Inteligência Artificial e Machine Learning

Gabriela Polidoro Lima
UX Designer & Content Writer

Vivemos numa nova era tecnológica, onde, a cada dia, novos produtos e ferramentas são criadas para tornar a vida e o trabalho mais eficiente, mais rápido, mais prático e mais fácil. O desenvolvimento de novos softwares produz um número elevado de ferramentas e tecnologias que permite conseguir mais com menos.

A tecnologia tem visto mais mudanças durante os últimos 12 meses do que no total dos últimos 10 anos, isso graças a um disruptivo fator: Inteligência Artificial. E se 2023 foi o ano de consolidação, 2024 será o da Operacionalização. 

Gabriela Polidoro Lima
UX Designer & Content Writer

Vivemos numa nova era tecnológica, onde, a cada dia, novos produtos e ferramentas são criadas para tornar a vida e o trabalho mais eficiente, mais rápido, mais prático e mais fácil. O desenvolvimento de novos softwares produz um número elevado de ferramentas e tecnologias que permite conseguir mais com menos.

A tecnologia tem visto mais mudanças durante os últimos 12 meses do que no total dos últimos 10 anos, isso graças a um disruptivo fator: Inteligência Artificial. E se 2023 foi o ano de consolidação, 2024 será o da Operacionalização. 

 

Inteligência Artificial (IA)

A Inteligência Artificial (IA) é um software de computador que imita as habilidades cognitivas humanas para realizar tarefas complexas que historicamente só poderiam ser realizadas por humanos, como tomada de decisões, análise de dados e tradução de idiomas.

Em outras palavras, é um código em sistemas de computador explicitamente programado para executar tarefas que requerem raciocínio humano. Embora as máquinas e os sistemas automatizados sigam um conjunto de instruções e as executem sem alterações, os que utilizam IA podem aprender com as suas interações para melhorar o seu desempenho e eficiência.

Se por um lado IA é a ciência alargada de reproduzir as capacidades humanas, Machine Learning é um subconjunto específico de IA que treina uma máquina para poder aprender. Ou seja, é um método de análise de dados que automatiza a construção de modelos analíticos. É um ramo da Inteligência Artificial baseado na ideia de que os sistemas podem aprender através dos dados, identificar padrões e tomar decisões com uma reduzida intervenção humana. 

Sabemos que a tecnologia avança sempre com o objetivo de melhorar e facilitar a vida das pessoas e quando analisamos esses avanços por uma perspetiva profissional, mais especificamente o desenvolvimento de códigos, percebemos que os benefícios são ainda mais impactantes. Além de facilitar e agilizar a sua criação, essas técnicas permitem que a programação se torne mais acessível não especialistas também pois automatiza tarefas como escrita, sintetização, verificação, testes e manutenção. 

E se a Inteligência Artificial está a desempenhar um papel revolucionário na forma como a sociedade exerce as suas atividades, na programação não é exceção. Profissionais para área de desenvolvimento podem tornar-se ainda mais eficientes se souberem aplicar, na prática, os benefícios das novas tecnologias, além de colaborar com os sistemas e aproveitar os seus insights e automatizações.

Outros benefícios:

Automatização de tarefas

Tarefas repetitivas e monótonas podem ser facilmente automatizadas, criando mais tempo para
aquelas de maior valor, como o desenvolver algoritmos e resolver problemas complexos.

Otimização de processos

Algoritmos de IA podem analisar o desempenho de aplicativos, identificar gargalos e sugerir melhorias. Isso permite a otimização dos códigos, maior eficiência do software e ainda ajuda na gestão de projetos e alocação de recursos de forma eficiente.

Assistência nas decisões

Fornecer insights valiosos durante a análise de um grande volume de dados é um grande auxílio para as tomadas de decisão. Por exemplo, determinar quais recursos devem ser priorizados, com base no feedback dos utilizadores e na análise de dados de uso.

Aprimoramento da segurança

Automatizar a detecção de pontos vulneráveis e identificar atividades suspeitas e ataques cibernéticos.

Mas, na prática, como os algoritmos de Machine Learning podem ser aplicados?

Já é possível identificar muitos exemplos da aplicação de Machine Learning no nosso quotidiano e muitos setores já estão a ser impactados por essa tecnologia.

Entretenimento e Multimédia

– Plataformas de streaming: utilização de algoritmos de recomendação para sugerir programas e filmes aos espectadores.
– Redes sociais: recomendação personalizadas através de pesquisas, tempo de tela e curtidas.

Saúde e Medicina

– Doenças: identificação de doenças, diagnósticos mais precisos e melhoria de tratamentos.
– Exames: análise de imagens médicas (raios-X e ressonâncias magnéticas) e identificação de anomalias com mais assertividade.
– Análise de dados: detecção de tendências e riscos de saúde através da análise de dados de um grande número de pacientes, permitindo intervenções de saúde pública mais eficazes.

