaram a primeira linguagem de inteligência artificial, a IPL-11, treinando um programa a resolver problemas matemáticos. Rapidamente, este conseguiu demonstrar teoremas estabelecidos com uma explicação inteligível. Os cientistas desenvolveram então uma tecnologia de autoaprendizagem, o machine learning, que constrói a sua própria IA, treinando-se para reproduzir uma análise humana num grande volume de dados.

Assim, o machine learning e o big data (ou a capacidade de recolher um volume exponencial de informações para treinar a IA) estão no centro do sucesso da inteligência artificial e dos seus progressos.

A conceção científica de uma inteligência artificial baseia-se em três etapas fundamentais: assimilação de informações, análise de dados e introdução de respostas ou de ações adequadas.
 

• Assimilação das informações

Atualmente, todas as interações num website geram informações. Assim, é necessário captar e armazenar esses dados para os poder transmitir à inteligência artificial. Por vezes, estes dados devem ser anonimizados: no âmbito do RGPD, a atividade digital de um indivíduo não deve estar ligada aos seus dados pessoais.

Para captar a informação e transcrevê-la de forma inteligível através dos programas da IA, os cientistas criam algoritmos de aprendizagem. Por vezes chamados "neurónios artificiais", permitem, por exemplo, descodificar milhares de imagens transcrevendo píxel por píxel, para criar um conjunto de dados. São então concebidos outros programas e algoritmos para captar e redistribuir informações provenientes do big data aos algoritmos de aprendizagem.

O cloud computing oferece uma potência de cálculo à altura desta tecnologia, permitindo tirar partido instantaneamente destes dados e explorá-los plenamente.

• Análise de dados

As informações tratadas e descodificadas pela inteligência artificial são a própria base da sua autoaprendizagem: o deep learning. Para obter uma resposta adaptada aos diferentes desafios, os data scientists estabelecem critérios a aplicar em cada situação. Pouco a pouco, os algoritmos de aprendizagem automática enriquecem esta lista de critérios e propõem novas respostas, mais pertinentes.

Quanto mais a inteligência artificial é alimentada por novos dados, mais se densifica a rede de neurónios artificiais dedicados ao deep learning. A IA aprende e compreende, o que também tem um impacto técnico: é necessário garantir uma disponibilidade constante do big data, bem como a frescura e a fiabilidade das informações recebidas. O data mining é um processo de análise que recolhe e compara os dados para identificar semelhanças, tendências de mercado ou informações exploráveis. Os progressos da IA baseiam-se nestes algoritmos potentes e no acesso aos dados.

A potência de cálculo de todos estes algoritmos é o motor da inteligência artificial. Se não for racionalizada, pode vir a perder e abrandar as interações entre redes neurais artificiais, reduzindo o potencial da IA. Assim, os data scientists precisaram rapidamente de mapas gráficos mais eficazes e também procuraram otimizar os recursos técnicos ao seu dispor (os cálculos GPU).

Para estes profissionais, implementámos soluções como o OVHcloud AI Training no nosso Public Cloud, para poderem racionalizar automaticamente esses recursos, sem intervenção humana, para o treino da IA.

As redes de deep learning tornam-se cada vez mais rápidas e potentes. O tratamento dos dados é quase instantâneo, multiplicando assim os campos de aplicação da inteligência artificial. A aprendizagem por reforço é ilimitada: cada nova informação reforça a precisão da IA.

• Criação de respostas ou de ações adequadas

Uma vez interpretados, comparados e analisados, os dados permitem à inteligência artificial dar uma resposta ou uma resposta que corresponda às expectativas. Trata-se de uma forma de "reflexo cognitivo", que os data scientists devem definir para permitir à IA:

• propor recomendações de vídeo adaptadas ao interlocutor (inteligência relacional);
• automatizar tarefas repetitivas (automatização inteligente);
• realizar traduções em tempo real (análise semântica, interpretação das línguas);
• identificar uma tendência de mercado promissora para uma startup ou um gestor de projeto (inteligência empresarial informática);
• distinguir um objeto ou um animal em milhares de fotografias (reconhecimento visual);
• estacionar um veículo autónomo no local certo (reflexos cognitivos, proprioceção).

Modelo preditivo no setor público

Sem a ajuda de uma inteligência artificial, a gestão das infraestruturas e dos serviços públicos é complexa e demorada. Todas as decisões requerem que sejam tidos em conta vários parâmetros. Decidir renovar uma estação, por exemplo, implica enfrentar problemas tão diversos como a hierarquização das obras a realizar segundo o orçamento previsional, o estudo dos fluxos de tráfego para propor rotas, a otimização dos transportes de substituição, etc.

Treinar a inteligência artificial (IA) para obter, tratar e analisar os dados disponíveis permite efetuar projeções mais corretas. Além disso, oferece a possibilidade de criar fluxogramas de decisão que especifiquem os custos e as contribuições de cada opção. Estas previsões servem então de ferramenta de ajuda à decisão (business inteligente).

Assim, a IA é uma solução de escolha no planeamento das operações, para o conjunto das administrações e serviços públicos.

