A Inteligência Artificial (IA) era algo muito distante para a maioria das pessoas. Em anos recentes, ela começou a fazer parte de nosso cotidiano. Quer em uma interação por meio de um chatbot, quer ao ouvirmos uma notícia de uso de uma IA ou mesmo ao vermos projetos de carros autônomos.  Em vista disso, vamos discutir como essas estruturas funcionam e como elas podem auxiliar no futuro. 

O salto dado pelas tecnologias de IA tem provocado uma série de mudanças em vários setores.  Muitas indústrias e negócios têm alterado profundamente a maneira de fazer as coisas e de produzir determinados produtos. Por exemplo, há bem pouco tempo, ter carros que dispensam um motorista era algo bastante distante. Hoje, isso já nem nos surpreende mais, tornou-se algo até comum. 

Já temos tecnologias como o Watson da IBM e, mais recentemente, o ChatGPT, que já venceram concursos de perguntas e passaram em provas para ser advogado e médico.  Essas são tecnologias que eram esperadas somente daqui a algum tempo. Mas o que marca uma IA? Sua capacidade de aprender ao longo do tempo. À medida que uma IA começa a funcionar, ela inicia o seu treinamento para que, à base das interações, ela possa ir aprendendo e, assim, melhorando a sua performance.

Já pensou em produzir uma IA? Para isso, uma boa dica é estudar como os nossos neurônios funcionam, afinal, uma IA funciona à base de uma rede neural que é uma representação e uma modelagem de como os seres humanos aprendem.

Creio que todos nós que utilizamos bastante a Internet já nos deparamos com um teste de Captcha. A principal função dele é conseguir verificar se quem está do outro lado (no caso eu ou você) é realmente uma pessoa ou um bot. Isso foi necessário porque muitos programadores criam softwares para testar login e senha milhares de vezes, o que pode fazer com o que o serviço caia ou mesmo que a senha seja descoberta. 

Para evitar isso, os primeiros sistemas solicitavam que você repetisse uma sequência de letras e números em uma imagem um pouco distorcida. Isso se resolveu por um tempo, até que foi possível o desenvolvimento de bots que aprenderam a identificar as letras e números. 

O Google, então, lançou um novo serviço, o reCAPTCHA. Isso aconteceu por volta de 2009. E você também já deve ter usado em algum momento. Ele é feito por meio de reconhecimento de imagens. Por meio de 9 ou 16 imagens em quadrados, você precisa clicar se é um animal, semáforo, carro, árvore etc. Se a sua resposta tiver um nível de aproveitamento da maioria das outras pessoas, você é considerado humano.  

Agora, pense que, todos os dias, milhões de pessoas fazem os testes de reCAPTCHA. Todas elas  identificam textos e imagens. Para onde essas interações vão? Todos eles acabam sendo utilizados por IAs. Ou seja, com base na nossa interação e na nossa capacidade de identificar determinados padrões, as IAs são treinadas para também realizarem a tarefa que, por enquanto, realizamos melhor que elas.  

Mas quando podemos considerar que uma máquina é inteligente? Artero (2009, p. 19) explica que um computador é inteligente se "possui qualquer uma das habilidades mentais que fazem uma pessoa ser considerada inteligente", o que poderia incluir:

Um bom exemplo de um computador inteligente é o robô Pepper. Ele tem 1,20m  de altura e trabalha como recepcionista em comércio, exposições e museus. Ele é o que chamamos de um robô humanizado, pois possui cabeça, orelhas, dois olhos, boca, pescoço, tronco, braços e pernas.

