Porque é que a Inteligência Artificial (IA) será a tecnologia de 2023 e mais além

Todos os anos há uma nova conquista tecnológica: cadeia de blocos (Blockchain), impressão 3D, Web 3.0 e o metaverso. Então, qual é a tecnologia de 2023?

Inteligência Artificial (IA).  Embora eu esteja fortemente envolvido nesta tecnologia há 10 anos, estamos no meio de um significativo salto em frente na inteligência artificial. Só nos últimos meses, temos visto avanços nas capacidades de IA que têm impressionado até os cépticos. Mas primeiro, vamos dar alguns passos atrás e olhar para a evolução da IA ao longo da última década.

2012-2014 – O início do reconhecimento de imagem, compreensão de leitura e compreensão de linguagem

Alguns investigadores afirmam que 2012 foi um marco para a Aprendizagem Profunda (“Deep Learning”). Foi o ano em que os investigadores do Google construíram uma grande rede neural de 16.000 processadores com um bilião de ligações para reconhecer imagens e vídeos de gatos. Este é um exemplo de aprendizagem reforçada, que, juntamente com a aprendizagem supervisionada e a indução de programas probabilísticos, tem sido uma das estruturas da IA que tem tido muito sucesso na última década. O reconhecimento de imagens de gatos pode parecer um pequeno feito. Na altura, contudo, as máquinas estavam apenas a começar a utilizar a Aprendizagem Profunda para o reconhecimento de imagens. Em 2012, o reconhecimento de imagens estava ainda na sua infância, e testes comparando o desempenho da IA com o desempenho humano descobriram que o desempenho da IA era cerca de -40, ainda abaixo do desempenho humano (aqui na linha de base zero). Para além do reconhecimento de imagem, há uma década atrás a IA desempenhava ainda pior que os humanos noutras tarefas, tais como a compreensão da leitura e da linguagem. Embora o NELL (Never-Ending Language Learning), um sistema semântico de aprendizagem de línguas, tenha sido inventado em 2013, a IA ainda não conseguia realizar tarefas de processamento de línguas de forma fiável. A capacidade da IA de reconhecer a fala melhorou drasticamente com a invenção do Alexa em 2014, e antes disso o Siri da Apple permitiu aos utilizadores controlar os seus telefones por voz. Contudo, a capacidade da IA para compreender a fala era ainda inferior à dos humanos. Nos anos seguintes, a IA atingiu um nível de desempenho na compreensão da linguagem que era melhor do que o dos seres humanos. Isto deveu-se a melhorias no reconhecimento da fala, avanços no processamento da linguagem e modelos relacionados de linguagem de redes neurais, e organização da informação. Embora os sistemas de IA ainda tenham dificuldade em compor textos longos e coerentes, os chatbots como “ChatGPT” mostram os imensos progressos que foram feitos até à data.

2015 – 2017 A IA começou a ser melhor do que os humanos

2015 foi o ano em que qualquer pessoa foi autorizada a criar modelos de IA expressivos. Depois do próprio sistema de inteligência artificial da IBM “Watson” se ter tornado famoso em 2011 por derrotar o campeão do Jeopardy! Ken Jennings, várias plataformas de aprendizagem de máquinas de código aberto entraram no mercado (por exemplo, a estrutura de aprendizagem profunda de código aberto TensorFlow da Google). Isto permitiu que empresas e programadores trabalhassem com esta tecnologia de novas formas. Além disso, este ano foram feitos avanços chave no reconhecimento de face e imagem. Este ano também assistiu à 10ª edição do Desafio de Reconhecimento Visual em Grande Escala ImageNet (ImageNet é uma colecção padronizada de milhões de fotos utilizadas para treinar e testar programas de identificação visual). Em 2016, Deep Reinforcement Learning – uma combinação de redes neuronais e aprendizagem de reforço – criou um grande burburinho na comunidade AI quando o AlphaGo do Google venceu o melhor jogador de Go do mundo. Além disso, em 2017 foi introduzido o Transformer, que aumentou a utilização de modelos de aprendizagem auto-supervisionados em conjunto com as redes neurais profundas. Hoje em dia, estes modelos Transformer são a abordagem principal para o processamento de linguagem natural (PNL), incluindo aplicações como a tradução automática e a pesquisa na web do Google.

