Objetivos
Inteligência artificial
Reconhecer os conceitos fundamentais de inteligência artificial quanto ao histórico, aos tipos e às divisões.
Inteligência artificial generativa
Identificar as diferenças entre IA e IA generativa, bem como as particularidades da IA generativa.
A inteligência artificial (IA) está revolucionando a forma como as empresas operam e tomam decisões. Os problemas resolvidos e as oportunidades trazidas pela IA têm contribuído com muitas otimizações e consequentemente gerado muita riqueza.
Por isso, neste conteúdo, entenderemos o histórico, os fundamentos, os tipos e as divisões da inteligência artificial, assim como suas diferenças para a inteligência artificial generativa.
É verdade que, quando abrimos qualquer portal de notícias atualmente, somos bombardeados por um caminhão de notícias sobre IA. Isso faz parecer que ela nasceu recentemente, mas na verdade ela é uma senhora de algumas décadas.
Apesar de alguns reconhecidos marcos anteriores, como a máquina analítica de Charles Babbage que suportava um grau mais primitivo de programação, foi a partir do século XX em que se pode dizer que a IA começou efetivamente a se desenvolver.
Veja os principais marcos do histórico da IA!
Teste criado por Alan Turing, considerado o pai da computação, depois de ter participado da decodificação da máquina Enigma. Ele vivia intrigado com a pergunta “Poderiam as máquinas ser inteligentes?” e, para representar seu entendimento de inteligência em máquinas, propôs o teste, que consiste em um jogo de perguntas e respostas entre uma máquina e dois humanos. Caso os humanos não percebessem estarem dialogando com uma máquina, ela seria classificada como inteligente.
Programa desenvolvido por Allen Newell e Herbert A. Simon para resolver problemas imitando os processos lógicos usados pelos seres humanos.
Congresso científico em que vários pesquisadores sobre inteligência em máquinas se reuniram. Nele, foi cunhado o termo inteligência artificial para representar esse campo de estudo.
Primeiro algoritmo de aprendizado de máquina, com base em uma rede neural artificial linear.
Primeiros sintetizadores de voz desenvolvidos para computadores.
Um dos primeiros programas de processamento de linguagem natural, considerado o primeiro chatbot.
Rede militar precursora da internet moderna.
Período de menor incidência de investimentos em P&D de IA.
Supercomputador da IBM que derrotou o campeão mundial de xadrez, Garry Kasparov.
Ainda no século XXI essa trajetória tem continuidade. Acompanhe!
Sistema de visão computacional que conseguiu reconhecer e categorizar objetos em tempo real.
Supercomputador da IBM que derrotou campeões humanos no game show Jeopardy.
Rede neural de aprendizado profundo (convolucional) que constitui um sistema que venceu o Desafio de Reconhecimento Visual de Grande Escala no banco de imagens chamado ImageNet.
Assistente virtual de consumo geral (B2C) utilizada pela primeira vez como sistema embarcado em dispositivos inteligentes (IoT) da AWS.
Startup de pesquisa fundada para promover e desenvolver IA para utilização em massa.
Programa de IA criado pela DeepMind (Google), que derrotou o então campeão mundial no complexo jogo de tabuleiro Go.
Lançamento do guia para o uso ético de serviços e soluções de IA nos diversos mercados, gerenciado pela European AI Alliance.
Neste vídeo, você entenderá o percurso histórico da inteligência artificial, incluindo os marcos da evolução da IA ao longo do tempo.
Agora que entendemos o desenvolvimento da IA na linha do tempo, vamos identificar o significado de inteligência artificial e demais fundamentos.
Conceito de IA
Na literatura científica, existem diversas definições para inteligência artificial, porém nenhuma consensual. Algumas características dessas ideias, entretanto, convergem.
Para entender melhor, vamos desmembrar a expressão.
O que significa algo artificial?
Artificial significa algo não natural, não é mesmo? Correto! Artificial é algo que não foi criado pela natureza e sim pela humanidade.
O que significa inteligência?
Se nos basearmos na origem da palavra, nós nos remeteremos ao termo em latim intellegere, que significa escolher entre, ou seja, seria aquele que tomaria boas decisões.
De forma simples, sim, esse é o significado de inteligência, mas de modo mais elaborado, podemos dizer que a inteligência é uma capacidade mental que envolve a habilidade de aprender, compreender, raciocinar, tomar decisões, resolver problemas, adaptar-se a novas situações e interagir com o ambiente de maneira eficaz. Perceba que, sendo a inteligência uma habilidade, ela pode ser aprendida, tanto por humanos quanto por máquinas.
