“Aprendizagem” no contexto da Inteligência Artificial ​​é a classificação de dados baseada em exemplos. A IA de hoje (“aprendizado profundo”) é um método de análise estatística que pode classificar muitos e muitos dados em muitas dimensões. Na última década, ele foi aplicado com sucesso em uma variedade de tarefas, com pesquisadores demonstrando sua utilidade primeiro na análise de imagens e depois na análise de texto (“processamento de linguagem natural” ou PNL).

Esses avanços incentivaram muitos pesquisadores a concentrar seu trabalho na IA. O número total de publicações de IA cresceu de 162.444 em 2010 para 334.497 em 2021, de acordo com o Relatório de Índice de IA de 2022. Em 2021, uma busca no PubMed de artigos com a palavra-chave “deep learning” retornou 14.685 citações, contra 107 artigos em 2010.

Uma recente revisão abrangente de “IA em Saúde e Medicina” concluiu que “embora os sistemas de IA tenham repetidamente demonstrado sucesso em uma ampla variedade de estudos médicos retrospectivos, relativamente poucas ferramentas de IA foram traduzidas para a prática médica… fase inicial de validação e implementação.”

Leia mais: Mitos e verdades sobre a Engenharia do Caos

Esta conclusão também se aplica a outras atividades realizadas por empresas em todos os setores econômicos, onde a grande promessa demonstrada na pesquisa não se concretizou na prática. O vasto esforço de pesquisa de hoje é em grande parte focado no desenvolvimento e aperfeiçoamento de métodos de pesquisa, não em abordar os desafios de implementação e adoção pelas empresas.

Uma recente revisão abrangente de “IA em Saúde e Medicina” concluiu que “embora os sistemas de IA tenham repetidamente demonstrado sucesso em uma ampla variedade de estudos médicos retrospectivos, relativamente poucas ferramentas de IA foram traduzidas para a prática médica… fase inicial de validação e implementação.”

Esta conclusão também se aplica a outras atividades realizadas por empresas em todos os setores econômicos, onde a grande promessa demonstrada na pesquisa não se concretizou na prática. O vasto esforço de pesquisa de hoje é em grande parte focado no desenvolvimento e aperfeiçoamento de métodos de pesquisa, não em abordar os desafios de implementação e adoção pelas empresas.

O principal exemplo de uma empresa baseada em dados é o Google que contribuiu muito não apenas para a pesquisa de IA, mas também para implementar a IA a serviço de seus objetivos e ambições de negócios. A pesquisa tem sido a principal competência da empresa (e a publicidade relacionada a pesquisa ainda responde por quase toda a sua receita) e, por volta de 2015, começou a implementar a IA (da variedade de análise de texto) para melhorar seus resultados de pesquisa.

Outra categoria inclui as empresas que vinculam o digital ao físico, sejam elas pré-Internet (pré-Web seria um termo mais preciso) ou empresas nascidas na internet.

A Levi Strauss & Co., fundada em 1853, está usando visão computacional e IA para permitir que os clientes identifiquem um “olhar” por meio de imagens que permitem à empresa moldar e criar novos produtos. “Hoje, a Levi’s analisa mais dados do que nunca para transformar o processo de design do produto”, relata Randy Bean.

A Shutterfly, fundada em 1999, vem coletando muitos dados sobre como seus clientes projetam seus álbuns de fotos – gastando horas classificando fotos, cortando-as, posicionando-as etc. Hilary Schneider, CEO e presidente da Shutterfly, diz ao Calcalist:

“Há uma década, reconhecemos que o mercado de álbuns fotográficos tem um potencial de crescimento insano, se apenas simplificarmos o produto. É isso que a equipe de aprendizado de máquina faz aqui em Haifa [Israel]: eles desenvolveram um algoritmo que analisa todos os álbuns que temos impresso antes e verifica o que pode ser deduzido deles… Nós ‘treinamos’ esse algoritmo, quase como o Google treina seu algoritmo de busca, e o fazemos com base no vasto corpo de conhecimento que acumulamos, para prever o que tornará o álbum melhor. O resultado é que no ano passado lançamos um serviço que cria um álbum para você em 90 segundos, basta enviar suas fotos para o nosso servidor, sem selecionar, e nosso sistema sozinho escolhe as fotos que têm mais chances de serem as que você deseja em seu álbum.”

Leia mais: Computação quântica: tudo que você precisa saber sobre a nova aposta da Meta

Isso é IA prática. Melhoria mensurável diretamente relacionada à aplicação do aprendizado a partir de dados.

Depois, há empresas cujas competências essenciais foram construídas em tecnologias analógicas. A Bose Corporation foi fundada em 1964 quando o som era analógico como sempre foi na natureza, ondas acústicas movendo-se pelo ar ou outros meios. Mas nas décadas de 1970 e 1980, a tecnologia de áudio digital, usando sinais de áudio codificados em formato digital (numérico), substituiu gradualmente o áudio analógico.

A CEO da Bose, Lila Snyder, vê a aplicação da IA ​​ao som como o terceiro estágio na evolução da tecnologia de áudio. “Achamos que o futuro do cancelamento de ruído é ouvir o que você quer ouvir”, disse Snyder no evento inaugural do Institute for Experience AI da Northeastern University. “Então, normalmente você não quer ouvir tudo ou nada. Há coisas que você quer ouvir e coisas que você não quer ouvir. O poder da IA ​​e dos dados é que podemos começar a discernir a diferença entre os dois.”

Os dados ajudam os engenheiros de som a ter uma noção melhor dos diferentes ambientes em que as pessoas usam os produtos da Bose, acionando o cancelamento de ruído quando o usuário passa de um ambiente silencioso para um barulhento e suaviza picos ou quedas de volume. Os dados também ajudam os engenheiros da Bose a desenvolver tecnologia que amplifica certos sons enquanto ajusta dinamicamente o cancelamento de ruído e cria ambientes de áudio imersivos. “Podemos renderizar e recriar a música em um ambiente [específico] para que você sinta que está sentado lá… mas não podemos fazer isso sem IA e sem dados”, disse Snyder.

>> Inscreva-se ou indique alguém para a seleção Under 30 de 2022

O post Inteligência Artificial revela nova técnica de aprendizado profundo apareceu primeiro em Forbes Brasil.