2018 – 2019 Segurança de dados, processamento linguístico e IA em medicina

Devido ao escândalo da Cambridge Analytica, 2018 foi o ano em que o tema da segurança de dados atingiu o seu auge. Em consonância com isto, um inquérito McKinsey descobriu que em 2018, o risco era uma das funções em que a maioria dos inquiridos via valor na IA. Além disso, o processamento de voz deu um grande salto no desenvolvimento do BERT em 2018. O BERT é um exemplo de um modelo de linguagem de rede neural que aprende o uso de palavras, gramática, significado e factos básicos em diferentes contextos. Ao ligar sequências de palavras em simultâneo, em vez de as encadear da esquerda para a direita, modelos como o BERT podem gerar resumos que são quase indistinguíveis de textos gerados pelo homem. Estes modelos de processamento de linguagem são cruciais para apoiar aplicações como os chatbots e têm proporcionado imensos progressos ao longo da última década. Além disso, em 2019, os investigadores começaram a desenvolver um sistema de IA que supera os radiologistas humanos na detecção do cancro do pulmão. Isto foi conseguido com um algoritmo de aprendizagem profunda que pode interpretar tomografias computorizadas (TAC) para prever a probabilidade de doença.

2020 – 2021 Progresso rápido da IA devido à pandemia

Em 2020, o desenvolvimento da IA foi impulsionado e acelerado devido à pandemia da COVID 19. A inteligência artificial foi fundamental para acelerar o desenvolvimento de vacinas, o que normalmente teria levado várias décadas. Em vez disso, o processo foi significativamente encurtado porque a IA ajudou os investigadores a analisar grandes quantidades de dados. O crescimento da IA é ilustrado pelo investimento empresarial global de 68 mil milhões de dólares, um aumento de 40% entre 2019 e 2020. Além disso, só em 2021, o número de pedidos de patentes relacionados com inovações de IA foi 30 vezes superior ao número de pedidos em 2015, demonstrando o rápido progresso no desenvolvimento da IA. No ano passado, a comunidade de investigação concentrou-se principalmente na aplicação de IA em computadores. Neste subcampo, as máquinas são ensinadas a compreender as imagens e outro material visual de tal forma que têm um bom desempenho na classificação de imagens, reconhecimento de objectos, mapeamento da posição e movimento das articulações do corpo humano e reconhecimento de rostos.

Hoje em dia, é impossível imaginar as nossas vidas sem IA.

A inteligência artificial (IA) tem sofrido um rápido desenvolvimento nos últimos dez anos. Há apenas 10 anos, praticamente nenhuma máquina era capaz de reconhecer de forma fiável a fala ou as imagens. Hoje em dia, as máquinas aprenderam a superar os humanos em muitas tarefas. Por exemplo, os sistemas de IA podem detectar débitos fraudulentos antes de se saber que se perdeu o cartão ou verificar os requisitos para a concessão de um empréstimo. A IA reconhece padrões e avalia opções na nossa vida diária. Qual o posto Instagram de que gosto e que me mantém na plataforma dos meios de comunicação social, que preço na Amazon me encoraja a comprar e se eu queria deixar os meus AirPods em casa. Nos últimos meses, assistiu-se a uma explosão de “IA generativa” em particular – sistemas que criam novas possibilidades. Temos visto avanços nas capacidades de IA que têm impressionado até os cépticos.

Uma exibição de fogo-de-artifício de inteligência artificial generativa

Em poucos meses, foram lançados três AIs diferentes geradores de imagem: Dall-E, Midjourney e Stable Diffusion. Introduz-se um texto e o sistema gera uma imagem em poucos segundos. Pede-se “um astronauta a montar um cavalo em Marte” e a IA começa. Uma imagem de Midjourney estava na capa do Economist em Junho de 2022, e outra ganhou um prémio na Feira Estatal do Colorado. Um sinal do que está para vir em 2023.

Para mim, os desenvolvimentos na IA geradora de texto são ainda mais excitantes. O arranque americano OpenAI criou um hype mundial com o seu chatbot “ChatGPT”. Este “chatbot” imita a rede neural de um cérebro humano. O bot pode manter conversas semelhantes às humanas e dar respostas convincentes mesmo a perguntas técnicas e diálogos mais complexos. Este é um marco importante para os sistemas de IA, uma vez que o processamento da linguagem provou ser uma das tarefas mais difíceis para a IA no passado.

