Escolar Documentos
Profissional Documentos
Cultura Documentos
Altos e baixos
O campo do processamento natural de linguagem era um dos mais
promissores. Ele é o setor da IA sobre compreensão da fala humana e tem
várias aplicações, como tradutores, geração de linguagem em texto,
reconhecimento de fala, processamento de voz e muito mais.
Só que ao mesmo tempo em que a gente tinha a expectativa lá no alto e muitos
estudos acadêmicos, na prática não era tudo tão concreto ou rápido quanto o
esperado.
Robôs não andavam por aí com softwares superpoderosos. Por isso, do meio
dos anos 70 até o começo dos anos 80, vivemos um período sombrio conhecido
como inverno da inteligência artificial, uma era de poucas novidades, cortes nos
investimentos e baixa atenção ao setor.
A área precisava se reinventar. E um dos campos que tornou isso possível é o
de sistemas especialistas, proposto pela primeira vez por Edward Feigenbaum
no começo dos anos 80. Como o nome já sugere, eles são softwares que
realizam atividades complexas e específicas de um campo, fazendo o papel de
humanos, mas com raciocínio bem mais veloz e base de conhecimento bem
mais vasta. Esses sistemas aproximam a IA do mercado corporativo e vários
setores percebem a utilidade de programas de computador inteligentes e
focados.
Edward Feigenbaun.
E essas máquinas também foram desenvolvidas para nos ajudar, como provou
em 2002 a iRobot, que lançou o primeiro Roomba. Esse assistente de limpeza
autônomo que fica na sua casa dá de dez a zero nos robôs de décadas atrás
por combinar eficiência em uma especialização, pré-configurações e sensores
de posicionamento trabalhando juntos.
O “BigDog”.
Outro bom exemplo veio em 2005, com a Boston Dynamics. Ela apresentou
uma revolução na IA com aplicações em várias indústrias com o robô BigDog,
capaz de se movimentar por terrenos de difícil acesso para humanos. Formas
de cachorro e até humanoides estão cada vez melhores em mobilidade e
inteligência.
Uma logo.
Mais de 160 mil alunos de 190 países fizeram a inscrição, e mais de 400
superaram os alunos da própria Stanford! Após esse episódio, Thrun percebeu
que havia a necessidade de uma universidade voltada pra tecnologia que fosse
prática, barata, acessível e altamente eficaz para o mundo. Daí, surgiu a
Udacity.
Aprendizado evoluído
Em 2012, a Google deu mais um passo em seus sistemas de IA. Consolidando
tecnologias em desenvolvimento desde 2006 em deep learning, ela conseguiu
treinar um algoritmo para… reconhecer gatinhos em vídeos do YouTube.
Esse aprendizado profundo usa redes neurais com uma maior quantidade de
camadas do que os pioneiros que discutimos, processando mais informações e
deixando a máquina mais livre pra fazer assimilações e classificar elementos. É
assim que ela faz tarefas mais complexas, como reconhecer e catalogar fotos e
vídeos.
A complexa divisão em camadas do deep learning.
O deep learning pode ser integrado com outro processo: a visão computacional,
que é permitir que um sistema lide com obtenção, compreensão e análise de
imagens. A Affectiva, por exemplo, empregou isso em reconhecimento de
rostos pra reconhecer emoções no rosto humano.
Falando em presente, nos últimos anos foram várias as conquistas de
inteligências artificiais no ambiente humano. Em 2014, um chatbot
chamado Eugene Goostman conseguiu vencer o teste de Turing e convenceu
jurados durante uma conversa por escrito de que ele, um programa, era na
verdade um humano.
Uma das partidas de Go entre o campeão sul-coreano e o AlphaGo.