A IA possui uma grande quantidade de áreas, tais como:

• Robótica - na década de 1960, os primeiros robôs começaram a ser usados com o objetivo de substituir o homem em tarefas desagradáveis que poderiam incorrer em risco à vida: temperaturas elevadas, ruídos extremos, ambientes poluídos e trabalhos repetitivos. Atualmente, a robótica traz consigo questões relevantes como: o constante aumento dos níveis salariais dos empregados, o extraordinário avanço tecnológico no ramo de computadores que induz à redução dos preços do robô e o desemprego estrutural (homem substituído pela máquina). O robô tem algumas vantagens sobre os humanos: não se cansa, não necessita de salário, pode manter uma qualidade uniforme na produção, não necessita de condições ambientais especiais. Porém ele precisa de aprendizado, memória e movimentos limitados se comparado a um humano. Um robô é composto de um braço mecânico motorizado e um cérebro na forma de um computador que controla seus movimentos. O computador guarda em sua memória um programa que detalha o curso que o braço seguirá. Quando o programa está rodando, o computador envia sinais ativando motores que movem o braço e a carga no final dele. Para realizar certas tarefas, os robôs precisam de habilidades sensoriais similares às do homem. O computador que controla o robô deve possuir as seguintes características: memória para guardar os programas, conexões para os controladores dos motores, conexões para entrada e saída de dados e para ativar os programas operacionais, unidade de comunicação controlada por um humano. 

• Visão por Computador - o objetivo é desenvolver a capacidade de extrair informações do ambiente a partir de imagens que se obtém dele. Um bom exemplo são as competições de futebol de robôs e de guerra de robôs. Em ambos os casos, eles precisam trabalhar com a visão computacional para “ler” o ambiente, se localizar e encontrar a bola ou o adversário.

• Processamento de Linguagem Natural - aqui se trabalha com o potencial de aprendizado da língua ou idioma. Já existem grandes e bons projetos que praticamente realizam a tradução simultaneamente.

• Sistemas Especialistas - a partir de uma base de conhecimentos construída, é possível fornecer respostas sobre um determinado tema. Eles são utilizados para auxiliar no processo de tomada de decisão em várias áreas, como medicina, engenharia, matemática, administração e até em entretenimento. Já acessou o gênio da Internet? Ele se chama Akinator. É um bom exemplo de sistema especialista, pois você pensa em alguém e, respondendo às perguntas que ele vai te fazendo, ele consegue adivinhar em quem você pensou. É bem divertido! Outro exemplo que posso citar é o Expert Sinta, um sistema especialista da Universidade Federal do Ceará. Utilizamos a sua estrutura há alguns anos para construir um sistema que, por meio de 30 perguntas, descobria a possível doença que poderia estar atingindo os pés de café. 

• Bases de dados inteligentes - essa área de IA busca aplicar técnicas para que sejam geradas informações das bases de dados. Para isso, ela aplica data mining ou mineração de dados, que pode realizar técnicas de busca e formação de informação baseado em problemas de negócios previamente estabelecidos.

• Jogos - vários jogos aplicam cada vez mais IA para que os personagens possam ter comportamentos diferentes e inéditos. Isso os faz mudar de comportamento em cada nova rodada do jogo. 

Conforme pode ser observado, a IA é uma área em grande expansão e com muitas possibilidades de aplicações. Tende a ser a próxima grande revolução que vai alterar muitas coisas ao nosso redor. Portanto, vale a pena dedicar um tempo para estudar como as máquinas poderão se tornar cada vez mais inteligentes e integradas ao nosso dia a dia.

Para construir uma solução em IA, é essencial conseguir formatar o conhecimento em alguma representação. Há várias maneiras de fazer isso, como, por exemplo: representação por lógica, por sistemas de produção, redes semânticas, quadros e roteiros e árvores de decisão. Essas representações auxiliam na construção de projetos e ajudam a conseguir modelar formatos que as máquinas consigam utilizar.

Uma das maneiras mais interessantes para as máquinas é quando elas conseguem identificar um padrão. É o que acontece, por exemplo, quando se faz uma biometria. Mas a IA também aprende por associações. Veja o exemplo com redes semânticas. Artero (2019, p. 41) define como um conjunto heterogêneo de objetos que são representados por um grafo, em que os nós representam objetos, e os arcos, as relações binárias entre os objetos. Veja o caso 1:

O exemplo acima seria uma rede semântica elementar, simples. Perceba que elas simulam um modelo de memória associativa, permitindo associações entre os objetos. Dessa maneira, você pode pensar em outros tipos de conhecimento por associações, o que faria com que ocorresse uma modelagem para a aprendizagem da máquina.