- Programa
- Estratégia
- Bibliotecas
- Candidaturas
- Projetos
- Suporte
- Iniciativas
A Inteligência Artificial (IA) é uma área da ciência e da tecnologia que desenvolve sistemas capazes de realizar tarefas que, tradicionalmente, associamos à inteligência humana. Entre essas tarefas encontram-se o reconhecimento de imagens e de voz, o processamento da linguagem, a identificação de padrões, a produção de conteúdos e o apoio à tomada de decisões.
A IA não funciona sempre da mesma maneira. Alguns sistemas seguem regras previamente definidas; outros utilizam métodos de aprendizagem automática para identificar padrões a partir de dados e produzir resultados novos.
Por exemplo, a IA pode ajudar a reconhecer objetos numa fotografia, recomendar uma música, traduzir um texto, identificar mensagens de correio eletrónico suspeitas ou gerar uma resposta a uma pergunta. Assistentes como a Siri e o Gemini permitem interagir com sistemas de IA através da linguagem natural.
Importante: embora alguns sistemas consigam executar tarefas complexas, isso não significa que pensem, compreendam ou aprendam da mesma forma que uma pessoa.
Uma distinção frequentemente utilizada é a seguinte:
Esta classificação é útil para uma primeira abordagem, mas não descreve todas as diferenças entre os sistemas atuais. Há também sistemas generativos, sistemas de recomendação, sistemas de reconhecimento e sistemas concebidos para executar sequências de tarefas com diferentes graus de autonomia.
Os sistemas de IA podem ter arquiteturas diferentes. Muitos dos sistemas atuais de aprendizagem automática integram vários elementos que trabalham em conjunto.
Dados: podem ser textos, imagens, sons, vídeos, medições ou outros tipos de informação. Nos sistemas que aprendem a partir de exemplos, os dados são utilizados para identificar padrões. A quantidade necessária depende da tarefa, do método e do sistema utilizado.
Algoritmos: são métodos ou procedimentos que permitem processar informação, identificar padrões, otimizar parâmetros ou executar tarefas. Os algoritmos definem como determinadas operações são realizadas.
Modelos: nos sistemas de aprendizagem automática, o treino ajusta os parâmetros de um modelo para que este consiga produzir resultados a partir de novos dados. Por exemplo, um modelo treinado para reconhecer espécies de aves pode analisar uma fotografia e indicar quais são as espécies mais prováveis.
Capacidade de processamento: o treino e a execução de muitos sistemas de IA exigem recursos computacionais. As necessidades variam muito: algumas aplicações funcionam em dispositivos comuns, enquanto outras dependem de centros de dados e de hardware especializado.
Interfaces e integração: são os meios pelos quais as pessoas interagem com a IA ou através dos quais esta se integra noutros serviços. Podem incluir aplicações, assistentes digitais, motores de busca, ferramentas de escrita ou sistemas incorporados em equipamentos.
Nem todos os sistemas de IA utilizam os mesmos componentes, nem todos necessitam de grandes volumes de dados. A arquitetura depende da finalidade e da técnica utilizada. Além disso, um modelo de IA é apenas uma parte de um sistema mais amplo, que pode incluir software adicional, interfaces, fontes de dados e mecanismos de controlo.
Um algoritmo é uma sequência definida de operações ou instruções destinada a resolver um problema ou realizar uma tarefa.
Podemos compará-lo a uma receita: indica os passos a seguir para alcançar determinado resultado. Num computador, os algoritmos permitem, por exemplo, ordenar uma lista, calcular uma rota, comprimir uma imagem ou analisar dados.
No entanto, nem todos os algoritmos são utilizados em Inteligência Artificial, e nem todos os sistemas de IA aprendem a partir de dados. Alguns recorrem a regras explícitas; outros utilizam métodos estatísticos e modelos cujos parâmetros são ajustados durante o treino.
