Inteligência Artificial (IA) e Machine Learning são termos em alta no universo da tecnologia. Embora eles não tenham o mesmo significado, são termos intimamente relacionados.

A distância entre os termos não é grande, mas os conceitos são bem diferentes.
Recentemente, foi divulgado um relatório sobre o uso indevido de empresas que alegam usar Inteligência Artificial em seus produtos e serviços. De acordo com a Verge, 40% das startups europeias que afirmaram usar Inteligência Artificial não usavam a tecnologia. Nenhuma tendência nos últimos 15 anos ganhou tanto destaque quanto a Inteligência Artificial (IA) e o Machine Learning (ML).

Machine Learning

O Machine Learning (ML) é um ramo da inteligência artificial, e como definido por Tom M. Mitchell:

“Aprendizado de máquina é o estudo de algoritmos de computador que permitem que programas de computador melhorem automaticamente a experiência” – Tom M. Mitchell, cientista da computação e pioneiro em Machine Learning

O ML permite aos softwares fazerem avaliações mais apuradas: os “robôs” usam os algoritmos para analisar dados e aprender com eles, podendo fazer previsões ou determinações sobre alguma situação de mais variados assuntos. Uma das mais importantes áreas da Inteligência Artificial, o Machine Learning se concentra na resolução de problemas do mundo real, fazendo uso de vários modelos, tais como redes neurais, árvore de decisão e regressão logística, entre outros.

Inteligência Artificial

A Inteligência Artificial, por outro lado, tem um alcance excepcionalmente amplo. De acordo com Andrew Moore:

“A Inteligência Artificial é a Ciência e a Engenharia de fazer com que os computadores se comportem de maneira que, até recentemente, pensávamos que exigiam inteligência humana”. – Andrew Moore, ex-retiro da Faculdade de Ciências da Computação da Carnegie Mellon University

A IA como a conhecemos hoje é simbolizada com os gadgets de interação Humana-AI do Google, Siri e Alexa, pelos sistemas de previsão de vídeo que alimentam a Netflix, Amazon e YouTube. Esses avanços tecnológicos estão progressivamente se tornando importantes na vida cotidiana de toda a sociedade. Eles são assistentes inteligentes que melhoram as habilidades dos humanos, tornando-nos mais produtivos.

Segundo o Gartner, até 2020, 20% dos cidadãos de nações desenvolvidas usarão assistentes de IA para ajudá-los em uma série de tarefas operacionais diariamente.

Propaganda exagerada ou falta de informação?

Nas primeiras décadas, houve muita propaganda em torno da indústria, e muitos cientistas concordaram que a IA de nível humano estava em qualquer lugar. No entanto, alguns desencontros de informação causaram um “desencanto geral” com a indústria junto com o público e levaram a IA a um período em que o financiamento e o interesse no campo diminuíram consideravelmente.

Em seguida, as organizações tentaram se desvencilhar do termo IA, que se tornou sinônimo de uma certa propaganda exagerada, e utilizou diferentes expressões para se referir às suas atividades: Por exemplo: a IBM descreveu o Deep Blue como um supercomputador e declarou explicitamente que não usava Inteligência Artificial, enquanto na verdade usava.

Durante esse período, uma variedade de outros termos, como Big Data, Análise Preditiva e Machine Learning, começaram a ganhar força e popularidade.

Em 2012, o Machine Learning, Deep Learning e as redes neurais fizeram grandes avanços e começaram a ser utilizados em um número crescente de campos. De repente, as organizações começaram a usar os termos Machine Learning e Deep Learning para divulgar seus produtos.

O cenário da transformação digital e o aumento da publicidade em torno dos considerados sistemas inteligentes fez com que empresas e a própria mídia passassem a utilizar o termo de Machine Learning com o mesmo significado de Inteligência Artificial.

A grande lição desta evolução é saber separar ambos os termos e conceituá-los corretamente, mostrando como cada um tem a sua importância específica para cada tipo de atuação.

Leave a Reply