Juntando as peças, podemos concluir que inteligência artificial seria uma capacidade incutida em máquinas pelos seres humanos.
E qual seria a referência, o modelo empregado pelos criadores da IA? Isso mesmo! O próprio ser humano e a natureza que o cerca. Pense bem: as máquinas não seriam à imagem e semelhança de nós e da natureza? O que é um guindaste? A imitação de um braço humano. E uma câmera? A imitação de um olho humano. E o avião? Uma forma diferente de voar inspirada no voo dos pássaros. E a IA? Uma imitação da inteligência humana, a natural.
Resumindo
A IA é um conjunto de teorias e de práticas empregadas com a finalidade de desenvolver máquinas capazes de simular a inteligência humana.
Negócios baseados em IA
Se os dados, em virtude do valor do ativo, seriam o novo petróleo, o que seria a IA? A nova energia elétrica. Como assim? A energia elétrica quando surgiu era para poucos afortunados. Depois, barateou e se popularizou. Com a IA está ocorrendo o mesmo, só que em um uma velocidade maior de popularização.
Todos os setores e as organizações serão impactados pela IA. Não é uma onda, não vai passar. Ela veio para ficar e transformar a sociedade!
Tecnologias com essa magnitude de poder transformador chamam rapidamente a atenção do mundo dos negócios, e muito investimento está sendo feito em busca dos benefícios advindos da IA. Até mesmo países entraram nessa corrida. A disputa geopolítica pelo santo graal da IA é representada especialmente por China, EUA e Europa, sendo que a China está aos poucos se distanciando dos demais países.
Para termos uma ideia do potencial de geração de riquezas da IA, estima-se que até 2030 a IA injete entre 13 e 16 trilhões na economia mundial. Também é sabido que, atualmente, as maiores empresas globais são ligadas à tecnologia, como: Google, Apple, Microsoft, Amazon e algumas chinesas. Todas elas empregam maciçamente a IA para alavancar seus negócios.
Neste vídeo, você entenderá os fundamentos de inteligência artificial, as principais definições que envolvem essa expressão e os negócios baseados em IA.
A IA é um campo de estudo que faz intersecção com vários outros campos de conhecimento humano, como:
- Filosofia
- Ciência da computação
- Psicologia
- Neurociência
- Biologia
- Matemática
- Sociologia
Essa miscigenação com outras áreas possibilita três tipos de IA. Em uma escala hierárquica crescente de baixo para cima, tem-se:
ANI
Artificial narrow intelligence
AGI
Artificial general intelligence
ASI
Artificial super intelligence
Observe a imagem a seguir.
Hierarquia dos tipos de IA.
Inteligência artificial limitada
Também conhecida como IA fraca e, em inglês, artificial narrow intelligence (ANI), é o tipo de IA em vigor atualmente. O termo “limitada” se deve ao fato dessas IAs conseguirem resolver problemas específicos ou de escopo limitado.
Exemplo
Se a IA foi treinada para reconhecer imagens de cachorros em fotos, ela não é capaz de reconhecer fotos de gato, a não ser seja retreinada para isso. Note a grande diferença para a abordagem do ser humano, capaz de resolver problemas de diferentes naturezas e graus de complexidade.
Outro aspecto relevante é o grau de autonomia da IA, isto é, a capacidade da IA de estabelecer suas próprias leis ou agir de acordo com a própria vontade. Nesse sentido, a IA limitada tem um grau limitado (em alguns casos, nulo) de autonomia.
Como exemplos de problemas que a IA limitada consegue resolver, podemos citar:
- Realizar previsões de valores.
- Efetuar classificações em categorias.
- Identificar agrupamentos automáticos de dados.
- Estabelecer o melhor passo a partir do passo atual.
- Detectar anormalidades.
- Relacionar itens.
Gabriel (2022) compara as capacidades da IA limitada com as do ser humano, veja na tabela!
| Aspecto | Inteligência artificial | Inteligência humana |
|---|---|---|
| Habilidades | Uma por vez | Múltiplas simultâneas |
| Melhor em | Automação | Autonomia |
| Ganha em análises de | Volume | Ambiguidade |
| Processamento | Velocidade | Pensamento crítico |
| Natureza | Razão | Emoção |
Tabela: Capacidades das inteligências artificial e humana.
