Portifolio 1 - IA

O que é Inteligência Artificial

O termo “inteligência artificial” trata-se de um conceito bastante amplo e que pode não ter apenas um significado. Mas, essencialmente, o termo está relacionado à capacidade de uma máquina reproduzir competências semelhentes aos seres humanos. Para entendermos melhor seu significado, é importante entender o que cada palavra que o compõe quer dizer:

Primeiramente, podemos entender inteligência como a capacidade de extrair informações, tomar decisões e aprender com ela, ou seja, utilizar experiência prévia para julgar e decidir a melhor forma ou maneira que algo deve ser feito. O termo artificial diz respeito àquilo que foi feito pelo homem e “não pertence à natureza”. Quando fazemos a união desses termos temos a definição de uma área multidisciplinar que compreende a criação de máquinas capazes de tomar decisões e aprender com elas.

Contudo, é importante reforçar que essa definição pode ir além da citada acima. A inteligência artificial, embora seja uma manifestação da criatividade humana, representa um grande avanço na criação de ferramentas capazes de executar diversos tipos de tarefas complexas, aprender autonomamente e tomar decisões baseadas em dados. Mesmo com o termo “artificial” em seu nome, a inteligência artificial não deve ser menosprezada; ela desempenha um papel significativo em diversos setores da sociedade, desde a área da saúde até industrias e pesquisas científicas. Portanto, a inteligência artificial é uma forma de testar a habilidade humana para criar algo extraordinário, ultrapassando os limites daquilo que é natural em direção ao artificial, mas tendo em vista todo o reconhecimento por sua importância e potencial impacto que tem no mundo.

Histórico

Mitologia e Ficção:

Nesse momento inicial, a inteligência artificial era vista como uma investigação na mitologia e na ficção, presente em narrativas que envolviam autômatos e máquinas com capacidade de pensamento, por exemplo o Golem (da tradição judaica, uma imagem dotada de vida)

O início da inteligência artificial (1943-1956):

A inteligência artificial (IA) começou a se desenolver como uma área de estudo formal, com pesquisadores e cientistas notáveis como Alan Turing e John von Neumann. Os pesquisadores Warren McCulloch e Walter Pitts apresentam em 1943 um artigo onde é citado pela primeira vez as redes neurais, estruturas de raciocínio artificiais em forma de modelo matemático que imitam o sistema nervoso do ser humano.

Um dos momentos mais marcantes desse período é o “Teste de Turing” desenvolvido por Alan Turing, que surgiu na idéia de questionar se uma máquina pode ser considerada inteligente ao ponto de um juiz, dado algumas perguntas, não consegue distinguir se a resposta vem de uma máquina ou de uma pessoa. Essa ideia apresentou conceitos relevantes para o surgimento da inteligência artificial que conhecemos hoje em dia.

Entusiasmo inicial, grandes expectativas (1952-1969):

Nesse período, com as primeiras pesquisas na área, houve uma grande expectativa do que a IA seria capaz de fazer. As expectativas eram tão altas que se pensava que, em breve, as máquinaspoderiam realizar raciocínio e tomar ações de forma semelhante aos seres humanos.

Uma dose de realidade (1966-1973):

Ficou conhecida como o “Inverno da IA” (AI Winter), um período de grande desilusão que ocorreu devido as expectativas iniciais não terem sido alcançadas imediatamente, levando a uma queda no investimento financeiro e desenvolvimento de pesquisa em IA por um bom tempo.

Neste momento, ficou evidente que muitas das expectativas iniciais da IA eram excessivamente otimistas, levando a um período de desilusão devido ao progresso lento.

Sistemas Especialistas (1969-1986):

Após esse choque de realidade, aproximadamente no ano de 1969 surgiram os primeiros sistemas especialistas que foram ganhando destaque, sendo esses softwares capazes de simular o conhecimento humano em áreas específicas.

Os sistemas especialistas foram amplamente utilizados em campos como medicina, engenharia e finanças para auxiliar na tomada de decisões e resolução de problemas complexos. Eles baseavam suas decisões em regras e informações fornecidas por especialistas humanos.