Na aprendizagem automática, os algoritmos permitem ajustar um modelo a partir de dados. Durante o treino, o sistema identifica padrões e ajusta os seus parâmetros para executar uma tarefa, como classificar imagens, reconhecer voz ou prever valores.
Depois do treino, o modelo pode receber novos dados e produzir resultados. O seu desempenho depende de vários fatores, incluindo a qualidade e a representatividade dos dados, o método utilizado, a adequação à tarefa e as condições em que é aplicado.
É importante perceber que um sistema de IA não melhora necessariamente de forma automática sempre que é utilizado. Alguns modelos são atualizados ou treinados novamente pelos seus criadores; outros não alteram os seus parâmetros durante a utilização normal.
Em sistemas de condução automatizada, por exemplo, diferentes componentes trabalham em conjunto para interpretar os dados de câmaras e sensores, estimar o que acontece à volta do veículo, planear movimentos e controlar a sua deslocação. A segurança depende da integração e do desempenho de todo o sistema, não apenas de um algoritmo isolado.
Os algoritmos fazem parte de muitos serviços digitais. Alguns utilizam técnicas de IA, enquanto outros recorrem a regras e métodos computacionais mais simples.
Redes sociais: plataformas como o Instagram e o TikTok selecionam e ordenam publicações e vídeos através de sistemas de recomendação que podem utilizar aprendizagem automática. Estes sistemas recorrem a diferentes sinais para estimar que conteúdos poderão ser relevantes para cada utilizador.
Motores de busca: o Google utiliza sistemas que ajudam a interpretar pesquisas, localizar páginas e ordenar resultados. A ordenação depende de múltiplos fatores e não garante que o primeiro resultado seja sempre o mais correto ou credível.
Recomendações de filmes e música: serviços como a Netflix e o Spotify utilizam sistemas de recomendação para sugerir conteúdos com base em diferentes sinais, que podem incluir o histórico de utilização, as preferências indicadas e características dos próprios conteúdos.
Aplicações de navegação: o Google Maps e o Waze utilizam algoritmos para calcular rotas e estimar tempos de viagem. Os resultados podem considerar distâncias, condições de trânsito, incidentes e outros fatores disponíveis.
Assistentes digitais: a Siri e o Gemini permitem executar tarefas e responder a pedidos através da linguagem natural. Em dispositivos móveis Android, o Gemini está a substituir o Google Assistant como assistente principal. As funcionalidades disponíveis variam consoante o dispositivo e o serviço.
Modelos de linguagem grandes: os modelos de linguagem grandes, conhecidos pela sigla inglesa LLM (Large Language Models), são treinados com grandes conjuntos de dados para aprender padrões da linguagem e gerar sequências de texto. Podem resumir documentos, explicar conceitos, traduzir, apoiar a escrita e ajudar a explorar ideias.
Estes modelos não consultam necessariamente a Internet nem verificam automaticamente a veracidade de tudo o que produzem. Podem gerar respostas coerentes e convincentes que contenham erros, referências inexistentes ou informação desatualizada. A qualidade dos resultados depende de vários fatores, incluindo o modelo, os dados de treino, as instruções recebidas, o contexto disponível e os mecanismos de verificação utilizados.
Os algoritmos estão presentes em muitos aspetos da nossa vida digital, e a Inteligência Artificial é uma das tecnologias que os utiliza para analisar informação, reconhecer padrões, produzir conteúdos e apoiar decisões.
Estas tecnologias podem facilitar tarefas e abrir novas possibilidades, mas os seus resultados não são necessariamente corretos, imparciais ou adequados a todas as situações.
Compreender a IA implica saber distinguir algoritmos, modelos e sistemas, perceber o que podem fazer e reconhecer os seus limites. Essa compreensão ajuda-nos a utilizar a tecnologia de forma crítica, informada e responsável.
| MILD - Quem somos? Imagem do cabeçalho Thought Catalog on Unsplash |