Gabriel, 2022, p. 60.
Inteligência artificial geral
Também conhecida como IA forte, e em inglês, artificial general intelligence (AGI), é uma IA que ainda não atingimos. Ela se igualaria cognitivamente ao ser humano, sendo capaz de resolver problemas de escopo amplo.
Atenção!
A partir do momento em que a máquina se igualar ao ser humano em termos cognitivos, entraremos em um estágio de evolução conhecido como “singularidade tecnológica”. Esse ponto implicaria uma ruptura com as regras convencionais de evolução tecnológica, levando a uma sucessão cada vez mais rápida de gerações de máquinas inteligentes.
Superinteligência artificial
Nomeada em inglês como artificial super intelligence (ASI), é um estado hipotético da IA. A superinteligência artificial superaria a inteligência humana em todas as áreas e se tornaria uma espécie de “Deus máquina”.
As implicações de se atingir esse nível de IA são especuladas em termos positivos e negativos. Mencionam desde a conquista da imortalidade humana até a extinção da humanidade.
Neste vídeo, você conhecerá os tipos de inteligência artificial, que incluem IA limitada, IA geral e superinteligência artificial.
Como já entendemos o histórico, os fundamentos e os tipos de IA, é o momento de entender como ela se divide. Confira a imagem! Para cada divisão, ilustraremos exemplos de aplicação.
Divisões da IA.
Machine learning
Em português, aprendizado de máquina é uma subárea da inteligência artificial que envolve o desenvolvimento de algoritmos e modelos que permitem que os computadores aprendam e melhorem automaticamente a partir dos dados, sem serem explicitamente programados.
Em vez de seguir instruções específicas, os sistemas de machine learning são capazes de analisar grandes quantidades de dados, identificar padrões e tomar decisões ou fazer previsões com base nesses padrões.
Exemplo
A previsão de demandas de saúde é um exemplo de solução com machine learning! A Walgreens é uma rede imensa de drogarias nos Estados Unidos que utiliza ferramentas avançadas de análise de dados para indicar produtos aos seus clientes. A empresa conta com um sistema mais avançado que utiliza esses dados para descobrir produtos que possam fortalecer a saúde de cada pessoa e, assim, evitar que ela tenha despesas médicas maiores no futuro. Isso é feito com a interpretação de dados alimentados por mais de 100 milhões de pessoas que são clientes da rede.
Visão computacional
É um subcampo da inteligência artificial que se concentra na capacidade dos computadores de compreender, analisar e interpretar visualmente o mundo ao seu redor.
O objetivo da visão computacional é permitir que as máquinas "vejam" e entendam imagens e vídeos de forma semelhante aos seres humanos.
Acompanhe exemplos de solução com visão computacional!
Reconhecimento de manuscrito
O Serviço Postal dos EUA usa a visão computacional para treinar seu sistema que reconhece endereços manuscritos.
Pesagem de bois
A Olho do Dono é uma startup brasileira que atua no agronegócio e usa visão computacional para pesagem de bois. A IA é capaz de pesar 250 bois em 20 minutos, trazendo mais eficiência ao trabalho.
Processamento de linguagem natural (PLN)
É uma área da inteligência artificial que se concentra na interação entre computadores e linguagem humana. O objetivo do PLN é capacitar os computadores a entender, interpretar, processar e gerar texto ou fala em linguagem natural.
A linguagem natural é a forma de comunicação utilizada pelos seres humanos, incluindo palavras, frases, gramática e semântica. No entanto, a linguagem natural é complexa e ambígua, o que torna o processamento e a compreensão por parte dos computadores um desafio.
Confira exemplos de solução com PLN!
Tradução automática
A google emprega PLN para traduzir automaticamente legendas no YouTube.
Assistentes virtuais
Siri, Alexa e Cortana são assistentes virtuais, respectivamente da Apple, Amazon e Microsoft, que utilizam PLN para interagir verbalmente com os usuários.
Robótica
Não é exatamente um subcampo da IA, porém quando se une a robótica com a IA temos robôs inteligentes.
Exemplo
Como exemplo de solução com robôs inteligentes, podemos citar a enfermeira robô: Grace é uma robô-enfermeira da Hanson Robotics com sede em Hong Kong. Ela foi projetada como assistente de médicos, e é equipada com sensores, incluindo uma câmera térmica para detectar a temperatura e o pulso de pacientes, para ajudar os médicos a diagnosticar doenças e fornecer tratamentos.
