OPINIÃO

O "Boom" da Inteligência Artificial está Chegando!

Por: Eduardo Prado *
08/12/2016 ... Convergência Digital

Nos últimos cinco anos, o interesse pelos “dados” tem crescido de forma “exponencial”. Este furor tem despertado as empresas para o fato que elas podem ficar mais “inteligentes” com o uso destes “dados”. Os “dados” vão comandar toda a pesquisa & desenvolvimento, mudanças e possibilidades nos próximos anos.

A transformação em reinventar o conceito de modelos de negócios nos diferentes nichos de mercado será fortemente baseada nos “dados” (p. ex., no mercado automobilístico o modelo atual de negócio atual baseado na propriedade do bem evoluirá para um modelo de negócio baseado no acesso ao recurso (“car sharing”)).

O “dado” será a matéria principal na sociedade do futuro mas o “dado” sozinho não significa nada. “Ele” precisa ser manipulado! Para criar valor com os “dados” nós precisamos dos algoritmos que irão manipulá-los. É aqui que entra a Inteligência Artificial (IA) [1] trazendo os algoritmos para transformar o “dado” em valor e essa transformação terá um impacto brutal na sociedade nos próximos anos!

A IA vai transformar nossas vidas nos próximos anos [2-3]. A capacidade de processamento dela tem uma amplitude muito vasta. Por exemplo, ela vai da capacidade de executar tarefas relativamente simples (p. ex., quando a Amazon sugere que você adquira um novo livro a partir das suas compras anteriores) para tarefas mais complexas (p. ex., quando se “ensina” a um carro a dirigir sem motorista [4]).

Um exemplo muito interessante de IA vem do Facebook (FB) através de Yann LeCun [5] (um dos “papas” da IA) que é Professor da Universidade de Nova Iorque e Diretor de Pesquisa em IA do FB. LeCun é um “expert” na aplicação da tecnologia de “Deep Learning” [6] (Aprendizado Profundo) em problemas práticos. Diariamente de 1 a 1,5 bilhão de fotos são carregadas diariamente para o FB (não incluindo aqui o Instagram, WhatsApp ou Messenger). LeCun disse recentemente em uma palestra que “cada uma dessas fotos” (sic!) é processada imediatamente através de duas Redes Neurais Convolucionais (CNN = Convulotional Neural Network [7]). Uma delas reconhece os objetos na imagem e a outra detecta e reconhece as pessoas. Que show! Os vídeos carregados no FB também passam por um processo semelhante. Isto é IA! Dá para você imaginar o que a tecnologia de IA já nos oferta atualmente, não? O FB tem um time de Pesquisa em IA comandado por LeCun de 70 a 80 profissionais espalhados em várias localidades como Silicon Valley, Nova Iorque, Paris, Seattle, e Israel. Adicionalmente, o time de produto de IA do FB que incorpora as várias tecnologias de IA nos seus produtos principais tem 140 membros e é comandado por Joaquin Candela [7.1]

O que é Inteligência Artificial?

Não existe uma única definição de IA que seja universalmente aceita pelos praticantes. Alguns definem IA vagamente como um sistema computadorizado que exibe um comportamento que é comumente considerado como exigindo inteligência. Outros definem IA como um sistema capaz de resolver racionalmente os problemas complexos ou de tomar decisões apropriadas para alcançar seus objetivos em qualquer circunstância do mundo real que ele encontre.

Os Especialistas oferecem diferentes taxonomias de problemas e soluções de IA, como por exemplo: (1) sistemas que pensam como seres humanos (p. ex., arquiteturas cognitivas e redes neurais); (2) sistemas que agem como seres humanos (p. ex., passam pelo teste de Alan Turing [8] através do processamento de linguagem natural, representação de conhecimento, raciocínio automatizado e aprendizagem); (3) sistemas que pensam racionalmente (p. ex., solucionadores lógicos, inferência e otimização); e (4) sistemas que agem racionalmente (p. ex., agentes de software inteligentes e robôs incorporados que alcançam objetivos através da percepção, planejamento, raciocínio, aprendizagem, comunicação, tomada de decisão e atuação).

Dotar computadores com inteligência humana foi um sonho de especialistas em computação desde o início da computação eletrônica. Embora o termo "Inteligência Artificial" não tenha sido cunhado até 1956, as raízes do campo remontam a pelo menos a década de 1940 [8.1], e a ideia de IA foi cristalizada no famoso artigo de Alan Turing [8.2] em 1950, "Computing Machinery and Intelligence" [8.3]. Nesta matéria Turing colocou a questão: "As máquinas podem pensar?"

Ele também propôs um teste – conhecido como Teste de Turing - para responder a essa pergunta [8], e levantou a possibilidade de que uma máquina poder ser programada para aprender com a experiência tal como uma criança pequena faz. Reposicionado em termos modernos, o "Teste de Turing" coloca um juiz humano em uma sala de chat baseada em texto com outra pessoa ou um computador. O juiz humano pode interrogar a outra parte e manter uma conversa, e então o juiz é convidado a adivinhar se a outra parte é uma pessoa ou um computador. Se um computador pode consistentemente enganar juízes humanos neste jogo, então o computador é considerado como exibindo inteligência.

A IA é uma ciência e um conjunto de tecnologias computacionais que são inspiradas - mas tipicamente operam de forma bastante diferente - das maneiras como as pessoas usam seus sistemas nervosos e seus corpos para sentir, aprender, raciocinar e agir! Embora a taxa de progresso na IA tenha sido irregular e imprevisível, houve avanços significativos nesse setor desde o início há sessenta anos.

Apesar de ter sido uma área de estudo predominantemente acadêmica, a IA do século XXI permite uma constelação de tendências tecnológicas que estão tendo um impacto substancial na vida cotidiana das pessoas. A Visão por Computador (“Computer Vision” [9]) e o Planejamento Automatizado de IA [10], por exemplo, comandam os videogames que agora são uma indústria de entretenimento maior do que a famosa Hollywood.

