A sua Inteligência Artificial é realmente inteligente?

Saiba diferenciar o que é Inteligência Artificial e o que não é. Um sistema que utiliza algoritmo e estatísticas avançadas pode ser muito útil, mas não significa que seja uma Inteligência Artificial.

Em busca dos inúmeros benefícios que a Inteligência Artificial pode agregar, diversas empresas pelo mundo buscam implementar essa tecnologia em suas operações. São crescentes as soluções que sejam referenciadas como IA ou orientadas por Machine Learning, que é um campo dentro de IA.

Uma pesquisa realizada pela empresa de investimentos MMC Ventures, com sede em Londres, revelou que 40% das startups da Europa que se denominam de Inteligência Artificial não a utilizam de fato. 

David Kelnar, chefe de pesquisa da MMC, que possui 300 milhões de libras sob gestão e um portfólio de 34 empresas, declarou à Forbes que:

“examinamos todas as empresas, seus materiais, produtos, site e documentos do produto. Em 40% dos casos, não encontramos menção de evidências de IA. As empresas que as pessoas assumem e pensam que são empresas de IA provavelmente não são”.

O que é e o que não IA?

Diferenciar técnicas avançadas de análise e computação para IA e aprendizado de máquina pode, muitas vezes, levar à confusão. Por isso os líderes devem entender de forma mais profunda o que é IA e o que não é IA.

Um sistema que utiliza algoritmo e estatísticas avançadas pode ser muito útil, apenas não significa que é Inteligência Artificial. No entanto, a verdadeira IA é capaz de trabalhar com dados que não são bem estruturados, bem definidos ou mesmo numéricos. Algumas das maiores inovações em IA e aprendizado de máquina vieram de ideias geradas com linguagem natural, imagem e dados de vídeo.

Só porque um sistema responde a perguntas, isso não significa que seja IA. Há ferramentas que fornecem respostas automatizadas para uma variedade de problemas e existem versões desses sistemas para tarefas como gerenciamento de estoque e projeções de vendas. Na maioria dos casos, isso é feito combinando a pergunta com um banco de dados de respostas pré-preenchidas (como uma função de “ajuda” do software) ou calculando a resposta com base na aplicação de um algoritmo aos dados. Alguns vão mais longe pesquisando na Internet se nada apropriado puder ser encontrado no banco de dados. A maioria desses sistemas não tem a capacidade de colocar a pergunta no contexto, nem aprendem com a precisão das respostas anteriores. Portanto, eles não se qualificam como IA.

IA precisa observar, analisar e aprender

O MIT entende que IA pode ser definida como qualquer sistema baseado em computador que observe, analise e aprenda. A questão primordial é que esses sistemas são iterativos – ficam melhores e mais precisos à medida que coletam e analisam mais dados, sem intervenção explícita de humanos. Como o termo indica, são máquinas que aprendem, por mais simples que seja o aprendizado.

Observar
Significa que o sistema precisa ser capaz de aumentar seu banco de dados de informações e insights. Um conjunto de dados pode ser rico, mas se for estático não é suficiente, porque fica obsoleto no momento em que é criado. Um exemplo são os carros autônomos da Tesla, que possuem pelo menos 21 sensores, incluindo câmeras, sensores ultrassônicos e radar. Eles observam o ambiente externo e fornecem informações em tempo real.

Analisar
Após observar, o sistema precisa analisar as informações que observa e coleta, mesmo que sejam confusos e desordenados. Os computadores de bordo de um Tesla analisam as imagens, movimentos e outros dados que ele coleta para dar sentido ao ambiente, permitindo a automação de várias decisões de direção. 

Aprender
Esse critério é o que mais pesa na balança. Os sistemas mais atuais de IA são capazes de fazer suposições de forma proativa, criar e testar hipóteses e aprender com elas. Assim, eles se tornam mais precisos ao longo do tempo. A tecnologia autônoma da Tesla fica mais inteligente a cada quilômetro gasto na estrada, pois observa e analisando os dados de centenas de milhares de outros carros Tesla e aprende com essas experiências. Ele pode aprender a distinguir entre um animal no meio da estrada e um saco de plástico soprado pelo vento, descobrindo que ele precisa parar no primeiro caso, mas pode continuar a dirigir com segurança no segundo.

