O que é inteligência artificial?

Inteligência artificial (IA) se refere amplamente a qualquer comportamento semelhante ao do humano apresentado por uma máquina ou sistema. Na forma mais básica da IA, os computadores são programados para “imitar” o comportamento humano usando dados extensivos de exemplos anteriores de comportamento similar. Eles podem variar desde reconhecer diferenças entre um gato e um pássaro até realizar atividades complexas em uma fábrica.

Saiba mais sobre inteligência artificial

Quando falamos de deep learning, pensamento estratégico ou outros tipos de IA, a base do uso são situações que exigem respostas velozes. Com a IA, as máquinas podem trabalhar de forma eficaz e analisar grandes quantidades de dados em um piscar de olhos, resolvendo problemas por meio de aprendizado supervisionado, não supervisionado e reforçado.

O início da IA

Embora suas primeiras formas permitissem que computadores jogassem xadrez com humanos, por exemplo, a IA agora faz parte das nossas vidas diárias. Temos soluções de IA para controle de qualidade, análise de vídeo, conversão de fala em texto (processamento de linguagem natural) e condução autônoma, além de soluções na área de saúde, manufatura, serviços financeiros e entretenimento.

Ferramenta poderosa para empresas e organizações

A inteligência artificial pode ser uma ferramenta muito poderosa tanto para grandes corporações que geram dados significativos quanto para organizações pequenas que precisam processar chamadas com clientes de forma mais eficaz. A IA pode otimizar processos de negócios, concluir tarefas mais rapidamente, eliminar erros humanos e muito mais.

IA na borda

A HPE está sendo pioneira em uma nova fronteira da IA utilizando dados e ganhando insights na borda. Potencializamos o sucesso com IA analítica em tempo real para automação, previsão e controle, ajudando você a se beneficiar do valor dos seus dados mais rapidamente e aproveitar oportunidades ilimitadas de inovação, crescimento e êxito.

Uma breve história da inteligência artificial

Antes de 1949, os computadores conseguiam executar comandos, mas não conseguiam lembrar o que haviam feito, porque não eram capazes de armazenar esses comandos. Em 1950, Alan Turing discutiu como criar máquinas inteligentes e testar essa inteligência em seu estudo “Máquinas computacionais e inteligência”. Cinco anos depois, o primeiro programa de IA foi apresentado no Projeto de Pesquisa de Verão do Dartmouth sobre Inteligência Artificial (DSPRAI). Esse evento catalisou a pesquisa de IA por algumas décadas seguintes.

Os computadores ficaram mais rápidos, baratos e acessíveis entre 1957 e 1974. Os algoritmos de machine learning melhoraram e, em 1970, um dos realizadores do DSPRAI disse à revista Life que haveria uma máquina com a inteligência geral de um ser humano médio em três a oito anos. Apesar do sucesso, a incapacidade dos computadores de armazenar de forma eficiente e processar informações rapidamente gerou obstáculos na busca pela inteligência artificial pelos dez anos seguintes.

A IA ressurgiu na década de 1980 com a expansão do kit de ferramentas de algoritmos e fundos mais dedicados. John Hopefield e David Rumelhart apresentaram as técnicas de “deep learning” que permitiram que os computadores aprendessem com experiência. Edward Feigenbaum apresentou os “sistemas especialistas” que simulavam a tomada de decisões humana. Apesar da falta de financiamento governamental e publicidade, a IA prosperou e muitos marcos importantes foram alcançados nas duas décadas seguintes. Em 1997, o então atual campeão mundial e grande mestre de xadrez Gary Kasparov foi derrotado pelo Deep Blue da IBM, um programa de computador que joga xadrez. No mesmo ano, o software de reconhecimento de fala desenvolvido pela Dragon Systems foi implementado no Windows. Cynthia Breazeal também desenvolveu o Kismet, um robô que conseguia reconhecer e demonstrar emoções.

Em 2016, o programa AlphaGo do Google derrotou o mestre em Go Lee Se-dol e, em 2017, Libratus, um supercomputador jogador de pôquer derrotou os melhores jogadores humanos.

Tipos de inteligência artificial

A inteligência artificial é classificada em duas categorias principais: IA baseada em funcionalidade e IA baseada em recursos.

 

Baseada em funcionalidade

  • Máquina reativa – Essa IA não tem poder de memória nem capacidade de aprender com ações anteriores. O Deep Blue da IBM está nessa categoria.
  • Teoria limitada – Com a adição de memória, essa IA usa informações anteriores para tomar melhores decisões. Aplicativos comuns, como de localização de GPS, encaixam-se nessa categoria.
  • Teoria da mente – Essa IA ainda está sendo desenvolvida com o objetivo de ter uma compreensão bastante profunda das mentes humanas.
  • IA autoconsciente – Essa IA, que consegue entender e evocar emoções humanas, além de ter suas próprias, é ainda apenas hipotética.
     