A tecnologia de “Deep Learning” [6], uma forma de “Machine Learning” [11] (Aprendizado de Máquina) baseada em representações em camadas de variáveis ​​denominadas Redes Neurais [12], tem possibilitado a compreensão da fala em nossos telefones, e seus algoritmos podem ser aplicados amplamente a uma variedade de aplicações que dependem de Reconhecimento de Padrões (“Pattern Recognition” [13]). O Processamento de Linguagem Natural (NLP = “Natural Language Processing” [14]) e a representação do conhecimento e do raciocínio têm permitido a uma máquina vencer o campeão “Jeopardy” e estão trazendo um novo poder para as buscas na Web.

Embora impressionantes, essas tecnologias são altamente adaptados para tarefas específicas. Cada aplicação tipicamente requer anos de pesquisa especializada e de construção única. Em aplicações alvo similares, aumentos substanciais na utilização futura de tecnologias de IA, incluindo Carros Autônomos (“Self-driving Car” [15]), Diagnósticos de Saúde e tratamentos alvos, Assistência Física para Idosos [16] podem ser esperadas.

A IA e a Robótica também serão aplicadas em todo o mundo nas indústrias batalhando para atrair trabalhadores mais jovens, nas áreas de agricultura, processamento de alimentos, centros de atendimento e fábricas. Elas vão facilitar a entrega de compras on-line através de “drones voadores” [17], caminhões autônomos (sem motoristas), ou robôs que podem subir as escadas.

A tecnologia de IA vai ter – também - um papel muito importante no mercado corporativo [17.1] e [17.2].

Para maiores detalhes sobre a Inteligência Artificial ver as referências especiais sobre essa tecnologia revolucionária aqui [18-21].

A seguir apresentamos alguns destaques (e/ou componentes) da tecnologia de IA, a saber:

Aprendizagem de Máquina

A Aprendizagem de Máquina (conhecida como “Machine Learning” [11]) trata de como os computadores com “Inteligência Artificial” pode melhorar ao longo do tempo usando algoritmos diferentes (um conjunto de regras ou processos), quando são alimentados com mais dados. As máquinas de IA aprendem reconhecendo tendências nos dados, o que lhes permitem tomar decisões! Por exemplo, projetar veículos autônomos (sem motoristas) [23] envolve a construção de máquinas que aprendem a navegar. Um sistema pode usar algoritmos de Reconhecimento de Padrões [24] a partir dos quais aprende, por exemplo, a identificar pedestres a partir dos veículos e de animais, de modo que sabe quando acionar os freios quando vê um gato ou um cão, mesmo que nunca tenha encontrado o último porque ele aprendeu a identificar animais com precisão.

Uma das tecnologias que se destaca no “guarda-chuva” de Aprendizagem de Máquina é o  tão “propalado” Big Data. Uma das áreas de destaque das aplicações de Big Data é o segmento de Saúde [25-26].

Para referências adicionais sobre o tema de Aprendizagem de Máquina ver [27-28].

Redes Neurais

Um tipo de Aprendizagem de Máquina, as Redes Neurais [29] são superficialmente baseadas em como o cérebro humano funciona. Existem diferentes tipos de Redes Neurais mas basicamente elas consistem em um conjunto de nós (ou neurônios) dispostos em várias camadas com interconexões ponderadas entre eles. Cada neurônio combina um conjunto de valores de entrada para produzir um valor de saída, que por sua vez é passado para outros neurônios nas camadas seguintes.

Em uma aplicação de Reconhecimento de Imagem, uma primeira camada de unidades pode combinar os dados brutos da imagem para reconhecer padrões simples na imagem; uma segunda camada de unidades pode combinar os resultados da primeira camada para reconhecer padrões de padrões; uma terceira camada pode combinar os resultados da segunda camada; e assim por diante. As Redes Neurais devem ser treinadas alimentando-os com uma grande quantidade de dados que permitam com que elas “aprendam”. Essa característica de “treinamento” das redes neurais é muito importante para o seu aprendizado.

Um dos tipos de Rede Neural que é muito utilizado no Reconhecimento de Imagens é a Rede Neural de Convolução (CNN = “Convolutional Neural Network” [7] e [31]).

Aprendizado Profundo (ou Aprendizagem Profunda)

A tecnologia de Aprendizado Profundo (conhecido como “Deep Learning” [6]) é a “menina dos olhos da IA”. Ela é um caso particular de Aprendizagem de Máquina (“Machine Learning”). Essa tecnologia é uma baseada em uma Rede Neural maior. As redes de Aprendizado Profundo usam tipicamente muitas “camadas neurais” - as vezes mais de 100 - e muitas vezes usam um grande número de unidades em cada camada, para permitir o Reconhecimento de Padrões extremamente complexos e precisam de muitos dados para o seu “treinamento” para aprender uma função que se propõe a realizar.

Por exemplo, para uma aplicação na qual se propõe a identificar um Câncer de Mama através de uma mamografia, a Rede Neural precisa ser treinada com vários (centenas e as vezes milhares) tipos de mamografias que destacam esse tipo de câncer e, também, com casos benignos de mama. Quanto mais dados forem usados para treinar a Rede mais ela será precisa na detecção da referida morbidade.

Cabe destacar aqui que a quantidade não é o único fator a determinar a precisão. Será necessário, também, utilizar a “expertise” em técnicas de Redes Neurais para fazer a “sintonia” (“tunning”) delas e obter uma melhor a acurácia do diagnóstico. Uma das áreas que tem despertado muito interesse na utilização da tecnologia de Aprendizado Profundo é a de Medicina [33-36].

As raízes intelectuais do Aprendizado Profundo, cuja implementações alimentam a comodidade e o consumidor nos dias atuais da IA, foram plantadas ainda mais cedo nas décadas de 1940 e 1950 com o desenvolvimento dos algoritmos das "Redes Neurais Artificiais" [37-38]. Como sua própria nomenclatura sugere, estão muito vagamente baseadas na maneira pela qual a “teia cerebral” de neurônios adaptativamente torna-se conectada em resposta a estímulos externos para realizar o aprendizado e o Reconhecimento de Padrões.

