2016, o ano no qual a Inteligência Artificial deixou os centros de pesquisa
Os avanços foram significativos, e em diversas áreas. Mas serão ainda maiores em 2017, quando a IA deve se tornar cada vez mais onipresente
Para a inteligência artificial, 2016 foi um grande ano. Finalmente, estamos assistindo ao início da grande revolução prometida pela tecnologia. “Nós vimos gigantes da indústria como a Microsoft, Google, Amazon,
IBM, Intel e Nvidia, fazendo da IA ou a sua ‘estrela guia”
ou parte de avanços significativos em produtos capazes de democratizar o acesso aos benefícios propostos pela tecnologia.”
Entre 2015 e 2016, a corrida para garantir qualquer “pedaço de terra”
em inteligência artificial foi um dos aspectos mais visíveis da
indústria. Em 2015, pelo menos 20 empresas de inteligência
artificial foram adquiridas, de acordo com a CB Insights. Em 2016, a Apple adquiriu a Emotient, a Tuplejump e a Turi, enquanto a
Salesforce comprou a PredictionIQ e a MetaMind; o Google adquiriu a Api.ai e a Moodstocks; e a Intel, por sua vez, arrematou a Itseez, a Nervana Systems e a Movidius.
Twitter, eBay, Oracle, Amazon, Microsoft e GE também adquiriram empresas
focadas em IA. Algumas delas eram startups proeminentes, o que
significa que as grandes empresas estavam mais
interessadas nos pesquisadores que estavam
trabalhando nos avanços tecnológicos, do que nos produtos ainda em gestação.
Grandes players dentro e fora da
indústria veem que a IA estará no epicentro de toda solução, seja para
ajudar os clientes a escolherem o revestimento perfeito pela Internet,
ou dar-lhes orientações em torno de um acidente na estrada, encontrar
ações fraudulentas em contas de clientes, ou interagir com clientes por
comandos de voz, texto e aplicativos de bate-papo.
Os computadores podem analisar os sentimentos que expressamos nas mídias sociais e projetar expressões na face dos robôs para nos fazer acreditar que estão felizes ou zangados, mas ninguém acredita seriamente que eles “tenham” sentimentos ou que, de fato, possam vivencia-los.
Mesmo após a vitória do Deep Blue sobre o campeão mundial de xadrez Garry Kasparov, em 1997, os computadores não chegaram a ser páreo para um ser humano em outro jogo de tabuleiro, o milenar Go. Isso mudou em março deste ano, quando o AlphaGo, desenvolvido pela DeepMind, subsidiária do Google, superou Lee Sedol, o então melhor jogador do mundo em Go, com um placar de 4 a 1 em um torneio de cinco jogos.
A arma secreta do AlphaGo era uma técnica chamada aprendizado de reforço, em que um programa descobre por si mesmo quais ações aproximam de seu objetivo e reforça esses comportamentos, sem a necessidade de ser ensinado por uma pessoa sobre quais passos estão corretos. Isso significava que ele poderia jogar repetidamente contra si mesmo e gradualmente aprender quais estratégias usar em cada ocasião.
Técnicas de aprendizado de reforço estão em desenvolvimento há algumas décadas, mas só recentemente os computadores ganharam poder de processamento (para testar cada caminho possível) e memória (para lembrar quais os passos levariam ao objetivo) suficientes para jogar um jogo de alto nível como o Go, a uma velocidade competitiva.
Um hardware com melhor desempenho também moveu a inteligência artificial de outras maneiras.
A TPU é uma das responsáveis pelo AlphaGo ser tão rápido, mas o Google também usou o chip para acelerar as funções de mapeamento e navegação no Street View e melhorar os resultados da pesquisa com uma nova ferramenta de AI chamada RankBrain. Durante sua conferência anual para desenvolvedores, a Google I/O, a
companhia revelou uma série de produtos alimentados com IA, via o
Google Assistant. Entre eles o seu hub doméstico Home, o aplicativo de bate-papo Allo e
o app para conversas em vídeo, o Duo.
IA como serviço
Engana-se quem pensa, no entanto, que o Google está mantendo seus avanços em IA para uso próprio. Assim como outros players da indústria, terceiros podem usar o TensorFlow como base de seus próprios projetos, já que o programa foi disponibilizado no repositório open source GitHub, ou como serviço, através do uso de APIs da Google Cloud.
A Amazon Web Services e a Microsoft Azure adicionaram APIs de
aprendizado de máquina, enquanto a IBM está construindo um negócio em
torno do acesso em nuvem ao seu Watson.
A Microsoft equipou alguns de seus servidores Azure com FPGAs (matrizes
programáveis em campo) para acelerar certas funções de aprendizado de
máquina, enquanto a IBM tem como alvo aplicativos semelhantes com uma
gama de servidores que usam hardware personalizado para vincular suas
CPUs de energia com GPUs da Nvidia.
O fato dessas ferramentas de hardware e software já estarem disponíveis nas diversas nuvens também ajudará sistemas de Inteligência Artificial de outras formas.
Ser capaz de armazenar e processar enormes volumes de dados só é útil se a Inteligência Artificial também tiver acesso a grandes quantidades de dados. É a partir deles que a tecnologia aprende – dados como os coletados e fornecidos pelos serviços em nuvem, como informações sobre o clima, entregas por correspondência, pedidos de passeios ou tweets de pessoas, como você, ajudam as máquinas a aprender.
O acesso a todos esses dados brutos, processados e rotulados por treinadores humanos é um dos fatores que transformam a pesquisa em IA hoje.
Próxima do ideal
Em outubro, a presidente e CEO da IBM, Ginni Rometty, disse
durante palestra na conferência “World of Watson” que , nos próximos
cinco anos, todas as decisões importantes, pessoais ou empresariais, serão feitas com a ajuda do sistema de computação cognitiva Watson IBM.
Uma declaração como essa aposta muita confiança nos avanços já visíveis da Inteligência Artificial.
“Estamos perto de onde eu esperava que estivéssemos na indústria,
mas, esteja ciente que esta é uma barra em movimento e um grande avanço
pode mudar essa dinâmica dramaticamente. Há muitas pessoas na caça
desse grande avanço”, destacou Rob Enderle, analista do Enderle Group.
“No
próximo ano, veremos muito mais sistemas inteligentes, um grupo cada vez
mais capacitado de assistentes inteligentes e muito mais carros
autônomos, e até mesmo voos autônomos sendo testados”, completa Enderle.
Em outras palavras, em 2017, os avanços da inteligência artificial
podem começar a ganhar um efeito cascata, em vez de simplesmente avançar
adiante. E a própria IA pode começar a alimentar esse progresso.
“Agora mesmo, a IA é amplamente criada por seres humanos”, disse
Enderle. “A grande onda provavelmente acontecerá quando os sistemas de
IA forem mais agressivamente usados para criar sistemas futuros e aprender com eles. Quando isso acontecer, a velocidade do avanço
provavelmente seguirá menos em escala linear e mais em escala logarítmica”.
Para
Moorhead, 2017 verá um número crescente de empresas usando plataformas
baseadas em Inteligência Artificial em seus aplicativos e serviços.
“Espero que as capacidades integralmente autônomas dos carros da
Tesla estejam próximas de serem liberadas. Não acredito que estejamos
no ponto de inflexão [com a IA,] mas estamos próximos. A Inteligência Artificial encontrou o seu caminho nos aplicativos”, pontuou
Moorhead.
Dave Schubmehl, analista da IDC, disse que também espera ver mais
empresas adotando IA no próximo ano. “Acho que veremos um aumento
significativo na distribuição e uso de IA embutida também em aplicativos
corporativos, fornecendo orientação, recomendações e previsões”,
disse.
No entanto, Schubmehl acredita que apesar dos fortes avanços na
IA incorporados por empresas em seus produtos e serviços, ainda há muito a avançar em
assistentes digitais focados no consumidor. Moorhead, concordou,
acrescentando: “Agentes inteligentes, como Alexa e Siri, estão atrás de
onde eu pensava que seriam”. A expactativa de ambos é a de que, em
2017, isso mudará, principalmente graças aos avanços assistidos nos últimos meses no reconhecimento da fala, com vários sistemas de Inteligência Artificial já dominando outros idiomas além do inglês.