Reconhecimento de voz
Também conhecido como reconhecimento de fala ou ASR (automatic speech recognition), é uma tecnologia que permite que os computadores convertam o discurso humano em texto escrito.
Ele envolve o processamento de áudio para identificar e interpretar padrões e características da fala, transformando-os em palavras escritas.
Exemplo
O Microsoft Azure, que é uma plataforma famosa de solução com reconhecimento de voz. A Microsoft oferece um serviço de reconhecimento de voz que permite verificar e identificar falantes por suas características únicas de voz. Isso pode ser usado para melhorar a experiência do cliente, simplificando os processos de verificação em uma ampla gama de soluções, desde aplicativos da web até call centers.
Programação e otimização
São aspectos fundamentais no campo da IA. A programação em IA envolve o desenvolvimento de algoritmos e modelos que permitem que os computadores realizem tarefas específicas com base em dados e regras predefinidas. Isso pode incluir, por exemplo, o desenvolvimento de algoritmos de aprendizado de máquina, redes neurais artificiais, lógica fuzzy e algoritmos genéticos.
Como exemplo de solução com programação e otimização podemos citar a otimização de rotas. A UPS é uma das maiores empresas de logística do mundo. A empresa usa a IA para otimizar a frota de quase 100 mil veículos da empresa, que são todos equipados com telemetria e rastreamento por satélite. Com isso minimizou a ociosidade, possibilitou agendar manutenções preventivas nos veículos e economizou milhões de litros de combustível.
Captura do conhecimento
Envolve a coleta, organização e armazenamento de informações relevantes para um sistema de IA. Essa área tem como objetivo extrair e representar o conhecimento humano de especialistas, documentos, bancos de dados e outras fontes, de modo a torná-lo acessível e utilizável pelos sistemas de IA.
Exemplo
A gestão do conhecimento feita pela KMS Lighthouse, que usa a captura do conhecimento via IA para ajudar as empresas a encontrar, capturar e compartilhar informações de maneira mais eficiente. Isso pode melhorar a tomada de decisão, promover mudanças culturais e inovação, aumentar a eficiência e aumentar a satisfação do cliente através de uma experiência aprimorada.
Neste vídeo, você conhecerá as divisões da IA, que incluem machine learning (aprendizado de máquina), visão computacional, processamento de linguagem natural (PLN), robótica, reconhecimento de voz, programação e otimização e captura do conhecimento.
Você sabe que a IA pode resolver problemas de negócio em diversas áreas. Mas já imaginou que ela pode ajudar uma empresa a vender mais? Para entendermos isso, vamos analisar o caso da empresa Chorus.
Roy Raanani, que tem uma carreira no trabalho com startups de tecnologia, fundou em 2015 a Chorus para usar IA para analisar conversas de vendedores e apoiá-los no processo de venda. Raanani chamou o projeto de Nuvem de Conversação (Conversation Cloud), que registra, organiza e transcreve chamadas — inseridas em um sistema de CRM (gestão do relacionamento com o cliente). Com o tempo, os algoritmos começarão a aprender sobre as melhores práticas e indicarão como as coisas podem ser melhoradas.
Conseguir isso, no entanto, não tem sido fácil. De acordo com um blog da Chorus, há bilhões de maneiras de fazer perguntas, levantar objeções, definir itens de ação, desafiar hipóteses etc., e todas elas precisam ser identificadas se os padrões de vendas forem codificados. Em segundo lugar, os sinais e padrões evoluem: novos concorrentes, nomes e recursos de produtos e terminologia relacionada ao setor mudam ao longo do tempo e modelos aprendidos por máquina rapidamente se tornam obsoletos.
Por exemplo, uma das dificuldades —- que pode ser facilmente negligenciada — é como identificar as partes que estão conversando (muitas vezes há mais de três em uma chamada). O problema, conhecido como separação de falantes, é considerado ainda mais difícil do que o reconhecimento de fala. A Chorus criou um modelo de deep learning que cria uma impressão digital de voz, baseada no agrupamento, para cada falante.
Como prova disso, veja o exemplo de um dos clientes da Chorus, o Housecall Pro, uma startup que vende tecnologias móveis para gerenciamento de serviços de campo. Antes de adotar o software, a empresa criava discursos de vendas personalizados para cada liderança.