Apesar de que esses métodos tenham tido muitas histórias de sucesso nos últimos 70 anos, seu desempenho e adoção no segmento da Medicina nos últimos 5 anos tem presenciado um salto quântico. O evento catalisador desse “boom” ocorreu em 2012, quando uma equipe de pesquisadores da Universidade de Toronto reduziu a taxa de erro pela metade em um conhecido desafio de Visão por Computador [9] usando um algoritmo de Aprendizado Profundo [40]. Esse trabalho tem um fato de destaque pois foi “capitaneado” pelo “papa” da tecnologia de Aprendizado Profundo Geoffrey Everest Hinton [41] que atualmente além de ser professor em Toronto trabalha com IA no “Google Sempre Ele Google”.

Esse trabalho acelerou rapidamente a pesquisa e o desenvolvimento em Aprendizado Profundo e impulsionou esta tecnologia de Aprendizado em um ritmo surpreendente. Com a disponibilidade crescente de dados clínicos digitais, resta ver como esses modelos de Aprendizado Profundo podem ser aplicados ao domínio médico.

E, pelo “andar da carraguem”, parece-nos que a tecnologia de Aprendizado Profundo vai “bombar” na Medicina. No recente Congresso de Radiologia RSNA 2016 em Chicago [42] a tecnologia de Aprendizado Profundo (e a “grande nave” da IA) deu o que falar [43-46].

O “Google Sempre Ele Google  pela sua visão inovadora e sua grande expertise em Aprendizados de Máquina e Profundo está também apostando muito na utilização da tecnologia de Aprendizado Profundo em Medicina [46.1] e [46.2].

Além da Medicina, algumas aplicações bem-sucedidas de Aprendizado Profundo são Visão por Computador e Reconhecimento de Fala (também conhecido como Processamento de Linguagem Natural [47]). Para conhecer mais sobre a tecnologia de Aprendizado Profundo ver a excelente matéria da Fortune sobre o tema [48]. Outras referência de Aprendizado Profundo aqui [49].

Para conhecer mais sobre Aprendizado Profundo e Redes Neurais Convolucionais (CNNs) ver os vídeos com conceitos básicos sobre estas tecnologias produzidos pelo Facebook e “ciceroneados” pelo Yann LeCun aqui [50] e [50.1]. Ver aqui também como os computadores “aprendem” através da tecnologia de Aprendizado Profundo [50.2].

Visão por Computador

A Visão por Computador [39] pode soar como o mais recente óculos 3D da atualidade, mas na verdade é um campo de pesquisa para projetar máquinas com a capacidade de processar, compreender e usar dados visuais, assim como os seres humanos. Os “olhos”, neste caso, geralmente consistem de uma câmera. Os Veículos Autônomos (sem motorista) [23] são um grande exemplo óbvio desta Visão. Um outro exemplo é aquele que pode estar sentado em sua sala de estar com um adolescente agora que é um dispositivo chamado Kinect para Xbox. O Kinect usa um sofisticado sistema de captura de movimentos que permite ao usuário interagir com o computador sem o uso de um controlador [51].

A grande aplicação do mundo moderno de Visão por Computador que vai revolucionar a maneira como as pessoas usarão os carros no futuro são os Veículos Autônomos. A Visão por Computador é baseada na revolucionária tecnologia de Aprendizado Profundo [52]. Veja como a Visão por Computador vai impactar os Veículos Autônomos aqui neste vídeo [53].

Processamento de Linguagem Natural

O Processamento de Linguagem Natural (NLP) [47], tal como definido por aitopics.org [54], "permite a comunicação entre pessoas e computadores e a tradução automática para permitir que as pessoas interajam facilmente com outras pessoas em todo o mundo". Aqueles que são usuários da Apple estão familiarizados com uma versão desta IA na “feature” Siri. A saída e a entrada podem ser verbais ou escritas. Outros termos que se enquadram nesta categoria incluem a compreensão da linguagem natural e a geração da linguagem natural. Conheça aqui a startup de NLP Maluuba que quer “falar com vc” [54.1]. 

Computação “Afetiva”

Para alguns, não é bastante imbuir os computadores com a tecnologia Inteligência Artificial. Um campo emergente chamado Computação “Afetiva” (“Affective Computing” [55]) trabalha para dar à nossa eletrônica características Inteligência Emocional (“Emotional Intelligence” [56]), seja para entender um usuário humano ou para influenciá-lo emocionalmente. Para entender melhor sobre a Computação Afetiva ver esta matéria que trata de uma interessante startup neste nicho chamada Affectiva [57]. Ver mais aqui como a Computação “Afetiva” poderá mudar as nossas vidas! [57.1].

GPUs

Muitas Redes Neurais para IA são alimentadas pelo que é chamada de Unidades de Processamento Gráfico (GPUs = “Graphics Processing Unit”) [57.2] e [57.3]. Esta tecnologia pioneira foi criada em 2007 por uma empresa chamada NVIDIA [58], as GPUs basicamente ajudam aos computadores a funcionar de forma muito mais rápido do que aqueles que operam com uma Unidade de Processamento Central (CPU) sozinha. Uma curiosidade interessante vem do fato que a tecnologia de GPU foi criada para auxiliar nos jogos eletrônicos (“games”) e, hoje em dia podemos afirmar que ela é um dos “carros chefe” da IA pois auxiliam a acelerar o processamento os complexos algoritmos dessa tecnologia, tornando viável muitas das aplicações de IA com destaque para as Redes Neurais de grande porte no Aprendizado Profundo. Algumas empresas também criaram suas próprias versões de GPUs. Um dos exemplos vem do “Google Sempre Ele Google”. Este gigante da tecnologia tem um chip que se chama de “Tensor Processing Unit”, ou TPU, que suporta o “engine” do seu software chamado TensorFlow que impulsiona seus serviços de Aprendizado Profundo [59]. Existem também startups que estão trabalhando no desenvolvimento de chips de IA [60] que inclui a Nervana que foi adquirida recentemente pela Intel por 400 MUS$ [61].

