Seja bem vindo!
Esse curso foi criado com um único objetivo, difundir o conhecimento sobre Inteligência Artificial para executivos e gestores.
Existem muitos cursos com esse fim, inclusive em universidades de renome, mas todos se perdem nos pormenores técnicos que não agregam nada ao tomador de decisão. No fim das contas, a grande maioria desses cursos são ministrados por acadêmicos que tem pouca ou nenhuma experiência em negócios.
Esse é o meu grande desafio, dar aos tomadores de decisão conhecimento suficiente para fazer escolhas conscientes e acompanhar os resultados dos investimentos feitos em I.A. sem me perder nos pormenores técnicos que atrapalham mais que ajudam.
First Things First
Para uma criança com um martelo, tudo vira prego!
A Inteligência artificial tem muitas áreas que endereçam problemas sob diferentes perspectivas. Sem sombra de dúvida, a área de Aprendizado de Máquina (Machine Learning ou ML) foi a que mais se desenvolveu na última década e é uma das mais importantes da atualidade, porém como tomadores de decisão, precisamos conhecer cada uma das áreas fazer boas escolhas de investimento. Ainda, precisamos compor o time com alguém que entenda e saiba que problemas podem ser resolvidos por cada área. Nem tudo precisa, ou pode, ser resolvido com ML e saber quando usar cada técnica é crítico para o sucesso e retorno de investimento dos projetos.
Agentes Inteligentes
Costumo iniciar toda conversa sobre I.A. perguntando se a pessoa sabe o que é um agente inteligente. Faço isso por que já ouvi de acadêmicos respeitados que era uma área de pouca importância e me assustou quando ouvi isso. Vou dar apenas um exemplo simples de agente inteligente e você avalia se é uma área relevante ou não Carros Autônomos como os da Tesla. Tenho o hábito de sempre pensar em soluções de I.A. como agentes, ou seja, sempre tento endereçar a solução como uma prestação de serviço feita por um indivíduo. Isso me ajuda a manter o foco no resultado que queremos gerar para o negócio e não nos algoritmos e técnicas que serão utilizadas. As técnicas servem ao propósito, ao resultado, e não o inverso.
Resolução de Problemas
Quando podemos definir os estados de um problema e as regras que precisam ser obedecidas podemos utilizar técnicas de Resolução de Problemas, pois são mais simples e computacionalmente mais baratas. Além de não precisar de dados anteriores para achar melhores soluções.
Conhecimento, Raciocínio, Planejamento e Incerteza.
Até hoje me lembro do meu primeiro contato com a inteligência artificial. Estava na graduação de Ciência da Computação e fui a uma palestra onde se falava como representar conhecimento para a máquina e o palestrante passou por mais de 10 tipos de representação de conhecimento diferentes. Foi um momento 🤯 para mim. A área de Conhecimento tem como foco traduzir para a máquina a complexidade da representação do mundo. Existem muitas técnicas para se fazer isso. A área de raciocínio usa essa representação para chegar a conclusões, tomar decisões, para agir. Planejamento é como chegar ao estado da decisão tomada (é um pouco mais elaborado que isso, perdoem-me a simplificação extrema) e incluímos a probabilidade ao Raciocínio para trabalharmos com as incertezas. São 4 áreas que estão intimamente ligadas, mas podem ser usadas de forma isolada com outras técnicas de I.A. Na minha opinião são áreas que qualquer especialista em I.A. precisa aprender e saber onde usar.
Relacionando-se com o mundo exterior.
Como a máquina entende o mundo sem termos que descrevê-lo para ela? Como uma máquina pode compreender um sinal de entrada humano? Como ela pode modificar o meio a partir dessas entradas? Aqui onde entram as áreas de Percepção, Comunicação e Ação. Na verdade falamos do Processamento de linguagem natural, Visão Computacional e Ação robótica, lembrando que robôs não precisam ser físicos, podem ser software (lembram do exemplo de agente?).
Chegamos a ela, a Aprendizagem de Máquina ou Machine Learning.
Não há dúvidas que a maior parte das pessoas que trabalham com I.A. hoje na verdade trabalham na área de aprendizagem de máquina (Machine Learning ou ML). Na verdade muitos vendem o aprendizado de máquina como a I.A. propriamente dita, o que é falso como vocês tiveram oportunidade de ler antes de chegarem a esta parte do artigo. Apesar disso, devemos dar mérito a ML, porque teve uma evolução impressionante na última década endereçando com sucesso diversos problemas antes só tratáveis por humanos, ou até mesmo impossíveis de serem tratados por seres humanos.
Talvez o sucesso da ML em detrimento a outras áreas venham também pela aproximação de como a máquina aprende, muitas vezes inspiradas em como o ser humano aprende em seus anos iniciais. Isso gera um pequeno sentimento de criatura e criador, tão necessário e reproduzido por humanos desde os primórdios. Isso foi apenas uma divagação minha, desculpem.
Trataremos em seguida de como a ML tem gerado valor aos negócios explicando os principais tipos de ML e cases que usam esses tipos.