A IA é assim tão inteligente -Parte 1

A inteligência artificial é assim tão inteligente?

Parte 1

Começar

A origem da IA

A inteligência artificial é assim tão inteligente?

John McCarthy

Em 1956 John McCarthy propôs o termo "Inteligência artificial", numa conferência realizada na universidade de Dartmouth, em Hanover, nos estados unidos da america.

Evolução

A IA nasceu formalmente em 1956 mas as bases para este conceito começaram a ser formadas em 1943, na mesma altura em que o modelo do neurónio artificial foi proposto pelos cientistas Warren McCulloch e Walter Pitts.

Primeiro modelo matemático de um neurónio.

Primeira era dourada (1956-1970s)

• Surgiram os primeiros avanços em sistemas especialistas;
• Foi proposto o conceito de "engenharia do conhecimento" por Feigenbaum;
• Estagnação do desenvolvimento devido ao alto custo monetário e à falta de eficiência.

Segunda era dourada (1980-1990s)

• Desenvolvimento de redes neurais e algoritmos de aprendizagem (BT algorithm);
• Avanços na capacidade de reconhecimento de voz e tradução do discurso.
• A presença da IA ainda não se fazia sentir no nosso quotidiano.

Terceira era dourada (2006-presente)

• Em 2006 foi lançado o google tradutor;
• O desenvolvimento da IA foi impulsionado pelo alcance global das GPUs, o aumento da velocidade de processamento e o aumento da capacidade de armazenamento.
• Tornou-se mais presente no nosso dia-a-dia.

Drivers e tecnologias da IA

A inteligência artificial é assim tão inteligente?

Drivers e tecnologias da IA

Drivers - Fatores que impulsionam a IA

Tecnologias - Formas diferentes da IA funcionar

Os drivers e as tecnologias estão interligadas

Big Data

Coleção de dados que não pode ser capturada, gerenciada e processada com os softwares convencionais

Modelos de processamento com melhores capacidades

Big Data

Pré-requisito para a IA

Um dos principais promotores da melhoria da capacidade da IA

Big Data, (HarboR, 2018)

Aumento exponencial da data gerada e da sua dimensão

Internet of Things (IoT)

Algoritmos

Métodos e passos dados para resolver um problema

Entender e reconhecer objetos sem ser ensinada

Inteligência artificial

John MacCarthy

Machine Learning

Algoritmos

Algoritmo de Backpropagation (BP)

Rápido Crescimento da Rede Neuronal

Pouparam recursos e aumentaram a eficácia da indústria

Sistemas especializados

PROSPECTOR

Desenvolvimento das GPUs e dos processadores

Deep Learning e Enhanced Learning

Machine Learning

Consiste no uso de um algoritmo que melhora a sua performance ao aprender com data e experiência e pode ser considerada a ciência da inteligência artificial.

Previsões

Aprendizagem supervisionada

Classificação

Aprendizagem não supervisionada

Armazenamento de dados

Redução de dimensionalidade

Aprendizagem semi-supervisionada

Aprendizagem reforçada

Machine Learning

Aprendizagem Supervisionada

Uso de labeled data para prever o tipo ou valor de nova data

Regressão

Resultados das previsões

Classificação

SVM (Support Vector Machine)

Métodos

Análise discriminante linear

Machine Learning

Aprendizagem Não Supervisionada

Agrupa a data de acordo com as suas parecenças, sem a necessidade de labeled data

K-clustering

Métodos

Análise dos componentes principais

Machine Learning

Aprendizagem Semi-Supervisionada

Misto da aprendizagem supervisionada e da aprendizagem não supervisionada.

Utilizada para simplificar modelos e reduzir tempos de processamento ao reduzir o número de variáveis de um conjunto de dados

Self-Training

Algoritmos

ASSV baseada em gráficos

Máquinas de suporte semi-supervisionadas

Machine Learning

Aprendizagem de Reforço

Baseada em recompensas por interagir com o ambiente

Definir níveis de recompensa dependendo da qualidade de uma ação

Natural Language Processing (NLP)

Corresponde à habilidade dos computadores de reconhecer e entender linguagem humana

1. Análise gramatical e semântica

5. Tradução da máquina

2. Extração de informação

6. Sistema de resposta a perguntas

3. Text Mining

7. Sistema de diálogo

4. Recuperação de informação

Hardware

Utilizado quando é necessário utilizar o método de deep learning

GPU

Hardware

Grande quantidade de processadores paralelos

Aceleração de GPU

Antigamente

Atualmente

1 mês

1 dia

Computing Vision

Computadores

Mundo

Visão

Identificar e analisar imagens

Reconhecimento facial e de imagem

Computing Vision

Neurónios

Rede Neuronal

Network

Função de ativação não linear

Modelo

VGG (Visual Geomitry Group)

Estruturas Neuronais

ResNet

Startup

Computing Vision

Faster R-CNN

Rápidos e alta precisão

Modelos de rede

Mask-RCNN

YOLO

Computing Vision

Divide uma imagem em pixéis

Processa os pixéis

Classificação em diferentes categorias

“Janelas deslizantes”

Computing Vision

FCN (Fully Convulutional Network)

Encoder-Decoder

Atrous

Fully Convulutional Network, (Medium, 2022)

Conditional Random Field

Aplicações presentes e futuras da IA

A inteligência artificial é assim tão inteligente?