O ressurgimento das redes neurais (1986-presente):

As redes neurais, modelos de IA baseados na estrutura cerebral dos seres humanos, ressurgiram e se tornaram uma parte importante no desenvolvimento atual.

Raciocínio probabilístico e aprendizado de máquina (1987-presente):

A partir de então, foram aplicados conceitos de probabilidade e para aprimoramento das IAs. Essas abordagens permitiram que as máquinas compreendessem e processassem informações de maneira mais avançada e precisa.

Como citado na introdução, o aprendizado de máquina se baseia na capacidade das máquinas aprenderem a partir de dados e melhorar seu desempenho ao longo do tempo, enquanto o raciocínio probabilístico envolve a utilização de probabilidades para tomar decisões informadas, o que é fundamental em muitos sistemas de IA modernos, como carros autônomos e assistentes virtuais.

O advento do “Big Data” (2001-presente):

O conceito e implementação de “Big Data” ajudou no desenvolvimento da IA, já que o grande volume de dados tornaram-se acessíveis para treinar modelos de IA fazendo com que fiquem mais precisos e eficazes.

A era do aprendizado profundo (2011–presente):

O “deep learning” ou aprendizado profundo, na história da IA, surgiu como uma forma de melhoria das redes neurais convencionais. Ela possibilitou realizar tarefas altamente complexas, como o reconhecimento de voz e imagens, com uma precisão notável devido ao seu grande números de camadas.

As redes neurais têm sido fundamentais em avanços recentes em tecnologias como tradução automática e assistentes de voz como a Siri e a Alexa.

Estado da Arte, Benefícios e Riscos

Stanford University’s One Hundred Year Study on AI (AI100)

O “Stanford University’s One Hundred Year Study on AI” (AI100) é um projeto de pesquisa da Universidade de Stanford. Seu desenvolvimento começou desde o início do século XXI, visando examinar a evolução da inteligência artificial (IA) e suas influências na sociedade constantemente.

O AI100 busca compreender em profundidade como a IA está moldando nossas vidas e como suas implicações se estendem a diversas áreas-chave, incluindo ética, políticas públicas, economia e educação. O projeto proporciona uma visão perspicaz e abrangente das complexidades envolvidas na IA e busca antecipar o impacto dessa tecnologia em nossa sociedade nas próximas décadas e além.

Em 2014 foi publicado a primeira edição provisória, enquanto que em 2016 foi lançada a primeira edição definitiva. A segunda edição foi lançada no ano de 2021 após 5 anos, sendo mais abrangente que a edição anterior

O que IA pode fazer hoje?

A IA se destaca em diversas áreas:

Na área da saúde, a IA se destaca na análise de imagens, algo fundamental para descobrir diversos tipos de doenças, auxiliando médicos no diagnóstico, que muitas vezes são complexos, e contribuindo para tratamentos mais eficientes. Muitos carros, hoje em dia, a IA está presente no assistentesde veículos autônomos, mantendo os veículos nos limites da faixa e auxiliando na velocidade a fim de manter a distância e garantir a segurança com veículo à frente. No mundo do empreendimento, a IA prevê demandas futuras, o que permite as empresas se preparem com antecedência minimizando os riscos e perdas.

Além disso, quando você assiste a um filme ou série em aplicativos de streaming como a Nextflix, Amazon Prime, a IA age na recomendação de conteúdo de acordo com seu gosto pessoal (filmes assisitidos, avaliações).

No setor industrial, a IA desempenha um papel muito importante na automação de processos, aumentando a eficiância e confiabilidade. E, em um mundo com grande quantidade de dados, a IA norteia os seres humanos, analisando informações em grande escala e permitindo insights valiosos.

A diversidade de aplicações da IA moldando um novo mundo, melhorando a eficiência em diversos setores e impulsionando avanços notáveis em tecnologia e pesquisa.