O ritmo de crescimento “exponencial” da tecnologia de Aprendizado Profundo tem proporcionado um crescimento fantástico da receita da Nvidia nos últimos meses [62]. A Nvidia terá um grande destaque na área mais “quente” de IA que é o Aprendizado Profundo. Essa tecnologia de Aprendizado permite que o computador aprenda sozinho, sem que os programadores tenham que codificar tudo na mão, e está levando a níveis incomparáveis de precisão nas áreas de imagem e reconhecimento de voz.

Recentemente, a famosa Tesla dos carros autônomos anunciou que estará instalando a tecnologia das GPUs Nvidia em todos os seus carros sem motorista [62.1]. A Nvidia já está até sendo “reconhecida” como a “nova Intel” do mercado, pelo seu papel de estar definindo a computação no início do Século XXI como a Intel fez nos anos 1990s pela sua importância revolucionária na IA [62.2].

Computação Cognitiva

A Computação Cognitiva [63] é um daqueles termos que recentemente entraram no léxico da IA. Uma das definições para Computação Cognitiva - um termo que alguns atribuem à IBM com o nascimento da sua tecnologia Watson, que parece ser prolixo se resume assim: "A Computação Cognitiva envolve sistemas de auto-aprendizagem que utiliza “data-mining” (i.e., Big Data), Reconhecimento de Padrões (i.e., Aprendizagem de Máquina) e Processamento de Linguagem Natural para imitar a maneira de como o cérebro humano funciona”. A Computação Cognitiva lida com informações simbólicas e conceituais e não apenas com dados puros ou coletados dos sensores, com o objetivo de tomar decisões de alto nível em situações complexas.

Para o analista de indústria VDC Research, a diferença entre Inteligência Artificial e a Computação Cognitiva resume-se à ideia de que a primeira diz ao usuário o curso de ação a tomar com base em sua análise, enquanto a segunda fornece informações para ajudar ao usuário a decidir. Segundo outros profissionais de mercado, a Computação Cognitiva pode ser apenas um engajamento inteligente da Inteligência Artificial.

Para finalizar gostaríamos de destacar o interesse dos investidores no negócio de IA e a participação de grandes “players” nesse negócio no futuro.

O negócio de IA será gigante. Para citar apenas dois números temos uma estimativa de mercado de 16,06 BUS$ em 2022 [64] e outra estimativa de 36,0 BUS$ em 2025 [65]. Uma estimativa de mercado de Aprendizado Profundo em 2022 quantifica um negócio de 1,72 BUS$ [66].

A Accenture destaca três canais principais que vão liderar o crescimento de IA, a saber: (a) Automação Inteligente; (b) Aumento de Trabalho e Capital; e (c) Difusão da Inovação [67]. O mercado de chips de IA terá também o seu papel de destaque [67.1]. Recentemente, o Bank of America Merrill Lynch previu que, até 2025, o "impacto da interrupção criativa anual" da IA poderia ascender a 14 TUS$ - 33 TUS$, incluindo uma redução de 9 TUS$ nos custos de emprego graças à automação do trabalho de conhecimento automatizado através da IA; reduções de custos de 8 TUS$ em manufatura e saúde; e 2 TUS$ em ganhos de eficiência com a implantação de carros autônomos e drones [67.2]. Já tínhamos destacado a “Euforia da Inteligência Artificial” nesta matéria aqui [67.3].

O negócio de Inovação vai “bombar” com a criação de diversas startups em IA. Para mais informações sobre o gigantesco mercado de startups no cenário mundial ver [68-71]. Para citar apenas alguns negócios de destaque de aquisição de startups de IA citamos: (a) a aquisição da britânica Deepmind pelo Google pelo valor de 400 milhões de libras [72] em janeiro de 2014. A Deepmind está sendo o braço do Google na área de Saúde; (b) a aquisição da Cruise Automation de São Francisco pela GM na área de veículos autônomos por 1,0 BUS$ (sic!) [73] em março de 2016; (c) a aquisição da Wise.io da Califórnia pela GE em novembro de 2016 [74]; (d) a aquisição da Nervana pela Intel por 400 MUS$ em agosto de 2016 [61]; e (e) a aquisição da startup israelense SAIPS pela Ford na área de veículos autonômos em agosto de 2016 [74.1]. O negócio de aquisição de startups estará muito aquecido nos próximos anos ... pode acreditar! Além disso, muitas empresas estarão investindo em “aceleradoras de IA” como é o caso da Amazon [75]. Os Venture Capital (VCs) também estão muito excitados com as oportunidades que os negócios de IA vão proporcionar [76]. Os investidores acreditam que o “inverno de IA” acabou e agora é o momento da “primavera de IA” [77].

Grandes players mundiais de tecnologia estão apostando “pesado” na tecnologia de IA,  notadamente na área mais quente de IA que é a tecnologia de Aprendizado Profundo. Além da IBM com seu Watson destacamos o “Google Sempre Ele Google”, Microsoft, Facebook e o Baidu (conhecido como “Google Chinês) [78].

O Google lançou o projeto Google Brain em 2011, e introduziu as Redes Neurais em seus produtos de Reconhecimento de Voz em meados de 2012 e reteve o pioneiro de Redes Neurais Geoffrey Hinton em março de 2013. Agora tem mais de 1.000 projetos de Aprendizado Profundo em andamento, conforme informado pelo Google, estendendo-se através de Buscas na Web, Android, Gmail, Fotos, Mapas, Tradução, YouTube e Carros Autônomos. Como citado acima, em 2014, ele comprou a startup britânica DeepMind, cujo projeto de Aprendizado Profundo, AlphaGo, derrotou o campeão do mundial do jogo Go, Lee Sedol, em março desse ano, alcançando um marco na Inteligência Artificial. A DeepMind tem trabalhado também na área de Saúde. O Google não para de investir em IA. Bem recentemente anunciou um investimento de 3,4 MUS$ no laboratório MILA “Montreal Institute for Learning Algorithms” de outro “papa” do Aprendizado Profundo, o Professor Yoshua Bengio [78.1] (e também consultor da IBM) da Universidade de Montreal [79-81].

