IA
Autonomia em agentes de inteligência artificial
Nos últimos três anos parece que todo o mundo da tecnologia ficou monotemático e o tema é… IA! Apesar da popularização dos agentes de inteligência artificial ter acontecido de 2022 para cá, a onipresença é tamanha que, às vezes, parece que eles sempre existiram, como se não houvesse uma história da inteligência artificial.
Não é para menos: nós estamos na GenAI, como definiu uma pesquisa da McKinsey de 2024. Assim como os baby boomers se assustavam com a facilidade que a geração X tinha com computadores e da mesma forma que esta se espantava com a facilidade que os millenials tinham com a Internet, a geração que está nascendo atualmente é posterior à popularização da inteligência artificial.
Para dizer de outra forma, a IA é aquele tipo de inovação que define uma Era. Assim como não concebemos mais a vida sem energia elétrica, meios de transporte rápidos, telefonia, computadores e Internet, não será possível imaginar a vida sem a inteligência artificial.
Como se tornou quase o tema único de discussão no campo da tecnologia e no mundo corporativo, a IA parece uma grande novidade. Mas a história da inteligência artificial não é curta. Segue com a gente neste texto para entender de onde ela vem e, consequentemente, quais caminhos são possíveis a partir dela!
Antes da história, o porquê. Ao termo “inteligência artificial” podemos opor “inteligência natural”. Dado que a espécie humana é a mais inteligente do planeta, quando falamos de inteligência natural estamos falando da nossa capacidade de pensar, de construir raciocínios complexos.
A IA como conhecemos hoje só existe porque há mais de 70 anos a humanidade imaginou ser possível emular o funcionamento do cérebro. O mais icônico paradigma da computação argumenta exatamente sobre a hipótese de máquinas pensarem como pessoas. Em 1950, Alan Turing sugeriu que computadores evoluíram a ponto de ficar impossível distinguir se estamos interagindo com humanos ou programas. Em seu artigo “Máquinas de computação e inteligência”, o matemático inglês propõe o jogo da imitação, um exercício no qual um avaliador interage, separadamente e por mensagens de texto, com um humano e com uma máquina. Se ao final do exercício o avaliador não conseguisse distinguir quem é quem, a máquina teria vencido.
Para vencer o jogo da imitação, um programa precisaria “pensar”. A partir dessa premissa, cientistas inspiraram-se nas redes de neurônios para conceber as RNAs, redes neurais artificiais: modelos computacionais que são capazes de reconhecer padrões, classificá-los e aprender com isso.
Assim como as biológicas, as redes neurais artificiais possuem camadas. E assim como qualquer programa de computador, elas tem arquitetura de aplicações. Na prática, a quantidade e forma de organização das camadas define a arquitetura da RNA. Quanto mais profunda, maiores as possibilidades de aprendizado.
Mesmo antes do teste de Turing, cientistas acreditavam que máquinas seriam capazes de emular o pensamento humano. Antes mesmo do termo “inteligência artificial” existir, Walter Pitts e Warren McCulloch, em artigo de 1943 intitulado “Um cálculo lógico das ideias imanentes na atividade nervosa”, propuseram um modelo simplificado para tentar ilustrar como supostamente se daria o funcionamento do cérebro humano, matematicamente falando.
As ideias de Pitts e McCulloch pavimentaram o caminho para a construção de uma inteligência artificial. Em 1952 Marvin Minsky apresenta a Snarc, a primeira máquina construída com uma rede neural artificial e, portanto, capaz de aprender. No mesmo ano, Arthur Samuel demonstra na IBM o Checkers-Playing, seu software para jogar damas. Ele foi o primeiro software de autoaprendizagem da história.
Assim como nas redes neurais biológicas, as artificiais também partem do “neurônio”. O “artificial” foi apresentado em 1958 por Frank Rosenblatt e ganhou o nome de perceptron: um classificador linear que mapeia valores de entrada para um valor de saída.
O algoritmo perceptron calcula um valor de saída a partir de alguns valores de entrada sendo que estes tem pesos, que expressam a importância de cada valor de entrada. O cálculo que o perceptron faz é uma soma ponderada dos valores de entrada e leva em consideração um valor de viés, um termo constante que não depende dos valores de entrada.
O valor de saída de cada perceptron é necessariamente um dos valores de entrada de todos os perceptrons da camada seguinte. Nessa nova camada, os perceptrons fazem o mesmo cálculo, a soma ponderada dos valores anteriores, levando em consideração um valor de viés – e assim sucessivamente – até chegar ao valor final da rede neural artificial.
Nos anos 1960 a inteligência artificial saiu das universidades e centros de pesquisa de empresas e ganhou aplicação industrial e comercial. Utilizando Lisp, uma linguagem de programação desenvolvida por John McCarthy – o criador do termo “inteligência artificial” -, uma equipe de cientistas liderada por Edward Feigenbaum, Joshua Lederberg e Carl Djerassi programam Dendral: um sistema que, a partir da análise de dados de elementos químicos conseguia encontrar estruturas de grandes moléculas orgânicas.
A década de 1960 também viu nascer o primeiro chatbot que usava linguagem natural, o primeiro braço robótico industrial, o primeiro robô capaz de perceber o ambiente para se movimentar… A IA ficava cada vez mais próxima do uso diário.
Contudo, foi na década de 1980 que, na história da inteligência artificial, foi estabelecido um marco fundamental para alcançarmos a IA como conhecemos hoje: o algoritmo de retropropagação, descrito no artigo “Aprendizado de representações por meio da retropropagação de erros” de David Rumelhart, Geoffrey Hinton e Ronald Williams.
O algoritmo viabiliza que um sinal seja enviado para trás – ou “retropropagado” – pelas redes neurais, informando quanto e em qual direção cada perceptron contribuiu para o erro final. O sinal informa uma sensibilidade do erro, ou seja, quanto uma diferença de valores, seja nas entradas ou nos pesos, alteraria o valor de saída. Esse sinal é usado para calcular o ajuste dos pesos de cada conexão.
Graças ao algoritmo de retropropagação foi possível desenvolver redes neurais artificiais com um número maior de camadas e com valores de saída apresentando um índice de erro muito menor.
Conforme dissemos no início do texto, a inteligência artificial marca uma nova Era. Assim como eletrificamos tudo que conseguimos, de chuveiros a carros, e vimos a Internet chegar nos menores dispositivos, veremos o mesmo com a IA.
Se sua empresa ainda não aplica inteligência artificial nos seus processos, você pode nos acionar para dar esse passo de transformação dos seus negócios. Aqui na Inmetrics temos uma unidade de Consultoria, Dados e Inteligência Artificial completamente habilitada a pensar a IA no contexto da sua empresa. Para conhecer todas as possibilidades, clique aqui e faça contato!