Baseada em recursos

  • Inteligência artificial estreita (ANI) – Um sistema que realiza tarefas programadas estreitamente definidas. Essa IA tem uma combinação de memória reativa e limitada. A maioria dos aplicativos de IA atuais estão nessa categoria.
  • Inteligência artificial geral (AGI) – Essa IA é capaz de treinar, aprender, entender e agir como um humano.
  • Superinteligência artificial (ASI) – Essa IA realiza tarefas melhor do que os humanos devido ao seu processamento de dados, memória e recursos de tomada de decisões superiores. Não há atualmente nenhum exemplo do mundo real.

 

A relação entre inteligência artificial, machine learning e deep learning

A inteligência artificial é um ramo da ciência da computação que busca simular a inteligência humana em uma máquina. Os sistemas de IA são regidos por algoritmos usando técnicas como machine learning e deep learning para demonstrar comportamento “inteligente”.

 

Machine Learning
Um computador “aprende” quando o software é capaz de prever e reagir com sucesso ao desdobramento de cenários com base em resultados anteriores. O machine learning é o processo pelo qual os computadores desenvolvem o reconhecimento de padrões ou a capacidade de aprender continuamente ou fazer previsões com base em dados, e podem fazer ajustes sem serem especificamente programados para isso. Uma forma de inteligência artificial, o machine learning automatiza com eficiência o processo de construção de modelos analíticos e permite que as máquinas se adaptem a novos cenários de forma independente.

As quatro etapas de construção de um modelo de machine learning são:
1. Selecionar e preparar um conjunto de dados de treinamento necessário para resolver o problema. Esses dados podem ser rotulados ou não rotulados.
2. Escolher um algoritmo a ser executado nos dados de treinamento.

  • Se os dados forem rotulados, o algoritmo pode ser baseado em regressão, árvores de decisão ou instâncias.
  • Se os dados não forem rotulados, o algoritmo pode ser um algoritmo de cluster, um algoritmo de associação ou uma rede neural.

3. Treinar o algoritmo para criar o modelo.
4. Use e melhore o modelo.

Existem três métodos de machine learning: o aprendizado “supervisionado” trabalha com dados rotulados e requer menos treinamento. O aprendizado “não supervisionado” é usado para classificar dados não rotulados identificando padrões e relações. O aprendizado “semissupervisionado” usa um pequeno conjunto de dados rotulados para guiar a classificação de um conjunto de dados não rotulados maior.

 

Deep Learning
O deep learning é um subconjunto do machine learning que demonstrou ter desempenho significativamente superior ao de alguns métodos tradicionais de machine learning. O deep learning utiliza uma combinação de redes neurais artificiais de várias camadas e treinamentos com uso intenso de dados e de computação, inspirados na mais recente compreensão do comportamento do cérebro humano. Essa abordagem tornou-se tão eficaz que até começou a ultrapassar as habilidades humanas em várias áreas, como reconhecimento de imagem e voz e processamento de linguagem natural.

Os modelos de deep learning processam grandes quantidades de dados e são geralmente não supervisionados ou semissupervisionados.

Transformando dados em eficiência e borda competitiva com aplicativos de IA modernos

Após séculos de teorias, décadas de pesquisas e anos de publicidade, a inteligência artificial finalmente começou a gerar efeitos nas empresas, onde está preparada para se tornar um recurso predominante. Em uma pesquisa de indústria recente, 50% dos participantes disseram que implementaram uma iniciativa de IA, têm uma em estágio de validação do conceito ou pretendem ter até o próximo ano. 1

 

Por que o ritmo da IA empresarial está acelerando
Os recentes avanços em algoritmos, a proliferação de conjuntos de dados digitais e as melhorias na computação, tanto no aumento do poder de processamento como na diminuição de preço, foram reunidos para dar início a uma nova geração de tecnologia de IA já preparada para as empresas. Praticamente todas as organizações têm uma montanha de ativos de dados em constante crescimento e a IA proporciona o meio para analisar esses recursos em escala.

A IA também está preparada para se tornar um item de primeira necessidade empresarial como pilar no processo de transformação digital. A IA é uma tecnologia de uso preeminente que pode otimizar a eficiência e os insights para praticamente qualquer processo de negócios, desde operações de atendimento ao cliente e sistemas físicos e de cibersegurança até funções de P&D e processos de análise de negócios.

 

Aplicativos modernos para IA
A IA tem a capacidade única de extrair significado dos dados quando você consegue definir qual deve ser a resposta, mas não sabe como chegar lá. A IA é capaz de ampliar os recursos humanos e transformar dados com crescimento exponencial em insights, ações e valor.