Durante o primeiro semestre de 2011, a Microsoft introduziu a tecnologia de Aprendizado Profundo em seus produtos comerciais de reconhecimento de fala, incluindo a busca de voz Bing e os comandos de voz do jogo X-Box. A empresa agora usa Redes Neurais para seus rankings de pesquisa, pesquisa de fotos, sistemas de tradução e muito mais. A Mircrosoft afirmou recentemente que "é difícil transmitir o impacto generalizado que esse investimento teve nos seus produtos mas foi muito grande". No ano passado, a Microsoft ganhou um importante concurso de reconhecimento de imagens e, em setembro desse ano, registrou uma baixa na taxa de erro em um benchmark de reconhecimento de fala: 6,3% [82].

Em dezembro de 2013, o Facebook contratou o inovador francês de Redes Neurais Yann LeCun para dirigir seu novo laboratório de pesquisa em IA. O Facebook utiliza Redes Neurais para traduzir cerca de 2 bilhões de postagens por dia em mais de 40 idiomas e diz que suas traduções são vistas por 800 milhões de usuários por dia (cerca da metade de sua comunidade não fala inglês). O Facebook também usa Redes Neurais para pesquisa de fotos e organização de fotos, e está trabalhando em um recurso que geraria legendas faladas para fotos não marcadas que poderiam ser usadas por deficientes visuais. Recentemente, o Facebook – motivado por críticas do mercado em virtude da vitória de Donaldo Trump – iniciou uma campanha para informar a seu público sobre IA, como parte de um esforço para tornar a tecnologia – que muitas vezes é incompreendida - menos misteriosa (e ameaçadora) do que atualmente parece. O FB estreou uma campanha de relações públicas em 01.dez.2016 envolvendo vídeos e literatura projetados para educar as pessoas sobre tecnologias específicas de IA tais como o Aprendizado Profundo, cuja empresas como FB e Google têm usado para treinar computadores no reconhecimento de objetos e imagens [83].

Em maio de 2014, Baidu contratou Andrew Ng (ex-Stanford) [84], que anteriormente havia ajudado a lançar e liderar o projeto Google Brain, para liderar seu laboratório de pesquisa. O principal site de buscas e serviços da China, o Baidu utiliza Redes Neurais para reconhecimento de fala, tradução, pesquisa de fotos e um projeto de carro autônomo, entre outros. Reconhecimento de voz é fundamental na China, uma sociedade móvel de primeira, cuja língua principal, o mandarim, é difícil de digitar em um dispositivo. O número de clientes que interagem com o site por fala triplicou nos últimos 18 meses, diz Baidu. Veja mais informações do Baidu em Aprendizado Profundo aqui [85].

Ufa ... depois de tudo “isso”, aposte e encontre seu nicho na Inteligência Artificial! Ela vai revolucionar e transformar o mundo e trazer grandes oportunidades!

Referências:

[1] Artificial Intelligence, Wikipedia
https://en.wikipedia.org/wiki/Artificial_intelligence

[2] “Um Turbilhão vem aí”, Entrevista com o economista Erik Brynjolfsson do MIT, Revista Veja, 06.nov.2016

[3] "A biotecnologia e a inteligência artificial prometem dar poderes divinos à humanidade", Entrevista de Yuval Noah Harari, Folha, 12.nov.2016
http://www1.folha.uol.com.br/ciencia/2016/11/1831776-autor-de-homo-deus-mapeia-as-graves-implicacoes-da-tecnologia.shtml

[4] Vídeo: Nvidia AI Car Demonstration, You Tube, 28.sep.2016
https://www.youtube.com/watch?v=-96BEoXJMs0

[5] Yann LeCun, Wikipedia
https://en.wikipedia.org/wiki/Yann_LeCun

[6] Deep Learning, Wikipedia
https://en.wikipedia.org/wiki/Deep_learning

[7] Convolutional Neural Network, Wikipedia
https://en.wikipedia.org/wiki/Convolutional_neural_network

[7.1] Joaquin Candela, Director of Applied Machine Learning at Facebook
http://quinonero.net/

[8] Referências do Google sobre o “Turing Test”
https://www.google.com.br/webhp?sourceid=chrome-instant&ion=1&espv=2&ie=UTF-8#q=turing%20test

[8.1] A Logical Calculus of the Ideas Immanent in Nervous Activity, Bulletin of Mathematical Biophysics, 1943
http://www.minicomplexity.org/pubs/1943-mcculloch-pitts-bmb.pdf

[8.2] Alan Turing, Wikipedia
https://en.wikipedia.org/wiki/Alan_Turing

[8.3] Computing machinery and intelligence, Alan Turing, 1950
https://www.csee.umbc.edu/courses/471/papers/turing.pdf

[9] Computer Vision, Wikipedia
https://en.wikipedia.org/wiki/Computer_vision

[10] Automated planning and scheduling, Wikipedia
https://en.wikipedia.org/wiki/Automated_planning_and_scheduling

[11] Machine Learning, Wikipedia
https://en.wikipedia.org/wiki/Machine_learning

[12] Artificial Neural Network, Wikipedia
https://en.wikipedia.org/wiki/Artificial_neural_network

[13] Pattern Recognition, Wikipedia
https://en.wikipedia.org/wiki/Pattern_recognition

[14] Natural Language Processing, Wikipedia
https://en.wikipedia.org/wiki/Natural_language_processing

[15] Autonomous Car, Wikipedia
https://en.wikipedia.org/wiki/Autonomous_car

[16] Internet of Things in Healthcare Helps Shift Focus from Cure to Prevention with MimoCare,

[17] 3 Drone Delivery Startups Using Flying Drones, Nanalyze, 14.nov.2016
http://www.nanalyze.com/2016/11/drone-delivery-startups/

