Quando falamos sobre Inteligência Artificial (IA), muitos associam ao que vemos na ficção científica, ou seja, máquinas inteligentes que desenvolvem consciência e resolvem dominar a espécie humana. Porém, a situação real é bem diferente: a IA é uma ferramenta que pode ser usada para melhorar a vida de muitas pessoas.

No entanto, da mesma forma que pode ser usada para o bem, ela também pode ser usada para más intenções e é isso que causa certo receio. Para acabar com as dúvidas, neste texto nós vamos explicar o que é Inteligência Artificial e Machine Learning, essa última muitas vezes confundida com um sinônimo de IA.

+ O que é Inteligência Artificial e Machine Learning?

+ Inteligência Artificial

A IA está relacionada a máquinas que simulem o raciocínio humano e a capacidade de tomar decisões que têm mais chance de sucesso. Por isso, são chamadas “máquinas inteligentes”.

Ao longo do tempo, essas máquinas conseguem “aprender” e, assim, “evoluir”. Um exemplo é o AlphaGo Zero, um software de IA que aprendeu a jogar Go (um antigo jogo chinês) sozinho.  Ele não recebeu nenhuma instrução, os dados de entrada foram apenas os movimentos de várias partidas. - Nós já falamos sobre ele aqui no Engenharia 360, você pode conferir mais informações neste link - . Outros dispositivos que contam com IA podem ser vistos no contexto atual, como carros autônomos, sistemas de reconhecimento facial, de escrita e de voz, em diagnósticos médicos e etc.

+ Machine Learning

Machine Learning (aprendizado de máquinas, em português), é como se fosse algo que leva à IA. Consiste em usar algoritmos que vão coletar dados, aprender e, então, tomar uma decisão. Diferentemente de algoritmos com rotinas determinadas manualmente, o sistema possui a habilidade de aprender com os dados que são inseridos e aprimorar a tarefa que realizam. Por exemplo, o AlphaGo Zero foi construído por Machine Learning usando as regras do jogo.

O termo Machine Learning costuma ser confundido com Inteligência Artificial. Na verdade, os dois são interligados e o Machine Learning é quase uma subcategoria da IA.

Os dados lidos pelos algoritmos podem ser diferentes. Há casos em que são inseridas a entrada e a saída, de modo que o algoritmo pode avaliar a situação e saber se o resultado foi bom ou não – é como aprender por estudo de caso – e há casos em que os dados simplesmente são inseridos e o sistema procura por padrões para aprender.

+ Como surgiram a Inteligência Artificial e Machine Learning?

O desenvolvimento da Inteligência Artificialcomeçou na década de 50. Um dos nomes famosos no meio é Alan Turing, que publicou um artigo denominado “Computing Machine and Intelligence” em que propõe um teste para a inteligência da máquina. Basicamente, a máquina passa no teste de Turing se o interrogador não for capaz de distinguir se está conversando com um humano ou com uma máquina.

Machine Learning também não fica para trás na história, ele foi idealizado pelos mesmos pesquisadores que buscavam desenvolver a IA. Arthur Samuel, que criou, ainda na década de 50, um sistema que o superou em um jogo de damas, definiu o Machine Learning como uma área que permite às máquinas aprender sem serem programadas para a tarefa de forma explícita.

O que permitiu o grande crescimento da Inteligência Artificial e Machine Learning foi o desenvolvimento de GPUs (Graphic Processing Units) mais baratas e mais poderosas. Elas permitem um processamento paralelo mais eficiente. Além disso, a enorme quantidade de dados (Big Data - incluindo imagens, mapas, texto e outras informações) produzida atualmente também contribui para o desenvolvimento dessas áreas.

+ Como podemos aplicar Inteligência Artificial e Machine Learning na Engenharia?

Para ver a aplicação de Inteligência Artificial e Machine Learning na Engenharia não é preciso fazer nenhum esforço. Aliás, tal aplicação é até óbvia se partimos do princípio de que uma das funções da Engenharia é melhorar a qualidade de vida. Assim, IA e Machine Learning são uma área da computação que fazem parte da Engenharia.

Atualmente, vários pesquisadores no mundo inteiro, incluindo engenheiros, estudam uma forma de aplicar Inteligência Artificial e Machine Learning em algo que tenha impacto direto em nossas vidas. Parece inútil ver reportagens de máquinas que aprendem a jogar, mas elas são o começo de algo grande. Os carros autônomos, máquinas que auxiliam diagnósticos médicos e os assistentes virtuais (como Siri, Google Assistant e Cortana) já mostram isso.

+ Porém…

Uma preocupação recente é sobre o uso de Inteligência Artificial por mãos erradas. Assim como pode ser usada para beneficiar muita gente, a IA pode fazer um estrago grande se for usada para o mal. Recentemente, diante do iminente uso militar da Inteligência Artificial, vários engenheiros e outros pesquisadores se comprometeram a não produzir armas autônomas letais. Nós já discutimos um pouco sobre isso aqui no Engenharia 360 e explicamos sobre as armas autônomas letais e o motivo do acordo (neste link).

+ Exemplo de aplicação de Inteligência Artificial e Machine Learning na Engenharia

Um software de Machine Learning será implementado em um projeto piloto de uma Estação de Tratamento de Esgoto (ETE). A implementação é uma parceria entre a Maxion Componentes Estruturais (uma divisão da Iochpe-Maxion) e a startup Birmind e o objetivo é fazer o controle do uso de cal.

O software faz a análise dos dados de entrada e compara com os dados de saída. Assim, ele encontra a melhor relação entre eles. O diferencial é que, cada vez que uma comparação é feita, o software é capaz de aprender e ter resultados melhores. Espera-se que a redução no uso de cal seja de 25%.

A implementação do software contribui para a manutenção prescritiva, ligada à Indústria 4.0. Isso se deve ao fato de que ele é capaz de verificar padrões de alarmes dos sistemas para prever um problema antes que ele aconteça.

A ETE fica na unidade Cruzeiro, onde são produzidas peças automotivas, como chassis, longarinas e componentes estruturais. O objetivo é que o mesmo software seja implementado nos processos de pintura e lavagem de peças, que envolvem mais riscos.

Referências: Forbes; Transformação Digital; IoT for All; Data Science Brigade.

Larissa Fereguetti

Cientista e Engenheira de Saúde Pública, com mestrado, também doutorado em Modelagem Matemática e Computacional; com conhecimento em Sistemas Complexos, Redes e Epidemiologia; fascinada por tecnologia.