Ciência da IA
A Inteligência Artificial é um conjunto de diferentes Ciências :
- Aprendizado de máquina (ML)
- Redes Neurais (NN)
- Aprendizado Profundo (DL)
- Big Data
Cientistas de IA
Os cientistas de IA criam software com algoritmos que podem realizar tarefas que normalmente exigem inteligência humana.
Os cientistas de IA podem ser especialistas em várias disciplinas de IA:
- Matemática Aplicada
- Estatísticas computacionais
- Ciência da Computação
- Aprendizado de máquina
- Aprendizado profundo
Alguns cientistas de IA também têm uma experiência significativa em big data:
- Inteligência de negócios
- Projeto de banco de dados
- Projeto de Data Warehouse
- Mineração de dados
- Consultas SQL
- Relatórios SQL
IA fraca
A Inteligência Artificial fraca é limitada a áreas específicas ou estreitas, como a maioria da IA que temos ao nosso redor hoje:
- Motores de busca
- Siri da Apple
- Cortana da Microsoft
- Alexa da Amazon
- Watson da IBM
A IA fraca também é chamada de IA estreita.
A IA Fraca simula a cognição humana em contraste com a IA Forte que tem cognição humana .
IA forte
Inteligência Artificial Forte é o tipo de IA que imita a inteligência humana.
A IA forte indica a capacidade de pensar, planejar, aprender e se comunicar.
Strong AI é o próximo nível teórico de AI: True Intelligence .
A IA forte se move em direção a máquinas com autoconsciência, consciência e pensamentos objetivos.
Aprendizado de máquina (ML)
A programação clássica usa programas para criar resultados:
Computação Tradicional
Dados + Programa de Computador = Resultado
Machine Learning usa resultados para criar programas (algoritmos):
Aprendizado de máquina
Dados + Resultado = Programa de Computador
"Machine Learning é um campo de estudo que dá aos computadores a capacidade de aprender sem serem programados."
Arthur Samuel (1959)
Redes Neurais (NN)
Uma das descobertas mais significativas da história é o poder das Redes Neurais (NN).
Nas Redes Neurais, muitas camadas de dados chamadas Neurônios são adicionadas ou empilhadas umas sobre as outras para computar novos níveis de dados.
Nomes curtos comumente usados:
- Rede Neural Profunda DNN
- Rede Neural Convolucional CNN
- Rede Neural Recorrente RNN
Aprendizado Profundo (DL)
Deep Learning são algoritmos que usam Redes Neurais para extrair dados de nível superior.
Cada camada sucessiva usa a camada anterior como entrada.
Por exemplo, a leitura óptica usa camadas baixas para identificar bordas e camadas superiores para identificar letras.
O Deep Learning tem duas fases:
1. Treinamento: Os dados de entrada são usados para calcular os parâmetros do modelo.
2. Inferência: O modelo "treinado" gera dados de qualquer entrada.
A revolução do aprendizado profundo
A revolução do aprendizado profundo está aqui!
A revolução do aprendizado profundo começou por volta de 2010. Desde então, o aprendizado profundo tem sido usado para resolver muitos problemas "insolúveis".
Exemplos
Redes Neurais Convolucionais (CNNs)
CNNs profundas como ResNeta e Inception reduziram a taxa de erro na classificação ImageNet de 25% em 2011 para 5% em 2017.
ImageNet é um banco de dados de imagens organizado de acordo com a hierarquia WordNet, na qual cada nó da hierarquia contém centenas e milhares de imagens. ImageNet é um recurso útil para pesquisadores, educadores, estudantes e todos os outros apaixonados por imagens.
WordNet é um banco de dados léxico de relações semânticas entre palavras em mais de 200 idiomas. Ele é organizado como uma combinação de dicionário e tesauro, ligando palavras em relações semânticas usando sinônimos, hipônimos e merônimos.
Redes neurais recorrentes (RNNs)
As RNNs estão ajudando a criar partituras musicais e novos sons de instrumentos:
https://magenta.tensorflow.org/demos .
História da IA
| 1950 | Alan Turing publica "Computing Machinery and Intelligence" |
| 1956 | AI mencionado pela primeira vez por John McCarthy em uma conferência acadêmica |
| 1957 | Primeira linguagem de programação para computação numérica e científica (FORTRAN) |
| 1958 | Primeira linguagem de programação de IA (Lisp) |
| 1959 | Arthur Samuel usou o termo "Aprendizado de Máquina" |
| 1961 | Primeiro robô industrial (Unimate) na linha de montagem da General Motors. |
| 1965 | ELIZA de Joseph Weizenbaum foi o primeiro programa interativo que podia comunicar sobre qualquer assunto |
| 1972 | Primeira linguagem de programação lógica (PROLOG) |
| 1997 | Deep Blue (IBM) vence o campeão mundial de xadrez |
| 2002 | O primeiro limpador de robô (Roomba) |
| 2005 | Carro autônomo (STANLEY) vence DARPA |
| 2008 | Avanço no reconhecimento de fala (Google) |
| 2011 | Uma rede neural conquista os humanos no reconhecimento de sinais de trânsito (99,46% vs 99,22%) |
| 2011 | Siri da Maçã |
| 2011 | Watson (IBM) vence Jeopardy! |
| 2014 | Amazon Alexa |
| 2014 | Microsoft Cortana |
| 2014 | Carro autônomo (Google) passa em um teste de direção estadual |
| 2015 | Google AlphaGo derrotou vários campeões humanos no jogo de tabuleiro Go |
| 2016 | O robô humano Sofia por Hanson Robotics |