A Inteligência Artificial (IA) já desempenha um papel fundamental em várias indústrias.

Aplicações Presentes da IA

Automóvel

Financeiro

Saúde

Aplicações Futuras da IA

No setor dos transportes, a IA poderá viabilizar veículos autónomos, enquanto na educação e em casa, plataformas personalizadas e robôs inteligentes irão adaptar-se ao ritmo de aprendizagem de cada aluno e transformar o quotidiano doméstico com automação de tarefas.

O futuro da IA promete uma expansão significativa, com a evolução de algoritmos e aumento de poder computacional, permitindo realizar tarefas mais complexas, como previsões em mercados voláteis e diagnósticos médicos em tempo real.

Bibliografia

Caiming, Z., Lu, Y. (2021). Study on artificial intelligence: The state of the art and future prospects. Journal of Industrial Information Integration, 23, 1-9.

Este algoritmo tem o objetivo de representar a data num gráfico de modo a que seja possível perceber o rótulo de data não rotulada.

ASSV baseada em gráficos

Consiste na medição da diferença entre data através da distância Euclidiana (distância entre dois pontos).

K-clustering

Sistema que dá resposta às perguntas formuladas.

Sistema de pergunta e respostas

Automóvel

No setor automóvel, temos o exemplo dos carros autónomos, que utilizam IA para interpretar informações de sensores e tomar decisões em tempo real, revolucionando a mobilidade.

Compreensão da estrutura e significado das frases

Análise gramatical e semântica

Suport Vector Machine é um modelo que procura encontrar uma linha otimizada entre dois tipos de dados distintos num plano.

Support Vector Machine, (Data Base Camp, 2021)

SVM (Support Vector Machine)

Financeiro

No setor financeiro, a IA é utilizada para previsões de mercado, avaliação de crédito e controlo de riscos, facilitando decisões mais rápidas e precisas.

Backpropagation é um algoritmo de aprendizagem supervisionada que usa descida de gradiente (algoritmo de optimização que visa encontrar um mínimo local de uma função diferenciável).

Algoritmo BP

Resolve limitações de funções de ativação mais simples.

Análise Função de ativação não linear

Tem como objetivo juntar um pequeno grupo de data rotulada a um grande grupo de data sem rótulo para criar uma separação entre data com diferentes tipos de classificação.

Máquinas de suporte semi-supervisionadas

Pesquisa e recuperação de dados que respondam às perguntas.

Recuperação de informação

Interação com utilizadores numa conversa.

Sistema de diálogo

Análise dos textos para descobrir padrões na informação

Text Mining

Identifica uma combinação linear de características entre diferentes grupos de dados

Análise discriminante linear

Deep Learning - Machine learning que utiliza redes neuronais com muitas camadas. Utilizado em tipos de aprendizado que visam replicar o funcionamento do cérebro humano.Enhanced Learning - Tipo de aprendizado utilizado no Aprendizado de Reforço.

Deep Learning e Enhanced Learning

Atrous aumenta a área de receção das convoluções sem reduzir a resolução da imagem, fazendo a rede capturar mais contexto ao processar a imagem.

Atrous

Saúde

Na saúde, algoritmos de IA ajudam no diagnóstico de doenças e na análise de dados clínicos, contribuindo para uma medicina mais personalizada.

Está relacionada com a atribuição de uma classificação num dado, por exemplo saber se uma foto é de um cão ou de um gato baseada nalgumas características, atribuindo um valor final de 0 ou 1.

Classificação

Melhorar o efeito da segmentação.

Melhorar o efeito da segmentação.

Conditional Random Field

Identificação e extração de informações relevantes.

Extração de informação

Termo utilizado para descrever a conexão pela Internet, através de sensores, de objetos físicos.

Internet of Things (IoT)

O Encoder-Decoder, torna uma imagem numa imagem mais pixelizada (Encoder) e volta a repor a resolução original (Decoder).

Encoder-Decoder

Está relacionada com a saída de valores contínuos, como analisar os preços das casas, encaixar essa análise num exemplo de data dado pelo utilizador e obter uma curva contínua com previsões para os preços das casas.

Regressão

PROSPECTOR

Sistema especialzado que analisou com sucesso a composição de minerais, pouparam muitos recursos à indústria e aumentaram a sua eficácia.

Tradução do texto de uma língua para outra.

Tradução da máquina

Substitui as camadas totalmente conectadas da rede, que não são adequadas para processamento de imagens, por camadas convolucionais, que permitem a análise da imagem pixel a pixel.

Fully Convulutional Network

Consiste num método estatístico, que utiliza transformações ortogonais para reduzir a dimensionalidade de um conjunto de dados.

Análise dos componentes principais

Consiste em treinar um algoritmo até que consiga prever um rótulo para data sem rótulo de forma correta.

Self-Training