Infelizmente, contudo, esse procedimento não era escalável e apresentava resultados mistos. Com a Chorus, a empresa foi capaz de criar uma abordagem sem muita variação. O software permitiu avaliar cada palavra e medir seu impacto nas conversões de vendas. A Chorus também verificava se um representante de vendas seguia ou não o roteiro. O resultado? A empresa conseguiu aumentar a taxa de sucesso de vendas em 10%.
Após a leitura do case, é hora de aplicar seus conhecimentos! Vamos ligar esses pontos?
Questão 3
Com base no caso da Chorus, discorra sobre a importância da utilização de inteligência artificial na análise de conversas de vendedores e como isso pode contribuir para o sucesso das vendas em uma empresa.
A utilização de inteligência artificial na análise de conversas de vendedores, como exemplificado pelo caso da Chorus, possui grande importância para o sucesso das vendas em uma empresa. Através do uso de algoritmos e tecnologias de deep learning, é possível registrar, organizar e transcrever chamadas, identificando padrões e melhores práticas. Isso permite que a empresa avalie o desempenho dos vendedores, mensure o impacto de cada palavra nas conversões de vendas e verifique se os representantes de vendas estão seguindo os roteiros estabelecidos. Com essas informações, a empresa pode identificar pontos de melhoria, ajustar estratégias e aumentar sua taxa de sucesso nas vendas. Além disso, a inteligência artificial também auxilia na escalabilidade do processo, permitindo uma abordagem mais consistente e padronizada. Portanto, a utilização de inteligência artificial na análise de conversas de vendedores é uma ferramenta poderosa para impulsionar o crescimento e a eficiência das vendas em uma empresa.
Como vimos anteriormente, a IA que vigora no momento é a IA limitada, que resolve problema bem delimitados. Essa IA provia soluções analíticas e mecânicas, como analisar um conjunto de dados e fazer uma predição, mas com pouco teor criativo. No entanto, com o desenvolvimento das redes neurais artificiais e os algoritmos de deep learning, a capacidade de criar deixou de ser exclusividade do ser humano.
Mas, antes de entendermos os detalhes da IA generativa, é relevante saber que, dependendo da tarefa à qual se destina, a IA pode ser discriminativa ou generativa.
É usada para classificar ou rotular dados existentes. Ela é treinada em conjuntos de dados rotulados e aprende a distinguir entre diferentes classes. Por exemplo, um modelo de IA discriminativa pode ser treinado para distinguir entre imagens de gatos e cachorros.
É usada para gerar novos dados com base em padrões existentes. Ela é treinada em conjuntos de dados existentes e aprende a gerar novos dados que se assemelham aos dados de treinamento. Por exemplo, um modelo de IA generativa pode ser treinado em imagens de rostos humanos e ser capaz de gerar novas imagens de rostos que nunca existiram.
Assim, a IA generativa, é um tipo de IA que usa algoritmos para criar conteúdos novos e originais, como textos, imagens, áudios e vídeos.
Para sermos justos, existe uma discussão a respeito da real originalidade das criações da IA generativa, dado que ela remodela dados existentes. Outro fruto de debate são os elementos de propriedade intelectual nesse novo contexto.
Assim como ocorreu com outras tecnologias e modelos de negócio disruptivos, como Uber, Airbnb, iPhone, a tecnologia deixa abalada as bases éticas, jurídicas e sociais da sociedade, demandando uma nova configuração para esses elementos.
A IA generativa tem o potencial de causar uma transformação significativa em diversas indústrias. No entanto, é inegável que, a curto prazo, ela pode derrubar muitas das barreiras de entrada existentes nos mercados conhecidos. Isso se deve ao fato de que qualquer modelo que uma empresa possa ter como seu diferencial competitivo pode ser criado por alguma forma de inteligência artificial.
Neste vídeo, você entenderá o conceito e os fundamentos de inteligência artificial generativa, além de suas aplicações.
Já entendemos o que é a IA generativa e qual é a sua diferença para outras abordagens de IA. Então, vamos entender um pouco mais sobre os tipos de IA generativa e como a engenharia de prompt afeta o bom resultado das aplicações.
Tipos de IA generativa
Os tipos de IA generativa se diferenciam pelos tipos de entrada e saída desejado. Confira cada um deles!
LLM (larga language models)
Inteligência artificial que consegue gerar textos fluidos muito semelhantes aos textos produzidos pelos seres humanos em linguagem natural. Podem ser usados em chatbots, tradução e gerenciamento de conhecimento. Um exemplo de aplicação desse tipo é o ChatGPT.