[17.1] Inside the black box: Understanding #AI decision-making, Zdnet News, 01.dec.2016
http://www.zdnet.com/article/inside-the-black-box-understanding-ai-decision-making/

[17.2] Are You Ready For Artificially-Intelligent Enterprise Applications?, Fortune Magazine, 01.dec.2016
http://www.forbes.com/sites/sap/2016/12/01/are-you-ready-for-artificially-intelligent-enterprise-applications/#6998e2211b1a

[18] Preparing for the Future of Artificial Intelligency, White House, USA, October 2016 [PDF]
https://www.whitehouse.gov/sites/default/files/whitehouse_files/microsites/ostp/NSTC/preparing_for_the_future_of_ai.pdf

[19] One Hundred Year Study on Artificial Intelligence (AI100), Stanford, June 2016 [PDF included]
https://ai100.stanford.edu/2016-report

[20] The Promise of Artificial Intelligence, Data Innovation, November 2016 [PDF]
http://www2.datainnovation.org/2016-promise-of-ai.pdf

[21] Why artificial intelligence is enjoying a renaissance, The Economist, 15.jul.2016
http://www.economist.com/blogs/economist-explains/2016/07/economist-explains-11

[23] Self Driving Car, Wikipedia
https://en.wikipedia.org/wiki/Autonomous_car

[24] Pattern Recognition, Wikipedia
https://en.wikipedia.org/wiki/Pattern_recognition

[25] Análise Preditiva: a Aplicação “Killer” de Big Data em Saúde, Saúde Business, 10.jun.2016
http://saudebusiness.com/analise-preditiva-a-aplicacao-killer-de-big-data-em-saude/

[26] Big data promise exponential change in healthcare, Financial Times, 29.nov.2016
https://www.ft.com/content/1b614d10-9a03-11e6-8f9b-70e3cabccfae

[27] Cutting Through The Machine Learning Hype, Forbes Magazine, 16.nov.2016
http://www.forbes.com/sites/valleyvoices/2016/11/16/cutting-through-the-machine-learning-hype/#397d3b77e969

[28] Referências do Google sobre “machine learning explained works”
https://www.google.com.br/webhp?sourceid=chrome-instant&ion=1&espv=2&ie=UTF-8#q=machine+learning+explained+works

[29] Artificial Neural Network, Wikipedia
https://en.wikipedia.org/wiki/Artificial_neural_network

[31] Referências do Google sobre “Applications Deep Learning Convolutional Neural Network”
https://www.google.com.br/webhp?sourceid=chrome-instant&ion=1&espv=2&ie=UTF-8#q=APPLICATIONS+DEEP+LEARNING+CONVOLUTIONAL+NEURAL+NETWORK

[33] Deep Learning: como essa tecnologia pode transformar a medicina?, Saúde Business, 10.dez.2015
http://saudebusiness.com/deep-learning-como-essa-tecnologia-pode-transformar-a-medicina/

[34] Reconhecimento de imagens: Um novo aliado do diagnóstico Digital na Medicina, Convergência Digital, 01.mar.2016
http://convergenciadigital.uol.com.br/cgi/cgilua.exe/sys/start.htm?UserActiveTemplate=site&infoid=41782&sid=15

[35] Aplicações de Deep Learning em Medicina no Mundo – Parte 1, Convergência Digital, 01.jun.2016
http://convergenciadigital.uol.com.br/cgi/cgilua.exe/sys/start.htm?UserActiveTemplate=site&infoid=42511&sid=15

[36] Aplicações de Deep Learning em Medicina no Mundo – Parte 2, Convergência Digital, 15.jun.2016
http://convergenciadigital.uol.com.br/cgi/cgilua.exe/sys/start.htm?UserActiveTemplate=site&infoid=42513&sid=15

[37] A logical calculus of the ideas immanent in nervous activity, Bulletin of Mathematical Biophisics, December 1943
http://link.springer.com/article/10.1007%2FBF02478259

[38] The perceptron: a probabilistic model for information storage and organization in the brain, APA PsychNet, November 1958
http://psycnet.apa.org/journals/rev/65/6/386/

[40] ImageNet Classification with Deep Convolutional Neural Networks, Krizhevsky  A, Sutskever  I, Hinton  GE, Neural Information Processing Systems Foundation Inc, 2012 [PDF]
https://papers.nips.cc/paper/4824-imagenet-classification-with-deep-convolutional-neural-networks.pdf

[41] Geoffrey Hinton, Wikipedia
https://en.wikipedia.org/wiki/Geoffrey_Hinton

[42] 2016 Annual Meeting, Radiological Society of Noth America (RSNA)
http://www.rsna.org/Annual_Meeting.aspx 

[43] Video from RSNA 2016: AI and radiology -- Separating hope from hype, Auntminnie, 28.nov.2016
http://www.auntminnie.com/index.aspx?sec=rca&sub=rsna_2016&pag=dis&itemId=115953

[44] Machine learning: The next big thing for breast imaging?, Auntminnie, 29.nov.2016
http://www.auntminnie.com/index.aspx?sec=rca&sub=rsna_2016&pag=dis&itemId=115982

[45] Video from RSNA 2016: Can AI rescue radiologists from isolation?, Auntminnie, 30.nov.2016
http://www.auntminnie.com/index.aspx?sec=rca&sub=rsna_2016&pag=dis&ItemID=116019

[46] Deep learning shows promise for reading chest x-rays, Auntminnie, 30.nov.2016
http://www.auntminnie.com/index.aspx?Sec=rca&Sub=rsna_2016&Pag=dis&ItemId=116032

[46.1] Study: Deep learning algorithms show high accuracy for spotting diabetes retinopathy, 30.nov.2016
http://medcitynews.com/2016/11/deep-learning-algorithms-identify-diabetes-retinopathy/?rf=1

[46.2] NHS to use Google DeepMind AI app to help treat patients, Engadget, 22.nov.2016
https://www.engadget.com/2016/11/22/nhs-deepmind-ai-app/