As 6 perguntas sobre IA

É importante ter clareza sobre o que não é Inteligência Artificial, principalmente para os líderes de negócios. Ganes Kesari, co-fundador da Gramener, consultoria em Data Science da Índia, sugere fazer seis perguntas para entender bem se uma empresa utiliza IA e o quanto ela é avançada, principalmente se for contratar um fornecedor.

1. Como funciona?

Pergunte ao fornecedor de forma detalhada e técnica o que a solução faz e questione se automações e técnicas mais simples não serão suficientes para o objetivo do projeto. Uma empresa que vende tecnologias de IA deve ser capaz de explicar a necessidade de forma clara e compreensível.

Por exemplo: um sistema que recomenda produtos aos clientes pode ser construído com base em heurísticas comerciais simples ou também com IA. 

2. A solução é construída sobre muitos dados?

Qualquer solução de IA precisa de muitos dados para, de fato, se tornar inteligente. Por isso é preciso entender a fundo quais os dados são utilizados para treinar os algoritmos e se você possui esses dados internamente. O modelo GPT 2 da Open AI, por exemplo, tem a capacidade de escrever artigos de notícias e foi treinado em milhões de artigos da Wikipedia para fornecer inteligência. 

3. Como os dados são classificados?

A IA entende dados que sejam rotulados de determinada forma. No caso do reconhecimento facial, por exemplo, é preciso desenhar caixas em torno das imagens individuais de cada rosto das pessoas, de forma manual, para ensinar ao sistema. A questão aqui é que a rotulagem dos dados precisa ser continuada após a implantação de IA, a fim de deixar o software mais assertivo e sofisticado e garantir que esteja realmente aprendendo com os dados.

4. Existe um processo de aprendizado?

As soluções tecnológicas tradicionais executam um programa da mesma maneira em que foi executado na primeira vez. Quando a IA está envolvida, a solução pode aprender toda vez que executa os dados e se adaptar a cada novo cenário.

Por exemplo, quando um e-mail é marcado como importante no Gmail, a IA aprende para melhorar a classificação de todos os e-mails futuros. Este é um exemplo de aprendizado simples e contínuo por um aplicativo inteligente. Um sistema que não recebe esse feedback explícito pode não ser ‘inteligente’, afinal. 

5. Que tipo de manutenção o aplicativo precisa?

Um aplicativo de tecnologia padrão que não seja da IA fornecerá a funcionalidade pretendida com pouca necessidade de manutenção. No entanto, a IA real precisa de novos dados para aprender e um ajuste frequente para permanecer relevante.

Por exemplo, uma IA que prevê com precisão a rotatividade de funcionários não funcionará tão bem alguns meses depois. Ele precisa reaprender as mudanças na dinâmica dos funcionários, cenário de negócios, condições de mercado e outras variáveis, por isso precisará de um acompanhamento mais contínuo para garantir sua exatidão.

6. Posso ver uma demonstração ao vivo da minha empresa?

A maioria das demonstrações de IA funciona em cenários selecionados e como pilotos. Um bom fornecedor de soluções de IA deve oferecer uma demonstração ao vivo de seus produtos, não apenas vídeos de marketing. É ainda melhor se for possível utilizar os dados da empresa para isso.

Por exemplo, uma solução de IA que possa identificar riscos de documentos legais em um domínio escolhido deve ser capaz de demonstrar sua capacidade de identificar riscos com documentos semelhantes que você carrega. Uma hesitação em demonstrar a solução ao vivo pode ser um sinal precoce de problemas.

Por fim, é importante estar claro que boas ideias de negócios podem ser geradas usando ferramentas mais simples, com um bom grau de automação. Porém, não fique refém da máquina e nunca deixe a ferramenta ditar como você resolverá um problema. Mas se você decidir que precisa de IA verifique se o produto que está construindo ou comprando se encaixa de verdade nos parâmetros de um sistema inteligente.