O uso crescente de IA nas empresas

O relatório deste ano sobre o estado da IA mostra que o progresso na indústria também está a acelerar. Em 2020, nem um único medicamento estava em ensaios clínicos que tivessem sido desenvolvidos utilizando uma abordagem AI-first. Actualmente, existem 18. Um sistema de IA da BioNTech identificou com sucesso numerosas variantes de alto risco covídeo meses antes de serem detectadas pelo sistema de rastreio da OMS.

De acordo com McKinsey, o uso de IA mais do que duplicou desde 2017. A automação robótica e a visão por computador são as funções de IA que são mais utilizadas todos os anos. Além disso, o investimento em IA tem aumentado. Actualmente, 52% dos inquiridos dizem que 5% do seu orçamento digital é gasto em investimentos em IA. Em 2017, esta percentagem de inquiridos ainda se situava nos 40%.

No entanto, a adoção da IA ainda está concentrada entre as empresas com melhor desempenho em IA. Isto significa que as empresas que lideraram o caminho da IA ainda hoje estão a construir a sua vantagem competitiva. Estes líderes da IA estão mais empenhados na “industrialização da IA”, associando a sua estratégia de IA às suas práticas empresariais fundamentais. As razões pelas quais estas empresas continuam a ter um desempenho superior são o facto de investirem mais e gastarem mais do que os retardatários da IA, o que atrai mais e melhores talentos (tecnológicos).

O que está para vir no futuro da IA?

Até 2023, veremos mais sistemas deste tipo a complementar ou a substituir-nos a nós, criadores humanos, em muitas áreas. A geração de vídeo está a ser desenvolvida, tal como a criação de meios de comunicação personalizados. (“Siri, mostra-me um filme de 90 minutos sobre uma CEO que desiste da sua carreira para fazer fortuna como atriz, ao estilo de Steven Spielberg”).

Mas, embora tenha havido um progresso tremendo e mais empresas tenham adotado a IA, ainda há muita investigação a fazer antes de podermos produzir sistemas de IA de uso totalmente geral. Nos próximos anos, assistiremos a novos avanços nos modelos de aprendizagem auto-supervisionada, na aprendizagem contínua e na generalização de tarefas. Por exemplo, as futuras aplicações de modelos linguísticos de redes neuronais, como o BERT, poderão permitir a interação humana entre línguas e contextos. É provável que consigamos obter dados de maior qualidade para línguas utilizadas por populações mais pequenas, e será mais fácil detetar e eliminar preconceitos nos sistemas de IA. Por conseguinte, é de esperar que os chatbots de IA, como o “ChatGPT”, se tornem mais parecidos com os humanos e sejam mais amplamente utilizados, por exemplo, em escolas e universidades.

Nos próximos anos, assistiremos a uma maior utilização do reconhecimento facial para controlo de acesso e segurança. A China é um dos exemplos mais proeminentes em que o governo incorporou quase totalmente a tecnologia de reconhecimento facial na sua sociedade. No entanto, resta saber se mais países seguirão o exemplo da China, uma vez que esta omnipresença da IA na sociedade é suscetível de suscitar preocupações em matéria de privacidade, vigilância e ética.

O que é certo é que a adoção e o investimento em inteligência artificial continuarão a crescer nos próximos anos. De facto, de acordo com o inquérito da McKinsey, 63% dos inquiridos afirmam que os seus investimentos em IA irão aumentar nos próximos anos, gerando benefícios como efeitos positivos nas receitas e redução de custos. Até 2025, prevê-se que as receitas globais das aplicações empresariais relacionadas com a IA atinjam 31 mil milhões de dólares. No entanto, o crescimento da IA tem de ser transparente e gerido de forma a dar resposta a preocupações éticas e de privacidade. Por conseguinte, os governos e as empresas devem criar hoje leis sobre a IA que orientem o seu desenvolvimento no futuro.

Britta Daffner

As the "Head of Data Strategy & Data Culture" at O2 Telefónica, Britta champions data-driven business transformation. She is also the founder of "dy.no," a platform dedicated to empowering change-makers in the corporate and business sectors. Before her current role, Britta established an Artificial Intelligence department at IBM, where she spearheaded the implementation of AI programs for various corporations. She is the author of "The Disruption DNA" (2021), a book that motivates individuals to take an active role in digital transformation.