[47] NLP = Natural Language Processing, Wikipedia
https://en.wikipedia.org/wiki/Natural_language_processing

[48] Why Deep Learning Is Suddenly Changing Your Life, Fortune Magazine, 27.sep.2016
https://flipboard.com/@flipboard/flip.it%2FksTCtJ-why-deep-learning-is-suddenly-changing-/f-9a0bda0af4%2Ffortune.com

[49] Referências do Google sobre “deep learning explained works”
https://www.google.com.br/webhp?sourceid=chrome-instant&ion=1&espv=2&ie=UTF-8#q=deep%20learning%20explained%20works

[50] All you need to know about machine learning in 12 minutes, 45 seconds by Yann LeCun, Network World, 01.dec.2016

Yann LeCun, artificial intelligence pioneer and head of Facebook’s AI research group, explains machine learning in six short vídeos
http://www.networkworld.com/article/3146518/software/everything-you-need-to-know-about-machine-learning-in-12-minutes-45-seconds.html

[50.1] Artificial intelligence, revealed, Facebook, 01.dec.2016
https://code.facebook.com/posts/384869298519962

[50.2] Deep Learning: Teaching Computers to Predict the Future, NBC News, 02.dec.2016
http://www.nbcnews.com/mach/technology/deep-learning-predicts-future-n690851

[51] Referências do Google sobre “kinect for xbox computer vision”
https://www.google.com.br/webhp?sourceid=chrome-instant&ion=1&espv=2&ie=UTF-8#q=kinect%20for%20xbox%20computer%20vision

[52] KPMG Report: How Deep Learning is revolutionizing the way we interact with our cars, Nov. 2016
http://www.canadianunderwriter.ca/insurance/deep-learning-autonomy-will-accelerate-birth-new-1-trillion-autonomous-mobility-services-market-2030-kpmg-1004104549/

[53] NVIDIA AI Car Demonstration, You Tube, 29.sep.2016
https://www.youtube.com/watch?v=-96BEoXJMs0

[54] Aitopics.org
http://aitopics.org/

[54.1] Deep Learning Startup Maluuba's AI Wants to Talk to You, 01.dec.2016
http://spectrum.ieee.org/tech-talk/computing/software/deep-learning-startup-maluubas-ai-wants-to-talk-to-you

[55] Affective Computing, Wikipedia
https://en.wikipedia.org/wiki/Affective_computing

[56] Emotional Intelligence, Wikipedia
https://en.wikipedia.org/wiki/Emotional_intelligence

[57] Affective Computing and AI Emotion Recognition, Nanalyze, 26.apr.2016
http://www.nanalyze.com/2016/04/affective-computing-and-ai-emotion-recognition/

[57.1] What is Affective Computing And How Could Emotional Machines Change Our Lives?, Forbes, 13.may.2016
http://www.forbes.com/sites/bernardmarr/2016/05/13/what-is-affective-computing-and-how-could-emotional-machines-change-our-lives/#4a403c9d1d5c

[57.2] Graphics Processing Unit, Wikipedia
https://en.wikipedia.org/wiki/Graphics_processing_unit

[57.3] Referências do Google sobre “GPU”
https://www.google.com.br/webhp?sourceid=chrome-instant&ion=1&espv=2&ie=UTF-8#q=gpu

[58] Nvidia
http://www.nvidia.com/page/home.html

[59] Google’s Making Its Own Chips Now. Time for Intel to Freak Out, Wired, 19.may.2016
https://www.wired.com/2016/05/googles-making-chips-now-time-intel-freak/

[60] 5 Startups Building Artificial Intelligence Chips, Nanalyze, 25.jun.2016
http://www.nanalyze.com/2016/06/5-startups-artificial-intelligence-chips/

[61] Intel is paying more than $400 million to buy deep-learning startup Nervana Systems, Recode, 09.aug.2016
http://www.recode.net/2016/8/9/12413600/intel-buys-nervana--350-million

[62] Nvidia crushes Q3 earnings, shares soar, ZD Net, 10.nov.2016
http://www.zdnet.com/article/nvidia-crushes-q3-earnings-shares-soar/

[62.1] Tesla announces all production cars now have fully self-driving hardware, Electrek, 19.oct.2016
https://electrek.co/2016/10/19/tesla-fully-autonomous-self-driving-car/

[62.2] The New Intel: How Nvidia Went From Powering Video Games To Revolutionizing Artificial Intelligence, Forbes Magazine, 30.nov.2016
http://www.forbes.com/sites/aarontilley/2016/11/30/nvidia-deep-learning-ai-intel/#2de001b339cc

[63] Cognitive Computing, Wikipedia
https://en.wikipedia.org/wiki/Cognitive_computing

[64] Artificial Intelligence Market worth 16.06 Billion USD by 2022, Markets & Markets, 2016
http://www.marketsandmarkets.com/PressReleases/artificial-intelligence.asp%20.asp

[65] Market for Artificial Intelligence Projected to Hit $36 Billion by 2025, Top 500, 30.aug.2016
https://www.top500.org/news/market-for-artificial-intelligence-projected-to-hit-36-billion-by-2025/

[66] Deep Learning Market worth 1,722.9 Million USD by 2022, 24.nov.2016
http://www.marketsandmarkets.com/PressReleases/deep-learning.asp

[67] Why Artificial Intelligence is the Future of Growth, Accenture, 2016 [PDF here]
https://www.accenture.com/t20161007T054423__w__/dk-en/_acnmedia/PDF-33/Accenture-Why-AI-is-the-Future-of-Growth.PDF

[67.1] How AI Is Shaking Up the Chip Market, Wired, 28.oct.2016
https://www.wired.com/2016/10/ai-changing-market-computer-chips/

[67.2] Report: Robot Revolution – Global Robot & AI Primer, Bank Of America & Merril Lynch, 16.dec.2015 [PDF]
https://www.bofaml.com/content/dam/boamlimages/documents/PDFs/robotics_and_ai_condensed_primer.pdf