Riscos e benefícios da IA

Apesar de seus benefícios a IA também traz um série de riscos e desafios a serem superados. Tendo em vista questões éticas e também outras questões relacionadas a LGPD, a privacidade dos dados, a automação de empregos, os viés nos algoritmos e a dependência excessiva são questões críticas que precisam ser abordadas com responsabilidade.

Portanto, ao desenvolver e implementar tecnologias de IA, é fundamental colocar na balança os riscos e benefícios, garantindo que a ferramenta contribua de forma positiva para a sociedade, respeitando as regulamentações e considerações éticas.

Agentes e ambientes

Agentes são artefatos que recebm informações do meio em que estão e, dado esses inputs, tomam certa decisão. Nesse conexto temos os seguintes conceitos:

• Ação de um agente: A ação de um agente se trata da escolha ou movimento específico que o agente toma em um determinado momento dentro do seu ambiente

• Função agente: Sua função principal é mapear as percepções que o agente recebe de seu ambiente para as ações que ele deve realizar.

• Programa agente: O programa agente representa a materialização concreta da função agente (código).

Racionalidade

Trata-se da capacidade de tomar “boas” decisões baseadas na lógica, considerando vários aspectos como os dados disponíveis e os objetivos do agente. Essa busca pela melhor escolha possível é fundamental em muitos campos, incluindo a inteligência artificial, onde algoritmos e agentes de IA buscam maximizar a eficácia e a eficiência de suas ações com base nas metas estabelecidas

Especificando o ambiente de tarefas

A abordagem PEAS (Performance, Environment, Actuators, Sensors) é uma estrutura usada para descrever o ambiente no qual um agente de inteligência artificial opera. Esta descrição do ambiente inclui vários aspectos importantes:

1. Observabilidade (Totalmente, Parcialmente e Não Observável): Quantidade de informação disponível para o agente. No caso de um ambiente totalmente observável, o agente possui todas as informações relevantes. Em ambientes parcialmente observáveis, ele tem apenas algumas informações que podem ser acessadas, enquanto em ambientes não observáveis, ele não tem informações à sua disposição.

2. Agente (Único ou Multiagente): Define quantos agentes estão interagindo com o ambiente - agente único ou múltiplos agentes interagindo entre si (multiagente). Essa distinção influencia significativamente a dinâmica do ambiente.

3. Determinismo (Determinístico ou Não Determinístico): Indica a previsibilidade das consequências. Podem ser previsíveis(determinísticas) ou sincertas (não determinísticas) e podem afetar o resultado das ações do agente.

4. Temporalidade (Episódico ou Sequencial): Essa propriedade está relacionada com as ações e consequências.

5. Dinamicidade (Estático ou Dinâmico): Refere-se à estabilidade do meio. Ambientes estáticos permanecem sem alteração enquanto o agente toma decisões, enquanto ambientes dinâmicos mudam com o passar do tempo, fazendo com que o agente se adapte a essas mudanças.

6. Natureza das Variáveis (Discreto ou Contínuo): Define se as ações e percepções no ambiente são representadas por um conjunto finito de valores distintos (discretos) ou se há uma gama contínua de possibilidades (contínuo) para considerar.

7. Conhecimento (Conhecido ou Desconhecido): Indica se o agente compreende regras do ambiente (conhecido) ou se algumas características dele são incertas ou desconhecidas (desconhecido).

Essas propriedades são de suma importância para avaliar a complexidade do ambiente de tarefas e determinar a estratégia mais apropriada para que o agente resolva de forma eficaz o problema em questão. Compreender essas nuances do ambiente é fundamental para o design e desenvolvimento de sistemas de inteligência artificial adaptáveis e eficazes.

Arquitetura do agente

Tipos de agentes

Existem diferentes tipos de agentes:

• Agentes de reflexo simples: agem com base em regras com condições.
• Agentes de reflexo baseado em modelo: um modelo interno atua para melhorar suas decisões.
• Agentes baseados em objetivos: baseia suas decisões em objetivos bem específicos.
• Agentes utilitários: realizam análise de ações com base em uma função de utilidade.