Autoencoders
Redes neurais que compactam dados para gerar texto, imagem e áudio. Um exemplo de aplicação desse tipo é o Deep Dream.
GAN (generative adversarial network)
Modelo que emprega duas redes neurais, uma desafiando a outra, com o intuito de criar imagens realistas, vídeos e música. Um exemplo de aplicação desse tipo é o Midjourney.
Modelos multimodais
Modelos capazes de processar e gerar vários tipos de dados, como texto, imagem, áudio e vídeo. Um exemplo de aplicação desse tipo é o Jukebox.
Engenharia de prompts
Na antiga Grécia, entre 8 AEC e 2 AEC, existiu o oráculo de Delfos, dedicado ao deus Apolo. Um templo em que governantes e decisores daqueles tempos visitavam as pitonisas, sacerdotisas supostamente empoderadas para responder perguntas sobre diversos assuntos. Porém, para que a resposta fosse apropriada, apropriada também deveria ser a pergunta.
Dessa mesma forma, caso se queira que a IA generativa traga bons resultados, é preciso entrar com requisições adequadas, isto é, os prompts. Em cima dessa ideia foi criado um campo de estudo denominado engenharia de prompts.
A escolha cuidadosa dos prompts e a formulação precisa das perguntas podem influenciar a qualidade e a relevância das respostas fornecidas pelo modelo de IA generativa.
A engenharia de prompts requer criatividade e atenção aos detalhes e envolve a seleção das palavras, frases, símbolos e formatos corretos que orientam o modelo na geração de resultados de alta qualidade.
Confira agora as recomendações gerais para elaborações de bons prompts!
Um bom prompt deve ser conciso, fornecendo ao modelo todas e apenas as informações necessárias para realizar a tarefa desejada.
Um bom prompt deve ser escrito em linguagem natural, de modo que o modelo possa entender facilmente o que está sendo solicitado.
Um bom prompt deve fornecer contexto (e às vezes exemplos) suficientes para que o modelo possa entender a tarefa em questão.
Um bom prompt deve evitar ambiguidade, fornecendo informações claras e precisas ao modelo.
Neste vídeo, você conhecerá os tipos de IA generativa, que incluem larga language models (LLM), autoencoders, generative adversarial network (GAN) e modelos multimodais, além de entender como a engenharia de prompt influencia suas aplicações.
A IA, como toda tecnologia disruptiva, enfrenta desafios e sofre limitações. Estarmos cientes desses elementos nos leva a tomarmos melhores decisões ao empregar seu potencial na resolução de problemas.
Desafios da IA generativa
Existem vários desafios associados ao uso de IA generativa. Veja agora alguns deles!
Monitorar o potencial uso indevido e alucinações de IA
A IA generativa pode ser usada indevidamente ou gerar resultados inesperados (alucinações).
Manter-se atualizado com preocupações legais e viés algorítmico
As empresas devem estar cientes das preocupações legais e do potencial viés algorítmico ao usar IA generativa.
Custear o treinamento
O treino de uma IA generativa tem alto custo atualmente, tanto que geralmente as aplicações mais robustas têm alguma grande empresa patrocinadora.
Obter eficiência energética no uso
O uso de aplicações de IA generativa consome muita energia elétrica, levantando questões relativas à sustentabilidade ambiental.
Limitações da IA generativa
Existem várias limitações associadas ao uso de IA generativa. Confira algumas delas!
IA generativa pode ser criada em novos dados com base em padrões existentes, mas ela é limitada em termos de criatividade totalmente original.
A IA generativa também pode ser tendenciosa se os dados em que foi treinada forem tendenciosos.
A IA generativa pode ser intensiva em recursos, exigindo grandes quantidades de poder computacional.
A IA generativa pode levantar preocupações éticas e de direitos autorais.
Neste vídeo, você conhecerá os desafios e as limitações da inteligência artificial generativa, de modo a identificar a melhor forma de utilizá-la para resolver problemas e tomar decisões adequadas.
Agora que já entendemos do que se trata a IA generativa, seus tipos, desafios e limitações, vamos contemplar alguns exemplos de aplicações em algumas áreas. Para cada área veremos três aplicações.
Aplicações da IA generativa em negócios
A IA generativa pode ser usada em reuniões e apresentações. É possível criar apresentações com texto, imagem, som a partir de prompts de texto. Também é viável transformar documentos em apresentações e transformar apresentações em relatórios em determinado formato por meio da IA.