[67.3] A Euforia da Inteligência Artificial, Saúde Business, 11.abr.2016
http://saudebusiness.com/a-euforia-da-inteligencia-artificial/

[68] AI startups are in the money: What are you doing?, Analytics Vidhya, 26.sep.2016
https://www.analyticsvidhya.com/blog/2016/09/what-should-you-learn-from-the-incredible-success-of-ai-startups/

[69] France makes its bid to be recognized as a global AI hub, Venture Beat, 06.nov.2016
http://venturebeat.com/2016/11/06/france-makes-its-bid-to-be-recognized-as-a-global-ai-hub/

[70] UK AI startups to watch: the hottest machine learning startups in the UK, Tech World, 21.oct.2016
http://www.techworld.com/picture-gallery/startups/uk-ai-startups-watch-hottest-machine-learning-startups-in-uk-3645606/

[71] The Deep Learning Market Map: 60+ Startups Working Across E-Commerce, Cybersecurity, Sales, And More, CB Insights, 30.sep.2016
https://www.cbinsights.com/blog/deep-learning-ai-startups-market-map-company-list/

[72] Google buys UK artificial intelligence startup Deepmind for £400m, The Guardian, 27.jan.2014
https://www.theguardian.com/technology/2014/jan/27/google-acquires-uk-artificial-intelligence-startup-deepmind

[73] GM Acquires Cruise For Over $1 Billion, Fast Company, 11.mar.2016, Fortune Magazine, 11.mar.2016
http://fortune.com/2016/03/11/gm-buying-self-driving-tech-startup-for-more-than-1-billion/

[74] GE acquires two artificial intelligence startups, Reuters, 15.nov.2016
http://www.reuters.com/article/us-ge-m-a-startups-idUSKBN13A1WJ

[74.1] Ford $F Acquires Israeli Deep Learning Startup SAIPS for Autonomous Vehicles Development, ExitHub, 17.ago.2016
http://exithub.com/ford-f-acquires-israeli-deep-learning-startup-saips-for-autonomous-vehicles-development/

[75] Amazon has a shiny new startup accelerator to advance conversational AI, TechCrunch, 01.dec.2016
https://techcrunch.com/2016/11/30/amazon-has-a-shiny-new-startup-accelerator-to-advance-conversational-ai/

[76] Venture capitalist Marc Andreessen explains how AI will change the world, Vox, 05.oct.2016
http://www.vox.com/new-money/2016/10/5/13081058/marc-andreessen-ai-future

[77] Why Even More M&A Activity Will Chase Machine Learning Startups in 2017, Fortune Magazine, 30.nov.2016
http://fortune.com/2016/11/30/machine-learning-startups/

[78] Google, Facebook, and Microsoft Are Remaking Themselves Around #AI, 21.nov.2016
https://www.wired.com/2016/11/google-facebook-microsoft-remaking-around-ai

[78.1] Yoshua Bengio, Wikipedia
https://en.wikipedia.org/wiki/Yoshua_Bengio

[79] Google invests more in Montreal-based deep learning experts, opens new AI lab, Ars Technica, 21.nov.2016
http://arstechnica.com/business/2016/11/google-invests-more-in-montreal-based-deep-learning-experts-opens-new-ai-lab/

[80] Google gives $4.5 million to UdeM "deep learning" lab, 27.nov.2016 [includes video], CTV News
http://montreal.ctvnews.ca/google-gives-4-5-million-to-udem-deep-learning-lab-1.3179216

[81] Why tech giants like Google are investing in Montreal’s artificial intelligence research lab, The Star, 21.nov.2016
https://www.thestar.com/business/2016/11/21/montreals-artificial-intelligence-research-lab-attracts-major-tech-firms-like-google.html

[82] Microsoft's newest milestone? World's lowest error rate in speech recognition, ZD Net News, 14.sep.2016
http://www.zdnet.com/article/microsofts-newest-milestone-worlds-lowest-error-rate-in-speech-recognition/

[83] Facebook's Relationship With Artificial Intelligence and Fake News: It's Complicated, Fortune, 01.dec.2016
http://fortune.com/2016/12/01/facebook-artificial-intelligence-news/

[84] Andrew Ng, Wikipedia
https://en.wikipedia.org/wiki/Andrew_Ng

[85] Referências do Google sobre “baidu deep learning”
https://www.google.com.br/webhp?sourceid=chrome-instant&ion=1&espv=2&ie=UTF-8#q=Baidu+Deep+Learning+

Emitido por Eduardo Prado
Outras matérias de Eduardo Prado:
1. Blog Saúde 3.0: http://saudebusiness.com/blogs/saude-3-0/
2. Convergência Digital: http://convergenciadigital.uol.com.br/cgi/cgilua.exe/sys/start.htm?sid=37


Carreira
Empregados de Telecom questionam jornada intermitente no STF

Federação dos Trabalhadores em empresas de Telecomunicações, Fenattel, sustenta que as novas regras permitem a remuneração abaixo do salário mínimo. No todo, o STF recebeu 10 ações contestando a nova legislação. STF julgará o mérito, sem prévia análise do pedido de liminar.


Veja a Cobertura Especial do IX Seminário TelComp 2016

Governo precisa atuar como coordenador na remoção às barreiras inúteis em Telecom

Se não é possível ao governo fazer investimentos, que ele funcione como um coordenador e incentive o diálogo com os órgãos que, hoje, dificultam os investimentos em redes, diz o presidente-executivo da TelComp, João Moura. Novo ciclo do PGMC é a última oportunidade para fomentar a inclusão.


Veja a Cobertura Especial do IX Seminário TelComp 2016

  • Copyright © 2005-2017 Convergência Digital
  • Todos os direitos reservados
  • É proibida a reprodução total ou
    parcial do conteúdo deste site
    sem a autorização dos editores
  • Publique!
  • Convergência Digital
  • Cobertura em vídeo do Convergência Digital
  • Carreira
  • Cloud Computing
  • Internet Móvel 3G 4G