Quando falarmos do artificial é capaz de fazer, existe um horizonte de possibilidades ainda des conhecido. O que se sabe, no entanto, é que as habilidades de qualquer IA,seja qual for o seu propósito, dependem de como ela é treinada.

De forma geral, o objetivo da inteligência artificial é criar máquinas que atuem com o mesmo grau de capacidade cognitiva de humanos (ou até superá-lo). Mas o processo de aprendizagem é bem diferente do nosso.

“Ela opera estritamente com base em padrões estatísticos e matemáticos, enquanto os humanos aprendem através de experiência, intuição, compreensão do contexto e aplicação de princípios abstratos”, diz o diretor-presidente da Associação Brasileira de Inteligência Artificial (Abria), Valter Wolf.

Tecnicamente, as IAs aprendem fazendo o que os especialistas chamam de mapeamento entre entradas e saídas. Quando dizemos que 2 + 1 = 3,por exemplo, as entradas são 2 e 1, e a saída é 3. “A partir de grandes quantidades de dados, as IAs memorizam como gerar saídas corretas correspondentes às entradas”, explica o professor do curso de ciência da computação do Insper, Tiago Tavares.

O treinamento funciona minimizando o erro nesse mapeamento, num esquema parecido com a brincadeira de “quente” e “frio”. Por exemplo: ao apresentar o problema de 2 + 1, talvez a IA respondesse 4, aí o treinamento e assim por diante.

Com as regras aprendidas, por meio de algoritmos de aprendizado de máquina (treinados com supervisão ou não), a inteligência artificial identifica padrões nos dados e generaliza esse aprendizado para fazer previsões — ou extrapola o conhecimento para tomar decisões em situações novas.

Quantidade sim, qualidade também

Todo esse processo de “coaching” é influenciado, principalmente, por uma combinação: a qualidade e a quantidade dos dados usados para alimentar a IA.

“Dados de baixa qualidade — textos com preconceito, por exemplo — levam a gerar saídas que emulam esse mesmo preconceito. Dados em baixa quantidade podem não ser suficientes para ela aprender algo de fato; então o sistema simplesmente não funciona ou começa a soltar informações aleatórias”, esclarece Tavares.

Mas não são só os dados. Outros aspectos também interferem no resultado, como os algoritmos utilizados, a capacidade computacional, o tempo de treina - mento e a expertise dos engenheiros que configuram o sistema. A escolha desses fatores pode impactar significativamente o desempenho da IA.

or isso, o “ensino” envolve uma equipe multidisciplinar de profissionais, incluindo engenheiros de machine learning, cientistas de dados, engenheiros de software e outros especialistas, que trabalham juntos para ali - mentar e treinar a IA.

Status: aprovada

Até o robô estar pronto para uso, o treinamento envolve várias etapas. Segundo o presidente da Abria, são três as principais:

1) Coleta e preparação de dados
Conjuntos de informações relevantes para o treinamento são reunidos e preparados.

2) Treinamento do modelo
Os parâmetros são ajustados interativa - mente para minimizar o erro na previsão ou classificação.

3) Avaliação e teste
O modelo é avaliado usando um conjunto de dados de teste novos.

A inteligência artificial é considerada bem treinada e, portanto, pronta para ser aplicada em soluções do cotidiano de pessoas e empresas, quando demonstra um desempenho consistente e preciso em tarefas específicas, validado por meio de testes rigorosos.

“No contexto do treinamento supervisionado, é quando ela apresenta a capacidade de fazer previsões ou tomar decisões precisas e consistentes em dados não vistos durante o treinamento”, detalha Wolf. Por isso, é comum os desenvolvedores de sistemas de IA separarem parte dos dados só para essa etapa de avaliação do desempenho.

Um indicador de que a IA está aprovada é ela apresentar uma performance acima de 95% de precisão. Porém, Tavares, do Insper, pontua que esse limite depende muito do business case: “Em aplicações críticas, como as de medicina, é preciso ter uma taxa de erros muito baixa. Em outras, como determinar o comportamento de personagens em jogos, os erros são menos problemáticos.”

A perfeita não existirá

Ainda que haja avanços tecnológicos e metodológicos contínuos para aperfei çoar as IAs, vale salientar que, por mais avançada que seja, os especialistas avisam ser improvável que tenhamos uma inteligência artificial perfeita algum dia, que nunca cometa erros.

“O futuro da IA provavelmente envolverá melhorias na compreensão de contexto, maior eficiência e aplicação em uma variedade de do - mínios, mas sempre acompanhado pela necessidade de supervisionar e garantir a responsabilidade ética em seu uso”, prevê o presidente da Abria.