Representação de estados

A representação de estados pode ser:

• Atômica: cada estado é indivisível.
• Fatorial: estados são representados por um conjunto de variáveis independentes.
• Estruturada: estados têm componentes inter-relacionados.

Contribuições

Discussões

IA na F1

As corridas de F1 ocorrem desde 1950 e em todos esses anos passou por muitas evoluções principalmente em seus carros, com novos chassis, motores e equipamentos que visam garantir a segurança dos pilotos. Um esporte onde não apenas a habilidade de quem conduz os carros conta mas também as estratégias tomadas pelas equipes.

Dessa forma, qualquer informação detalhada obtida pela equipe ajuda em decisões mais assertivas na sua estratégia como o momento certo de se realizar a troca dos pneus, qual jogo de pneus utilizar levando em consideração o clima e a posição do piloto levando também em consideração o posicionamento dos demais, a permuta entre pilotos da mesma equipe que estão em posições subsequentes.

Nesse tipo de esporte a tecnologia está presente em todo de processo, onde ela é usada para monitorar e aprimorar suas competições. A sua incrementação foi um processo natural e acomponhou suas evoluções, como por exemplo o uso da telemetria - utilização de sensores para coletar dados em tempo real, além do uso de gêmeos virtuais que simulam componentes físicos para ammbientes de simulação.

As equipes de F1 constantemente reinventam as estratégias a cada ano, fazendo uso de tecnologias de última geração para se sobressair frente aos rivais, já que cada milisegundo conta no resultado final. A principal novidade para o ano de 2023 foi o uso de IA. Alguns sistemas já estavam sendo usadas para a logística e acerto na parte técnica e mecânica dos carros, mas a equipe da Red Bull em parceria com a Oracle passou a usar em todo sistema de telemetria do carro. Sensores acoplados por toda parte do carro informa com precisão aos mecânicos e enegenheiros o que fazer em milésimos de segundos, auxiliando, também, na montagem da estrategias de corrida.

A F1 continuará optando pela tomada de decisão dos pilotos nas pistas. Assim, a ideia de ter os carros guiados por máquinas ainda é distante. O uso da IA terá seu papel fundamental dentro dos boxes auxiliando as equipes nas estratégias dentro das pistas.

IA para recrutamento e seleção de candidatos

O recrutamento é um processo que consome muito tempo exigindo uma análise precisa e rápida sobre uma grande quantidade de informações. Desde a seleção de candidatos até a realização de entrevistas e avaliação de talentos, os recrutadores precisam navegar por uma ampla gama de tarefas para encontrar a opção certa para as necessidades da empresa.

A ascensão da IA ​​significa que muitas dessas tarefas podem agora ser simplificadas, poupando tempo e recursos ao Departamento de Pessoal. Dentre algumas mudanças temos:

1. Busca por candidatos: Soluções de busca ajudam a localizar e conectar recrutadores com talentos rellevantes mais rapidamente. Essas ferramentas usam algoritmos e aprendizado de máquina para automatizar diversas tarefas, incluindo busca em quadros de empregos, bancos de dados internos e plataformas de mídia social, para identificar e encontrar os candidatos mais relevantes para uma função específica.

2. Avaliação Comportamental: Usado pelas empresas para medir a competência e os traços de personalidade dos candidatos incorporando gamificação, avaliações comportamentais e testes de habilidades. Os dados gerados por essas ferramentas são analisados ​​por algoritmos de IA para fornecer um relatório detalhado sobre os pontos fortes, fracos e traços de personalidade de um candidato.

3. Entrevistas com candidatos: Embora os processos de entrevistas tradicionais possam exigir muito tempo e esforço por parte do recrutador, as plataformas de entrevistas habilitadas para IA podem reduzir significativamente o esforço humano, simplificando o processo e aproveitando o poder dos dados e análises. Por exemplo, estas plataformas permitem aos recrutadores realizar entrevistas de pré-seleção com candidatos através de videochamadas e interações baseadas em texto. Essas conversas são gravadas e analisadas por meio de algoritmos de aprendizado de máquina para identificar os melhores candidatos para a próxima rodada de entrevistas.