Investigação e desenvolvimento no setor da saúde

A inteligência artificial está no centro de muitos programas de investigação e desenvolvimento (I&D) no setor da saúde. Na verdade, é aí que a IA oferece os resultados mais promissores.

O rastreio precoce de cancro e de doenças graves é um desafio importante para a área da saúde, por exemplo. Na sequência de testes bem-sucedidos de reconhecimento visual, foram integrados algoritmos de IA nos programas de rastreio de tumores precoces. Comparado com uma equipa de neurocirurgiões, o algoritmo de reconhecimento de ressonância magnética é já dez vezes mais rápido e mais eficaz na deteção de tumores cerebrais. Este compara cada nova imagem cerebral a milhares de bases de dados.

Assim, utilizar a análise preditiva e o reconhecimento de imagens pode ajudar a salvar doentes, mesmo antes que a doença se declare. Uma verdadeira transformação para o mundo da medicina!

Através da extração de conhecimentos provenientes de milhares de relatórios científicos, o data mining permite:

• compreender melhor as causas de certas doenças;
• detetar potenciais contraindicações entre diferentes medicamentos;
• acelerar a investigação científica em grande escala.

Segurança informática e proteção de dados

A proteção e a governação dos dados são questões críticas. O acesso, a partilha e a utilização da informação são essenciais, tanto para os grandes centros de investigação como para as pequenas empresas.

Os softwares de cibersegurança e os ambientes baseados na inteligência artificial são capazes de detetar as potenciais falhas de uma rede. Além disso, também podem bloquear um software malicioso, que imita o comportamento de um utilizador humano.

Tradução automática em tempo real

A gestão da relação com o cliente é um desafio fundamental para todas as empresas envolvidas na excelência da sua qualidade de serviço. Com o tratamento automático das línguas (Natural Language Processing), a inteligência artificial centraliza os pedidos de clientes internacionais. Em seguida, traduz esses pedidos de forma instantânea na língua dos clientes, à semelhança de um intérprete.

Cada responsável pela clientela pode assim dar uma resposta adaptada, perfeitamente redigida e traduzida na língua dos utilizadores. Um chatbot também propõe modelos de resposta com base em trocas anteriores.

Planeamento, acompanhamento dos stocks e gestão dos fluxos

A gestão dos alimentos, a previsão da procura e a gestão dos stocks em tempo real são questões essenciais para os agentes da grande distribuição e do comércio eletrónico.

Antecipar as vendas, graças aos algoritmos preditivos, permite encomendar ao fabricante a correta quantidade de produtos. O que, até muito recentemente, parecia quase impossível. Graças aos números de vendas e aos dados dos anos anteriores, os profissionais podem agora treinar uma IA a gerir os fluxos de um grande número de artigos em tempo real. Rapidamente, o programa de inteligência empresarial identifica as melhores vendas de um período. Com a ajuda de modelos preditivos, os algoritmos de controlo e de visualização de informações, os compradores encomendam a quantidade correta de artigos no momento certo. Assim, evita-se o desperdício e as ruturas de stocks.

Robótica e inteligência integrada

A robótica é uma forma de IA centrada na inteligência cognitiva. Os programadores precisam de conceber muito mais do que um simples computador inteligente ligado a uma rede: precisam de uma máquina autónoma.

Para dar respostas adequadas ao seu ambiente, os robôs ou autómatos são dotados de sensores (câmaras incorporadas, microfones, radares, redes de objetos conectados, etc). Além disso, também definem os reflexos cognitivos adequados a cada situação.

A inteligência integrada já tem provado o seu incrível potencial com o lançamento do carro autónomo, sendo capaz de compreender o Código da estrada, estacionar sozinha e travar com precisão em caso de perigo.

NVIDIA GPU Cloud

Um processador gráfico (GPU) é uma unidade de cálculo, que pode estar presente numa placa gráfica, como a NVIDIA V100S, ou numa placa principal (motherboard). Assim, o bom funcionamento de uma inteligência artificial baseia-se na eficácia destas unidades de cálculo.

A NVIDIA GPU Cloud (NGC) reúne todos os softwares GPU que otimizam automaticamente as unidades de cálculo do hardware NVIDIA. Isto facilita o deep learning e os cálculos gráficos das IA.

Jupyter Notebook

Jupyter é um notebook de cálculo (ou aplicação web) open source, gratuito e interativo. As explicações, bem como os códigos, equações e visualizações dos internautas, são partilhados de forma livre entre os utilizadores.

Jupyter funciona com várias linguagens de programação e ambientes de desenvolvimento (frameworks), tais como TensorFlow, PyTorch e MxNet. A partir da interface, os utilizadores visualizam, alteram e executam o código em direto, o que permite verificar imediatamente o resultado de cada alteração. Os data scientists utilizam o Jupyter Notebook para criar diferentes automatizações e inteligências artificiais.

Apache Spark

O Apache Spark é o framework de referência para o tratamento maciço de dados. Pesquisa as informações da base de dados, carrega na memória as operações a realizar e efetua de uma só vez o conjunto dos cálculos. Uma vez terminada a análise, os recursos de cálculo são liberados.

Assim, o Apache Spark é utilizado para agregar grandes volumes de dados e fornecer relatórios de análise pormenorizados.