Pode-se empregar a IA também para estimular a criatividade e gerar novas ideias de negócio. Ela pode analisar dados, tendências de mercado e informações contextuais para sugerir conceitos inovadores, abordagens estratégicas e oportunidades de negócios.
Outra possibilidade é o uso da IA para personalizar produtos e serviços de acordo com as preferências e necessidades individuais dos clientes. Ela pode gerar variações de produtos, recomendar opções personalizadas e adaptar experiências de compra, criando uma oferta mais relevante e atraente para os clientes.
Aplicações da IA Generativa em direito
Nessa área, é possível empregar a IA para analisar leis existentes para detectar as que não estão sendo utilizadas, as que estão desatualizadas e as que são novas. A IA também pode ser usada para criar novas leis.
Uma possibilidade de uso da IA é para auxiliar na elaboração de documentos legais, como petições, contratos e pareceres. Ela pode gerar automaticamente rascunhos iniciais com base em modelos e requisitos fornecidos, economizando tempo e aumentando a eficiência dos advogados.
A IA pode simular um assistente jurídico, fornecendo respostas a perguntas legais comuns, orientações básicas sobre leis e regulamentações e direcionando os usuários para recursos relevantes. Isso pode ser especialmente útil para pessoas que procuram informações legais básicas sem a necessidade de consultar um advogado.
Aplicações da IA generativa em marketing
A IA pode criar conteúdo de marketing, como textos, imagens, vídeos e músicas. Ela pode gerar automaticamente anúncios, posts de mídia social, descrições de produtos e outros materiais de marketing, poupando tempo e recursos.
Além disso, a IA também pode ser utilizada no design e na criação de logotipos e marcas exclusivos. Com base em parâmetros e diretrizes fornecidas, ela pode gerar uma variedade de opções de design, ajudando as empresas a encontrarem a identidade visual que melhor representa sua marca.
Dica
A IA pode ajudar na criação de personas de marketing detalhadas. Com base em dados demográficos, comportamentais e de preferências, ela pode gerar perfis fictícios de clientes que representam segmentos de mercado específicos. Isso pode melhorar a compreensão do público-alvo e auxiliar na criação de estratégias de marketing direcionadas.
Aplicações da IA generativa em pessoas/ RH
Pode-se empregar a IA para simular entrevistas por meio de perguntas e respostas. Uma das formas é solicitar que a IA assuma um papel, como entrevistador ou entrevistado. Também é possível simular o tom e ritmo da entrevista. A IA pode ser usada no treinamento e desenvolvimento de funcionários.
A IA pode criar simulações e ambientes virtuais para treinar habilidades específicas, fornecer feedback personalizado e adaptar os programas de treinamento de acordo com as necessidades individuais dos funcionários.
Outra possibilidade de atuação da IA é na assistência virtual para os funcionários, fornecendo suporte e informações em tempo real. Ela pode responder a perguntas comuns, fornecer orientações sobre políticas e procedimentos internos e auxiliar os funcionários na resolução de problemas ou na busca de recursos internos.
Aplicações da IA generativa em projetos
A IA pode ser usada para melhorar a experiência em realidade virtual e aumentada, criando ambientes virtuais mais realistas, personagens interativos e efeitos visuais impressionantes.
A IA também pode auxiliar no design e na prototipagem de produtos. Com base em especificações e requisitos fornecidos, ela pode gerar designs conceituais, variações de produtos e protótipos virtuais, acelerando o processo de desenvolvimento e reduzindo custos.
Outra possibilidade de usa na IA em projetos é para a criação de simulações e modelos virtuais de fenômenos complexos. Por exemplo, na arquitetura, ela pode gerar automaticamente modelos de edifícios com base em parâmetros como tamanho, estilo arquitetônico e funcionalidades desejadas.
Neste vídeo, você conhecerá as aplicações da inteligência artificial generativa nas áreas de negócios, direito, marketing, recursos humanos e projetos.
Você conhece as origens do ChatGPT e como o mais sofisticado chatbot foi criado? Vamos analisar o caso.
- Caso prático
Em 2015, vários veteranos da tecnologia — como Elon Musk, Peter Thiel, Reid Hoffman e Sam Altman — fundaram a OpenAI com o apoio de um colossal financiamento de US$ 1 bilhão.