Para que um sistema assim funcione, é importante garantir que nenhum tipo de viés irá predominar para que se tenha uma análise justa e correta. Vale resasltar que devido as limitações atuais da IA, ela não pode substituir completamente um entrevistador humano, necessário para julgar os resultados fornecidos, mas são ferramentas que agilizam o trabalho e permitem o ganho de tempo.

Uso de IA para composição musical

A composição musical é uma atividade humana onde é necessário criatividade e inspiração para criar a letra, pensar na melodia, criar arranjos e ritmos. Devido tantos detalhes, é necessário tempo até desenvolver a maturação para desenvolver uma boa música. Assim como outros tipos de obras, o autor coloca para fora seus sentimentos, repensa sobre eles a fim de aprimorar.

Porém, será se uma IA teria a capacidade de combinar a criação uma letra, mesclando instrumentos musicais, criando a melodia e demais fatores seguindo a tendência ou até mesmo inove, a fim de fazer sucesso?

Os questionamentos que ficam é de como deveria ser o dataset de treinamento para criar uma IA que visa tal objetivo. As técnicas existentens hoje, conseguiriam representar a capacidade necessária para desenvolver tais competências?

Projetos e Problemas

Problema original: Uso de IA para orientar compra e venda de ações na bolsa de valores

Descrição PEAS:

1. Performance (Medida de Desempenho):
   • Maximizar o ganho com compra e venda de ações na bolsa de valores
   • Reduzir perda com compra de ações
   • Ajuda na criação de uma carteira de investimentos
2. Environment (Ambiente):
   • Investidores de variados tipos de experiência (inciciante, intermediário, avançado)
   • Investidores de variados perfis (conservador, moderado, arriscado)
3. Actuators (Atuadores):
   • Informações sobre o mercado financeiro nacional e internacional
   • Realização de previsões assertivas
   • Dicas e informação do mercado financeiro baseadas em fatos
4. Sensors (Sensores):
   • Identificação de padrões
   • Algoritmos de Regressão

Propriedades do ambiente e relevância do problema:

1. Dinamicidade: O ambiente de investimento na bolsa de valores é altamente dinâmico, pois as variações ocorrem de acordo com o “ânimo” do mercado financeiro – em outras palavras, dos próprios investidores. Mudanças como a troca de governo, perspectivas econômicas do Brasil e exterior, resultados das empresas e governo na bolsa.

2. Complexidade: Investir na bolsa de valores, assim como pratos típicos de um país, é algo cultural e que varia de região para região e que requer conhecimento em assuntos como matemática financeira. Para a maioria dos brasileiros, por não ter essa cultura de investimento que deveria ser fornecida no ensino básico, bolsa de valores se torna algo complexo.

3. Incerteza e riscos: O mercado de investimento é cercado de incertezas e que pode possuir riscos que vão desde mais leves a mais graves ocasionando em uma pequena ou grande perca de dinheiro. Todas essas questões dependem de inpumeros fatores que influenciam direta ou indiretamente na bolsa de valores

4. Escala: Segundo o site oficial da B3, o número de investidores no brasil chega a cerca de 17 milhões levando em consideração aqueles que estão tanto na renda fixa quanto renda variável.

Para alguêm que nunca investiu na bolsa, o cenário pode ser bastante complexo e desafiador. Mesmo para quem já tem algum tempo de experiência na área não esconde o medo que os riscos apresentam nesse ambiente. A falta de estratégia e a falta de conhecimento e suporte fazem com que muitos não arrisquem entrar para a área de investimento, o que, quando aplicado com bom senso, pode ser um grande aliado na formação de uma renda extra, principal e até uma forma de garantir a asposentadoria futura. Portanto, a existência de uma IA capaza de fornecer as aplicações citadas seria de grande utilizada à população brasileira.