Atualmente, a IA é usada em diversos aplicativos nas indústrias, que incluem saúde, manufatura e governo. Veja alguns casos de uso específicos:

  • A manutenção prescritiva e o controle de qualidade melhoram a produção, a manufatura e o varejo através de uma estrutura aberta para TI/OT. Soluções integradas recomendam as melhores decisões de manutenção, automatizam ações e melhoram processos de controle de qualidade implementando técnicas de visão de computador baseadas na IA empresarial.
  • O processamento de fala e linguagem transforma dados de áudio não estruturados em insights e inteligência. Ele automatiza a compreensão de linguagens faladas e escritas com máquinas, usando processamento de linguagem natural, análise de transcrição, pesquisa biométrica ou monitoramento de chamadas em tempo real.
  • A análise e vigilância de vídeo analisam vídeos automaticamente para detectar eventos, revelar identidade, ambiente e pessoas e obter insights operacionais. Elas usam sistemas de análise de vídeo da borda ao núcleo para uma ampla variedade de cargas de trabalho e condições operacionais.
  • A condução altamente autônoma foi construída com base em uma plataforma de ingestão de dados de expansão horizontal para criar uma solução ideal de condução altamente autônoma, que é ajustada de acordo com serviços de código aberto, machine learning e redes neurais de deep learning.
     

O valor de encontrar o parceiro de IA certo
Uma parte crucial do mapeamento da jornada da IA empresarial é encontrar um parceiro que entenda o estágio atual da organização na jornada de IA e que pode ajudar a traçar o caminho à frente para atingir objetivos de prazos curtos e mais longos.

Trabalhar com o parceiro certo pode ajudar a revelar o valor dos dados para toda a empresa com o intuito de capacitar a transformação e o crescimento dos negócios. Procure um parceiro que possa oferecer:

  • Soluções completas para reduzir a complexidade e apoiar a integração com infraestrutura existente
  • Advisory and Professional Services
  • Opções no local, de nuvem e híbrida que considerem a localização da equipe, as necessidades de acesso, a segurança e as restrições nos custos
  • Sistemas que podem ser dimensionados de acordo com as necessidades atuais e futuras
  • Um ecossistema de parceiros capacitado com soluções específicas do setor

A IA HPE entrega insights sob demanda em qualquer escala

Transformar os negócios exige IA de análise em tempo real para controles proativos, manutenção preditiva, processos autônomos e insights transformadores. Com a IA na Intelligent Edge, as empresas podem gerar valor com base em dados mais rapidamente e ganhar oportunidades ilimitadas de inovação e crescimento.

A HPE faz parceria com organizações para captar todo o poder dos dados na nova fronteira da IA, aproveitando os insights na borda quando, onde e como for preciso.

 

Por que a HPE para IA?
Com a HPE como parceira de IA, os clientes podem aproveitar:

 

Liderança e inovação em tecnologia de IA
As soluções baseadas em resultados da HPE foram criadas para a IA e projetadas com especialização para a Intelligent Edge.

 

Especialização em IA
Os modelos de serviço e implantação criados com base em conhecimento profundo e experiência comprovada incluem:

 

Vantagem competitiva de IA
Os pontos fortes da HPE trabalham em favor da vantagem comercial dos nossos clientes, entregando:

  • Vida na borda com poder de análise em tempo real para automação, previsão e controle
  • Borda em ação para criar novo valor, oportunidades de negócios, modelos e experiências para clientes
  • Parceria em tecnologia operacional (OT) e TI que acelera o tempo de consulta a insights com mais eficiência

 

A IA HPE abrange diversos setores
A IA HPE ajuda empresas de todos os setores a liberar insights de borda com tecnologias desenvolvidas para propósito específico. As organizações estão viabilizando a IA na borda para ganhar conectividade, autonomia, gerenciamento de dados de alto volume e eventos sensíveis ao tempo. Desde clínicas até laboratórios e armazéns até empresas, os casos de uso incluem processamento de linguagem natural (NLP), análise de vídeo, garantia de qualidade (QA), vigilância e segurança, além de sentimento do cliente.

As organizações do setor de saúde e ciências da vida usam a IA HPE para liberar insights médicos e entregar novos níveis de cuidado na borda. Os casos de uso variam de monitoramento de saúde vestível e serviço de saúde personalizado até medicamentos e saúde conectada. A IA na borda também é usada no aprendizado de enxame para descoberta distribuída e em outros aplicativos de condução de pesquisas médicas e inovações científicas.

Na manufatura, a IA HPE ajuda a aumentar a produtividade e a eficácia geral dos equipamentos (OEE) na borda. Os casos de uso incluem operações inteligentes, análise preditiva de ativos e processos da cadeia de suprimentos e simulações com IA.