Estruturada como uma organização sem fins lucrativos, o objetivo da empresa era “avançar a inteligência digital da maneira mais propícia para beneficiar a humanidade como um todo, sem restrições com base na necessidade de gerar retorno financeiro”.
Em 2019, a empresa lançou um modelo de IA generativa chamado GPT-2, que foi baseado em um conjunto de dados de cerca de oito milhões de páginas web. O foco era criar um sistema que pudesse prever a próxima palavra com base em um grupo de texto.
Para demonstrar seu modelo, a OpenAI conduziu um experimento com o seguinte texto como entrada: “Em uma descoberta chocante, cientistas descobriram uma manada de unicórnios vivendo em um vale remoto, até então inexplorado, na Cordilheira dos Andes. Ainda mais surpreendente para os pesquisadores foi o fato de que os unicórnios falavam inglês perfeitamente”. A partir disso, os algoritmos criaram uma história convincente com 377 palavras de comprimento!
O GPT-2 demonstrou mau desempenho em domínios técnicos. O modelo, entretanto, foi capaz de alcançar altas pontuações em várias avaliações bem conhecidas de compreensão da leitura. Veja a tabela a seguir!
| Conjunto de dados | Registro anterior de precisão | Precisão do GPT - 2 |
|---|---|---|
| Winograd Schema Challenge | 63,7% | 70,70% |
| LAMBADA | 59,23% | 63,24% |
| Substantivos comuns do teste do livro infantil | 85,7% | 93,30% |
| Entidades nomeadas para o teste do livro infantil | 82,3% | 89,05% |
Tabela: Resultados de compreensão de leitura.
Alessandro Prudêncio Lukosevicius
Mesmo que um ser humano típico seja capaz de marcar 90% ou mais nesses testes, o desempenho do GPT-2 ainda é impressionante. É importante observar que o modelo usou aprendizagem não supervisionada e a inovadora rede neural do Google, chamada Transformer.
O modelo GPT evoluiu, e em 2023, está em sua versão 4, que por meio da interface ChatGPT, é considerada a aplicação mais rápida da história a atingir 100 milhões de usuário. Isso elevou a OpenIA a um valor de mercado de 30 bilhões de dólares.
Após a leitura do case, é hora de aplicar seus conhecimentos! Vamos ligar esses pontos?
Questão 3
Com base no caso da OpenAI e sua evolução com o modelo GPT até a versão 4, que alcançou 100 milhões de usuários, discorra sobre os desafios e responsabilidades éticas associados ao desenvolvimento e aplicação de modelos de inteligência artificial em larga escala. Como gestor, como você abordaria esses desafios e garantiria uma utilização responsável da tecnologia?
Os avanços na inteligência artificial, como evidenciado pela OpenAI e seu modelo GPT, trazem consigo desafios e responsabilidades éticas significativas. Como gestor, abordaria esses desafios adotando uma abordagem de governança responsável. Isso envolveria a implementação de diretrizes éticas claras para o desenvolvimento e aplicação de modelos de IA, considerando preocupações como privacidade, viés algorítmico e impactos sociais.
Além disso, seria essencial estabelecer mecanismos de transparência e prestação de contas, garantindo que as decisões tomadas pelo sistema de IA sejam explicáveis e compreensíveis. Investir em treinamento e educação sobre ética em IA também seria fundamental para capacitar as equipes envolvidas no desenvolvimento e uso dessas tecnologias.
Adicionalmente, colaborar com órgãos regulatórios e promover diálogos com a sociedade civil e especialistas em ética em IA seriam medidas importantes para garantir uma abordagem colaborativa e inclusiva na tomada de decisões relacionadas à IA em larga escala.
A IA e a IA generativa já estão impactando empresas, governos e terceiro setor.
A IA oferece às organizações oportunidades para automatizar processos, melhorar a eficiência e impulsionar a inovação. Por meio de algoritmos diferenciados, a IA permite a resolução de problemas e tomadas de decisão baseadas em insights precisos.
Por outro lado, a IA generativa oferece um potencial ainda maior ao possibilitar a criação de conteúdo novo e personalizado, seja na geração de imagens, texto ou mesmo na criação de produtos e serviços inovadores. Com essas tecnologias em mãos, os gestores têm a oportunidade de explorar novos horizontes de negócios, impulsionar a criatividade e proporcionar experiências únicas aos clientes.
Ouça um bate-papo sobre o panorama dos principais conceitos, fundamentos e aplicações da inteligência artificial e da inteligência artificial generativa.