A IA é assim tão inteligente -Parte 1
Gonçalo Nobre
Created on October 24, 2024
More creations to inspire you
THE MESOZOIC ERA
Presentation
GROWTH MINDSET
Presentation
VISUAL COMMUNICATION AND STORYTELLING
Presentation
ASTL
Presentation
TOM DOLAN
Presentation
BASIL RESTAURANT PRESENTATION
Presentation
AC/DC
Presentation
Transcript
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.
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.
Evolução
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?
Os drivers e as tecnologias estão interligadas
Tecnologias - Formas diferentes da IA funcionar
Drivers - Fatores que impulsionam a IA
Drivers e tecnologias da IA
Modelos de processamento com melhores capacidades
Coleção de dados que não pode ser capturada, gerenciada e processada com os softwares convencionais
Big Data
Big Data, (HarboR, 2018)
Internet of Things (IoT)
Aumento exponencial da data gerada e da sua dimensão
Um dos principais promotores da melhoria da capacidade da IA
Pré-requisito para a IA
Big Data
Machine Learning
John MacCarthy
Entender e reconhecer objetos sem ser ensinada
Inteligência artificial
Métodos e passos dados para resolver um problema
Algoritmos
Deep Learning e Enhanced Learning
Desenvolvimento das GPUs e dos processadores
Pouparam recursos e aumentaram a eficácia da indústria
PROSPECTOR
Sistemas especializados
Rápido Crescimento da Rede Neuronal
Algoritmo de Backpropagation (BP)
Algoritmos
Redução de dimensionalidade
Aprendizagem semi-supervisionada
Armazenamento de dados
Aprendizagem não supervisionada
Classificação
Previsões
Aprendizagem supervisionada
Aprendizagem reforçada
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.
Machine Learning
Classificação
Regressão
Resultados das previsões
Análise discriminante linear
SVM (Support Vector Machine)
Métodos
Aprendizagem Supervisionada
Uso de labeled data para prever o tipo ou valor de nova data
Machine Learning
Análise dos componentes principais
K-clustering
Métodos
Aprendizagem Não Supervisionada
Agrupa a data de acordo com as suas parecenças, sem a necessidade de labeled data
Machine Learning
ASSV baseada em gráficos
Máquinas de suporte semi-supervisionadas
Self-Training
Algoritmos
Utilizada para simplificar modelos e reduzir tempos de processamento ao reduzir o número de variáveis de um conjunto de dados
Misto da aprendizagem supervisionada e da aprendizagem não supervisionada.
Aprendizagem Semi-Supervisionada
Machine Learning
Definir níveis de recompensa dependendo da qualidade de uma ação
Baseada em recompensas por interagir com o ambiente
Aprendizagem de Reforço
Machine Learning
7. Sistema de diálogo
6. Sistema de resposta a perguntas
5. Tradução da máquina
4. Recuperação de informação
3. Text Mining
2. Extração de informação
1. Análise gramatical e semântica
Corresponde à habilidade dos computadores de reconhecer e entender linguagem humana
Natural Language Processing (NLP)
GPU
Utilizado quando é necessário utilizar o método de deep learning
Hardware
1 dia
Atualmente
1 mês
Antigamente
Grande quantidade de processadores paralelos
Aceleração de GPU
Hardware
Visão
Mundo
Computadores
Reconhecimento facial e de imagem
Identificar e analisar imagens
Computing Vision
ResNet
Startup
VGG (Visual Geomitry Group)
Estruturas Neuronais
Neurónios
Network
Rede Neuronal
Função de ativação não linear
Modelo
Computing Vision
Rápidos e alta precisão
Mask-RCNN
YOLO
Faster R-CNN
Modelos de rede
Computing Vision
“Janelas deslizantes”
Classificação em diferentes categorias
Processa os pixéis
Divide uma imagem em pixéis
Computing Vision
Fully Convulutional Network, (Medium, 2022)
Conditional Random Field
Atrous
Encoder-Decoder
FCN (Fully Convulutional Network)
Computing Vision
Aplicações presentes e futuras da IA
A inteligência artificial é assim tão inteligente?
Saúde
Financeiro
Automóvel
Aplicações Presentes da IA
A Inteligência Artificial (IA) já desempenha um papel fundamental em várias indústrias.
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.
Aplicações Futuras da IA
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.
ASSV baseada em gráficos
Este algoritmo tem o objetivo de representar a data num gráfico de modo a que seja possível perceber o rótulo de data não rotulada.
K-clustering
Consiste na medição da diferença entre data através da distância Euclidiana (distância entre dois pontos).
Sistema de pergunta e respostas
Sistema que dá resposta às perguntas formuladas.
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.
Automóvel
Análise gramatical e semântica
Compreensão da estrutura e significado das frases
SVM (Support Vector Machine)
Support Vector Machine, (Data Base Camp, 2021)
Suport Vector Machine é um modelo que procura encontrar uma linha otimizada entre dois tipos de dados distintos num plano.
No setor financeiro, a IA é utilizada para previsões de mercado, avaliação de crédito e controlo de riscos, facilitando decisões mais rápidas e precisas.
Financeiro
Algoritmo BP
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).
Análise Função de ativação não linear
Resolve limitações de funções de ativação mais simples.
Máquinas de suporte semi-supervisionadas
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.
Recuperação de informação
Pesquisa e recuperação de dados que respondam às perguntas.
Sistema de diálogo
Interação com utilizadores numa conversa.
Text Mining
Análise dos textos para descobrir padrões na informação
Análise discriminante linear
Identifica uma combinação linear de características entre diferentes grupos de dados
Deep Learning e Enhanced Learning
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.
Atrous
Atrous aumenta a área de receção das convoluções sem reduzir a resolução da imagem, fazendo a rede capturar mais contexto ao processar a imagem.
Na saúde, algoritmos de IA ajudam no diagnóstico de doenças e na análise de dados clínicos, contribuindo para uma medicina mais personalizada.
Saúde
Classificação
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.
Conditional Random Field
Melhorar o efeito da segmentação.
Melhorar o efeito da segmentação.
Extração de informação
Identificação e extração de informações relevantes.
Internet of Things (IoT)
Termo utilizado para descrever a conexão pela Internet, através de sensores, de objetos físicos.
Encoder-Decoder
O Encoder-Decoder, torna uma imagem numa imagem mais pixelizada (Encoder) e volta a repor a resolução original (Decoder).
Regressão
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.
Sistema especialzado que analisou com sucesso a composição de minerais, pouparam muitos recursos à indústria e aumentaram a sua eficácia.
PROSPECTOR
Tradução da máquina
Tradução do texto de uma língua para outra.
Fully Convulutional Network
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.
Análise dos componentes principais
Consiste num método estatístico, que utiliza transformações ortogonais para reduzir a dimensionalidade de um conjunto de dados.
Self-Training
Consiste em treinar um algoritmo até que consiga prever um rótulo para data sem rótulo de forma correta.