um processo chamado treinamento, em que um programa de computador recebe uma grande quantidade de dados - às vezes com rótulos explicando o que são os dados - e um conjunto de instruções.
A instrução pode ser algo como: "encontre todas as imagens que contêm rostos" ou "categorize esses sons".
O programa então procurará padrões nos dados que recebeu para atingir esses objetivos.
Pode ser necessário algum empurrão ao longo do caminho - como "isso não é um rosto" ou "esses dois sons são diferentes" - mas o que o programa aprende com os dados e as pistas fornecidas torna-se o modelo de IA - e o material de treinamento termina definindo suas habilidades.
Uma maneira de ver como esse processo de treinamento pode criar diferentes tipos de IA é pensar em diferentes animais.
Ao longo de milhões de anos, o ambiente natural levou os animais a desenvolver habilidades específicas. De maneira semelhante, os milhões de ciclos que uma IA faz por meio de seus dados de treinamento moldarão a maneira como ela se desenvolve e levarão a modelos especializados de IA.
Então, quais são alguns exemplos de como treinamos IAs para desenvolver diferentes habilidades?
O que são chatbots?
Pense em um chatbot como um papagaio. Ele faz imitação e pode repetir palavras que ouviu com alguma compreensão de seu contexto, mas sem um sentido completo de seu significado.
Os chatbots fazem o mesmo - embora num nível mais sofisticado - e estão prestes a mudar a nossa relação com a palavra escrita.
Mas como esses chatbots sabem escrever?
Eles são um tipo de IA conhecido como modelos de linguagem grande (MLLs) e são treinados com grandes volumes de texto.
Um MLL é capaz de considerar não apenas palavras individuais, mas frases inteiras e comparar o uso de palavras e frases em uma passagem com outros exemplos em todos os seus dados de treinamento.
Usando esses bilhões de comparações entre palavras e frases, é possível ler uma pergunta e gerar uma resposta - como uma mensagem de texto preditiva em seu telefone, mas em grande escala.
O incrível sobre os grandes modelos de linguagem é que eles podem aprender as regras da gramática e descobrir o significado das palavras, sem ajuda humana.
Posso conversar com a inteligência artificial?
Se você já usou Alexa, Siri ou qualquer outro tipo de sistema de reconhecimento de voz, está usando IA.
Imagine um coelho com suas orelhas grandes, adaptadas para captar pequenas variações de som.
A IA grava os sons enquanto você fala, remove o ruído de fundo, separa sua fala em unidades fonéticas – os sons individuais que compõem uma palavra falada – e depois os compara a uma biblioteca de sons de linguagem.
Sua fala é então transformada em texto, onde quaisquer erros de escuta podem ser corrigidos antes que uma resposta seja dada.
Esse tipo de inteligência artificial é conhecido como processamento de linguagem natural.
É a tecnologia por trás de tudo, desde você dizer "sim" para confirmar uma transação bancária por telefone, até pedir ao seu celular para informar sobre o tempo nos próximos dias em uma cidade para a qual você está viajando.
A IA pode entender imagens?
Seu telefone já reuniu suas fotos em pastas com nomes como "na praia" ou "Natal"?
Então você está usando IA sem perceber. Um algoritmo de IA descobriu padrões em suas fotos e os agrupou para você.
Esses programas foram treinados examinando uma grande quantidade de imagens, todas rotuladas com uma descrição simples.
Se você der a uma IA de reconhecimento de imagem exemplos suficientes rotulados como "bicicleta", eventualmente ela começará a descobrir como é uma bicicleta e como ela é diferente de um barco ou carro.
Às vezes, a IA é treinada para descobrir pequenas diferenças em imagens semelhantes.
É assim que o reconhecimento facial funciona, encontrando uma relação sutil entre as características do seu rosto que o tornam distinto e único quando comparado a todos os outros rostos do planeta.
O mesmo tipo de algoritmo foi treinado com exames médicos para identificar tumores que oferecem risco à vida - e pode funcionar em milhares de investigações no tempo que levaria para um médico examinar apenas um paciente.
Como a IA cria novas imagens?
Recentemente, o reconhecimento de imagem foi adaptado a modelos de IA que aprenderam o poder camaleônico de manipular padrões e cores.
Essas IAs geradoras de imagens podem transformar os padrões visuais complexos que coletam de milhões de fotografias e desenhos em imagens completamente novas.
Você pode pedir à IA para criar uma imagem fotográfica de algo que nunca aconteceu - por exemplo, a foto de uma pessoa andando na superfície de Marte.
Ou você pode direcionar criativamente o estilo de uma imagem: "Faça um retrato da técnica de futebol do Brasil, pintado no estilo de Picasso".
As IAs mais recentes iniciam o processo de geração dessa nova imagem com uma coleção de pixels coloridos aleatoriamente.
Ela procura nos pontos aleatórios qualquer sugestão de um padrão que aprendeu durante o treinamento - padrões para construir objetos diferentes.
Esses padrões são lentamente aprimorados pela adição de mais camadas de pontos aleatórios, mantendo os pontos que desenvolvem o padrão e descartando outros, até que finalmente surge uma semelhança.
Desenvolva todos os padrões necessários como "superfície de Marte", "astronauta" e "caminhando" juntos e você terá uma nova imagem.
Como a nova imagem é construída a partir de camadas de pixels aleatórios, o resultado é algo que nunca existiu antes, mas ainda é baseado nos bilhões de padrões aprendidos com as imagens de treinamento originais.
A sociedade agora está começando a lidar com o que isso significa para coisas como direitos autorais e a ética da criação de obras de arte treinadas a partir do trabalho árduo de verdadeiros artistas, designers e fotógrafos.
E os carros autônomos?
Os carros autônomos fazem parte do debate sobre IA há décadas, e a ficção científica os fixou na imaginação popular.
A IA nos carros deste tipo é conhecida como direção autônoma e os carros são equipados com câmeras, radares e lasers de detecção de alcance.
Pense em uma libélula, com visão de 360 graus e sensores nas asas para ajudá-la a manobrar e fazer ajustes constantes durante o voo.
De maneira semelhante, o modelo de IA usa os dados de seus sensores para identificar objetos e descobrir se eles estão se movendo e, em caso afirmativo, que tipo de objeto em movimento eles são - outro carro, uma bicicleta, um pedestre ou qualquer outra coisa.
Milhares e milhares de horas de treinamento para entender como é uma boa direção permitiram que a IA pudesse tomar decisões e agir no mundo real para dirigir o carro e evitar colisões.
Os algoritmos preditivos podem ter lutado por muitos anos para lidar com a natureza muitas vezes imprevisível dos motoristas humanos, mas os carros sem motorista já coletaram milhões de quilômetros de dados em estradas reais. Em São Francisco, na Califórnia, eles já estão transportando passageiros pagantes.
A direção autônoma também é um exemplo muito público de como as novas tecnologias devem superar mais do que apenas obstáculos técnicos.
A legislação governamental e os regulamentos de segurança, juntamente com um profundo sentimento de ansiedade sobre o que acontece quando entregamos o controle às máquinas, ainda são obstáculos potenciais para um futuro totalmente automatizado em nossas estradas.
FONTE: https://www.bbc.com/portuguese/resources/idt-74697280-e684-43c5-a782-29e9d11fecf3
Nenhum comentário:
Postar um comentário