Enfim vivemos na era da Inteligência Artificial
Na época, claro, não existia poder computacional, tampouco modelos digitais ou redes neurais. Era tudo baseado na matemática, cálculos e algoritmos: a base de toda IA. Hoje, vemos as mais diversas aplicações, soluções e robôs que usufruem da tecnologia para aprimorar a vida humana.
Uma das vertentes mais antigas dentro do guarda-chuva de IA, o Machine Learning continua sendo responsáveis por diversas inovações no mercado atualmente. Como a tradução do nome diz, em uma técnica de aprendizado de máquina, baseado em algoritmos matemáticos, é possível ensinar uma máquina a desempenhar determinada tarefa. Podemos usar como exemplo um mecanismo para acender uma luz. Ensino uma máquina a realizar os comandos de acender ou apagar por meio dos algoritmos. A máquina aprende a lição específica e realiza a tarefa, mas não é capaz de interpretar algo diferente, algo que demanda uma interpretação mais abrangente.
Quando falamos em aplicações reais, temos o exemplo do projeto ATLAN Space, na África, que usa drones autônomos para detectar pesca ilegal ou barcos que derramam óleo nos oceanos. O drone utiliza análise de imagens para rastrear essas intervenções na natureza. Enquanto isso, uma organização sem fins lucrativos chamada MAUI63 usa IA e vídeo analytics em drones para identificar golfinhos à beira da extinção, e assim rastreá-los para criar santuários naturais de proteção.
Agora, se formos falar em algo mais profundo, que exige um cálculo que gera uma decisão, por exemplo, começamos a falar de Deep Learning. Aqui, é usada outra técnica, associada a redes neurais. A máquina começa a tomar algumas decisões, e aprender coisas, que às vezes não conseguimos explicar, porque é o processo da rede neural por trás que dá essa decisão. Usando o mesmo exemplo de um mecanismo que acende uma luz: com Deep Learning, podemos entrar em uma sala e fazer um comentário como “esta sala está escura”, e a máquina processar essa informação e acender a luz. Percebe a diferença? Há um entendimento, um cálculo realizado para chegar aquela conclusão. Nesse caso estamos falando de probabilidades. A rede trabalha em camadas até chegar em um modelo, que no final é um modelo estatístico.
Em aplicações reais, temos o exemplo da Universidade de Tecnologia de Kaunas, na Lituânia, que utiliza estações de trabalho equipadas com GPUs da NVIDIA e um método específico de deep learning para prever sinais da doença de Alzheimer. Tudo isso a partir de imagens do cérebro. Atualmente possuem uma precisão de 99%.
Quando essas ações ou decisões tomadas pela máquina estão em execução, damos o nome de inferência. Em um carro autônomo, por exemplo, que usa muitas vertentes de machine learning e deep learning diferentes, a inferência ocorre dentro deste carro. Se ensinarmos um robô a falar ou a reagir, a inferência estará dentro deste robô. Já se usamos um assistente virtual, por exemplo, a inferência ocorrerá no datacenter de onde essas informações são processadas, e assim por diante.
Novamente, quando falamos em aplicações reais, temos o exemplo da American Express, que usa o servidor de inferência NVIDIA Triton. Ele opera a 2 milissegundos de latência para detectar fraudes em operações financeiras por meio de análises realizadas em mais de US$ 1 trilhão em transações anuais.
Hoje temos muitos exemplos de aplicações de Deep Learning e Machine Learning, além dos citados acima, que são usados para aprimorar a vida das pessoas, tornar as coisas um pouco mais fáceis, ou facilitar em um trabalho minucioso e específico.
O Deep Learning, por exemplo, pode ser usado em soluções médicas para reduzir o a taxa de erro de diagnósticos. Ou até mesmo para identificar alterações na saúde, órgãos, sangue por meio de análise de imagens – de uma forma que um ser humano não faria com tanta precisão ou agilidade. O aprendizado de máquina é adotado por várias organizações de pesquisa sobre câncer de mama. E hoje os algoritmos desenvolvidos nestas máquinas aceleradas ajudam pesquisadores, médicos e patologistas a identificar células cancerígenas por meio de imagens dos linfonodos.
Já nos carros ou veículos autônomos, são usadas técnicas de reconhecimento de padrões, análises de imagens, sinais e muitos outros dados complexos para que a máquina possa dirigir com segurança. Para que esses processos sejam realizados, é preciso um altíssimo poder computacional e muitos softwares especializados para isso.
A tendência é só de crescimento no uso de IA em todos os tipos de indústria. De acordo com dados coletados pela Universidade Stanford, nos Estados Unidos, para a elaboração do relatório Artificial Intelligence Index Report 2022, a soma dos investimentos privados em inteligência artificial feitos no mundo foi de US$ 93,5 bilhões em 2021. O valor corresponde a mais que o dobro dos investimentos realizados no ano anterior (US$ 43 bilhões).
No Brasil, segundo dados da consultoria de tecnologia IDC, as empresas brasileiras devem investir U$ 504 milhões (cerca de R$ 2,61 bilhões) em inteligência artificial em 2022. Este número representa um aumento de 28% em relação ao ano interior.
Agora, se você tem aquela famosa pergunta: será que as máquinas vão superar o cérebro e o pensamento humano? A resposta para isso, neste momento, é que não. Máquinas são treinadas para realizarem tarefas específicas. Nós, humanos, coletamos e aprendemos informações sob as mais diversas vertentes. São experiências, sentimentos, vivências, análise, raciocínio, ponderação, baseada em valores, moral e inúmeros “processos” que passam por nossa cabeça. Já vivemos na era da IA, mas ainda estamos muito longe de criar um modelo de inteligência criado artificialmente que se aproxime disso.
* Marcel Saraiva é gerente de vendas da divisão Enterprise da NVIDIA no Brasil.
Sobre a NVIDIA – Desde sua fundação em 1993, a NVIDIA (NASDAQ: NVDA) tem sido pioneira em computação acelerada. A invenção da GPU pela empresa em 1999 estimulou o crescimento do mercado de games para PC, redefiniu a computação gráfica, iniciou a era da IA moderna e tem ajudado na criação do metaverso. A NVIDIA agora é uma empresa de computação full-stack com soluções em escala de data center que estão revolucionando o setor. Mais informações em: https://blog.nvidia.com.br/.