O que é inteligência artificial?

Alexandra White

A inteligência artificial (IA) abrange muitas tecnologias complexas e emergentes que antes precisaram de contribuição humana e agora podem ser realizadas por um computador. Os computadores podem executar funções avançadas, que historicamente eram usadas para entender e recomendar informações. Agora, com a IA, os computadores podem até gerar novos conteúdos.

A sigla AI é frequentemente usada como sinônimos para representar vários tipos de tecnologias que compõem o campo de IA.

Conceitos comuns de IA

Há uma série de termos e conceitos que definem inteligência artificial e machine learning, e isso pode ser útil para você. Confira algumas maneiras de trabalhar com a IA na Web, na prática

IA geral

Em termos gerais, a IA geral é um programa ou modelo não humano que demonstra uma ampla variedade de criatividade e resolução de problemas. Um model é uma equação matemática muito grande, que inclui um conjunto de parâmetros e a estrutura necessários para que uma máquina retorne uma saída.

Com a IA geral, é possível realizar vários tipos de tarefas, como analisar dados, traduzir textos, compor músicas, identificar doenças e muito mais.

IA restrita

A IA restrita é um sistema que pode executar um único ou subconjunto específico de tarefas. Por exemplo, um computador que joga xadrez contra um oponente humano (não confunda com Turco Mecânico). A IA restrita tem um conjunto predefinido de parâmetros, restrições e contextos, que podem parecer compreensão, mas são apenas respostas para uma equação.

Você pode conferir isso na prática com sistemas de reconhecimento facial, assistentes por voz e previsão do tempo. É possível usar modelos altamente específicos para melhorar certas funcionalidades específicas em sites e apps.

Por exemplo, você criou um site dedicado a filmes, em que os usuários podem fazer login, classificar os filmes favoritos e descobrir novos para assistir. É possível usar um banco de dados pré-preenchido para recomendar filmes com base na página atual que eles estão visitando. Também é possível usar um modelo de IA restrito que analisa o comportamento e as preferências do usuário para mostrar as informações mais relevantes para esse leitor.

IA generativa

Um modelo de linguagem grande (LLM) é um modelo de IA de rede neural com muitos parâmetros que podem ser usados para executar uma ampla variedade de tarefas, como gerar, classificar ou resumir textos ou imagens.

A IA generativa _responde a entradas e cria conteúdo, com base no contexto e na memória de um LLM. Isso vai além da correspondência de padrões e previsões. Algumas das ferramentas de IA generativa mais comuns incluem:

Essas ferramentas podem criar prosa escrita, amostras de código e imagens. Eles podem ajudar você a planejar férias, suavizar ou profissionalizar o tom de um e-mail ou classificar diferentes conjuntos de informações em categorias.

Há inúmeros casos de uso, tanto para desenvolvedores quanto para não desenvolvedores.

Machine learning (ML)

O machine learning (ML) é uma forma de IA, em que um computador aprende sem programação explícita. Onde a IA se esforça para gerar inteligência, o ML permite que os computadores aprendam com a experiência. O ML consiste em algoritmos para fazer previsões de conjuntos de dados.

ML é o processo de treinamento de um modelo para fazer previsões úteis ou gerar conteúdo com base em dados.

Por exemplo, suponha que quiséssemos criar um site que classifica o clima em um determinado dia. Tradicionalmente, isso é feito por um ou mais meteorologistas, que podem criar uma representação da atmosfera e da superfície da Terra, calcular e prever os padrões climáticos e determinar uma classificação comparando os dados atuais com o contexto histórico.

Em vez disso, poderíamos dar ao modelo de ML uma enorme quantidade de dados meteorológicos, até que o modelo aprenda a relação matemática entre padrões climáticos, dados históricos e diretrizes sobre o que torna o clima bom ou ruim em um determinado dia. Na verdade, criamos esse recurso na Web.

Aprendizado profundo

O aprendizado profundo (DL) é uma classe de algoritmos de ML. Um exemplo são as redes neurais profundas (DNNs, na sigla em inglês), que tentam modelar a maneira como o cérebro humano processa informações.

Desafios da IA

Existem vários desafios ao criar e usar a IA. Veja a seguir alguns destaques do que você precisa considerar.

Qualidade e recência dos dados

Grandes conjuntos de dados usados para treinar vários modelos de IA costumam ficar desatualizados logo após serem usados. Isso significa que, ao buscar as informações mais recentes, você pode se beneficiar da engenharia de comando para aprimorar o desempenho de um modelo de IA em tarefas específicas e produzir resultados melhores.

Os conjuntos de dados podem estar incompletos ou muito pequenos para oferecer suporte a alguns casos de uso. Pode ser útil tentar trabalhar com várias ferramentas ou personalizar o modelo para atender às suas necessidades.

Preocupações com ética e viés

A tecnologia de IA é empolgante e tem muito potencial. No entanto, computadores e algoritmos são criados por humanos, treinados com dados que podem ser coletados por humanos e, portanto, estão sujeitos a vários desafios. Por exemplo, os modelos podem aprender e amplificar o viés humano e estereótipos prejudiciais, afetando diretamente o resultado. É importante abordar o desenvolvimento da tecnologia de IA com a redução de vieses como prioridade.

Existem várias considerações éticas sobre os direitos autorais de conteúdo gerado por IA. Quem detém a saída, especialmente se ela for muito influenciada ou diretamente copiada do material protegido por direitos autorais?

Antes de gerar novos conteúdos e ideias, considere as políticas existentes sobre como usar o material que você cria.

Segurança e privacidade

Muitos desenvolvedores da Web disseram que a privacidade e a segurança são as principais preocupações ao usar ferramentas de IA. Isso é ainda mais relevante em contextos de negócios com requisitos rígidos de dados, como governos e empresas de saúde. A exposição de dados do usuário a mais terceiros com as APIs do Cloud é uma preocupação. É importante que qualquer transmissão de dados seja segura e monitorada continuamente.

A IA no dispositivo pode ser a chave para lidar com esses casos de uso. O MediaPipe é uma solução em desenvolvimento para o problema, mas ainda há muito mais pesquisas e desenvolvimento a serem feitos.

Começar a usar a IA na Web

Agora que você já conhece os muitos tipos de inteligência artificial, pode começar a considerar como usar os modelos atuais para se tornar mais produtivo e criar melhores sites e aplicativos da Web.

É possível usar a IA para:

Modelos de IA pré-treinados podem ser uma ótima maneira de melhorar nossos sites, apps da Web e produtividade, sem precisar de uma compreensão completa de como criar os modelos matemáticos e coletar conjuntos de dados complexos que alimentam as ferramentas de IA mais conhecidas.

É possível que a maioria dos modelos atenda às suas necessidades imediatamente, sem ajustes adicionais. Ajuste é o processo de tomar um modelo que já foi treinado em um grande conjunto de dados e treinamento adicional para atender às suas necessidades específicas de uso. Há várias técnicas para ajustar um modelo: