No decorrer da década seguinte, muitos pesquisadores de IA mudaram para áreas relacionadas com metas mais modestas, tais como aprendizado de máquinas, robótica e visão computacional, muito embora pesquisas sobre IA pura continuaram em níveis reduzidos. O aprendizado de máquina «profundo» pode aproveitar conjuntos de dados rotulados, também conhecidos como aprendizado supervisionado, para informar seu algoritmo, mas não exige necessariamente um conjunto de dados rotulado. É capaz de ingerir dados não estruturados em sua forma bruta (como texto e imagens) e pode determinar automaticamente a hierarquia dos recursos que distinguem diferentes categorias de dados umas das outras.
Você pode se tornar um usuário avançado de tecnologias pré-existentes ou aprender a criar os seus próprios modelos de Machine Learning. Outro ponto que você deve estar se perguntando é como tirar o máximo das LLM https://www.monolitonimbus.com.br/teste-de-software-os-herois-desconhecidos-do-desenvolvimento-de-aplicacoes/ (Large Language Models) ou dos grandes modelos de linguagem. As LLM estão presentes em ferramentas como o ChatGPT, que recebem uma entrada em texto, como uma pergunta ou orientação sobre o que deve ser produzido.
Estatísticas gerais da inteligência artificial que você precisa conhecer
Em maio de 2017 no Brasil, foi criada a ABRIA (Associação Brasileira de Inteligência Artificial) com o objetivo de mapear iniciativas brasileiras no setor de inteligência artificial, englobando os esforços entre as empresas nacionais e formação de mão de obra especializada. Esse passo reforça que, atualmente, a inteligência artificial é impactante no setor econômico. Em resumo, o objetivo da IA é fornecer softwares que possam raciocinar sobre as entradas e explicar as saídas de dados. A inteligência artificial fornece interações quase humanas com softwares e oferece apoio a decisões para tarefas específicas, mas ela não é uma substituição aos seres humanos – e também não será por bastante tempo.
Para Terry, não restam dúvidas de que a tecnologia da informática, mais precisamente a área de Teste de software: os heróis desconhecidos do desenvolvimento de aplicações, transformará as sociedades, introduzindo modificações socioeconômicas irreversíveis. A forma como o deep learning e o aprendizado de máquina diferem está na maneira como cada algoritmo aprende. O deep learning automatiza grande parte da parte de extração de recursos do processo, eliminando parte da intervenção humana manual necessária e permitindo o uso de conjuntos de dados maiores. Você pode pensar no deep learning como «aprendizado de máquina escalável» como observou Lex Fridman na mesma palestra do MIT acima.
Campo de estudo[editar editar código-fonte]
Ele faz imitação e pode repetir palavras que ouviu com alguma compreensão de seu contexto, mas sem um sentido completo de seu significado. A AI poderia melhorar a segurança, a velocidade e a eficiência do tráfego ferroviário ao minimizar o atrito das rodas, maximizar a velocidade e possibilitar uma condução autónoma. Enquanto os veículos autónomos ainda não são uma realidade, os carros já usam funções de segurança alimentadas por IA. A UE ajudou, por exemplo, a financiar o VI-DAS – um projeto relativo a sensores automatizados que detetam situações perigosas potenciais e acidentes.
- Mas os modelos de inteligência artificial (IA) ou «aprendizado de máquina» já existem há algum tempo.
- O maior risco associado ao uso da Inteligência Artificial está relacionado à possibilidade de uma máquina falhar.
- A IA tem sido usada para gerar arte, música, poesia e design, combinando técnicas de aprendizado profundo com algoritmos evolutivos e outras abordagens criativas.
- No caso da COVID-19, a IA tem sido usada no sistema de controlo térmico em aeroportos e em outros lugares.