Finanças

– Detecção de fraudes e análise de riscos: identificação de padrões suspeitos de transações financeiras para proteger as instituições e clientes.
– Previsão de tendências de mercado: maior assertividade e segurança ao tomar decisões sobre investimentos.

Processamento de linguagem natural (PLN)

PLN é uma subárea do Machine Learning que converte informações de bancos de dados de computadores em uma linguagem compreensível ao ser humano.
– Conversão automática de informações: corretor automático do telemóvel, tradução de idiomas, assistentes virtuais e chatbots.

Em 2011 os Assistentes Virtuais ficaram conhecidos com o lançamento da Siri, pela Apple. Desde então, outros exemplos apareceram no mercado, o que ajudou a tornar-se popular e ganhar mais espaço na casa das pessoas. Um assistente virtual nada mais é do que um software desenvolvido para executar comandos por voz ou escritos. Eles aprendem a compreender os padrões de voz, a forma como as palavras são ditas, e entregam o melhor resultado para o comando que foi dado. E podem estar conectados aos telemóveis, lâmpadas, frigoríficos ou ecrãs de televisão.

Internet das Coisas (IoT) é o nome dado a integração entre esses produtos e a internet, ou seja, eles funcionam quando conectados ao wi-fi e podem ser utilizados de forma remota.
Alguns exemplos disponíveis no mercado:
– Alexa, da Amazon: lançada em 2014 como uma “inteligência artificial controlada por voz”, ela atende a comandos para tocar músicas, ler notícias e diminuir o brilho das lâmpadas.
– Cortana, da Microsoft: lançada no mesmo ano, é descrita como uma assistente de produtividade que “ajudará a economizar tempo e se concentrar no que é mais importante”.
– Siri, da Apple: a primeira versão lançada, ainda em 2011, com uma tecnologia mais simples, mas atualmente é capaz de fazer tarefas complexas por comandos de voz.

Mas a importância desses produtos vai muito além de atender aos comandos que lhes são dados, eles oferecem um papel essencial quando se trata de acessibilidade para pessoas com deficiência. Ampliar a autonomia e executar tarefas que antes poderiam parecer desafiadoras, são alguns dos benefícios. Além disso, realizar pedidos de socorro em situações de perigo pode ser muito mais fácil e seguro quando se utiliza esse tipo de tecnologia. Uma grande vantagem!

Capazes de criar textos, imagens e vídeos a partir de comandos, com velocidade e qualidade impressionantes, os chatbots são ferramentas de Inteligência Artificial generativa. Os mais populares disponíveis atualmente são:
Merly.ai, o assistente de IA: ajuda os programadores a entender, corrigir e manter código complexo, enquanto fornece informações, rastreamento e resumos sobre a qualidade do código.
GitHub Copilot, o AI pair programmer: sugere código e funções em tempo real. Segundo a própria GitHub, esta ferramenta oferece impacto real na produtividade e felicidade das equipas de desenvolvimento de software.
OpenAI Chat GPT, o chatbot: gera fragmentos de código em várias linguagens de programação com base em exemplos imediatos. O código gerado é mantido em contexto na conversação e pode ser alterado, melhorado ou corrigido durante o processo, simulando a interação com um verdadeiro ser humano.

É importante ressaltar que, embora essas aplicações tragam benefícios significativos, também levantam questões éticas e de privacidade que precisam ser abordadas de maneira cuidadosa. A exploração responsável de recursos deve estar no centro do desenvolvimento de sistemas e não envolve apenas considerações morais, mas também a prevenção de impactos negativos e a garantia do desenvolvimento benéfico.

Alguns dos principais desafios éticos relacionados à Inteligência Artificial:
Tendências e discriminação: Os algoritmos são treinados com base em dados existentes e podem conter preconceitos e discriminações embutidas, levando a decisões injustas e desigualdades sociais.
Privacidade e segurança: Com a coleta massiva de dados, a IA pode causar a violação da privacidade das pessoas através do uso indevido de informações pessoais.
Responsabilidade e transparência: A opacidade dos sistemas de IA pode dificultar a atribuição de responsabilidades em caso de erros ou acidentes causados por máquinas inteligentes.
Desemprego tecnológico: A automação impulsionada pela IA pode levar ao deslocamento de empregos tradicionais, incentivando uma abordagem ética para o reemprego e a requalificação da força de trabalho.
Autonomia das máquinas: Com o avançar da IA surge a possibilidade de máquinas autônomas tomarem decisões críticas sem intervenção humana, levantando questões sobre ética.
Manipulação de informação: Disseminação e criação de informações falsas e manipulação de conteúdos podem ser feitas através de IA.
Relação humano-máquina: À medida que as máquinas se tornam mais inteligentes e interativas, torna-se relevante pensar na questão da empatia e ética nas relações entre humano e máquina.

A fim de minimizar o impacto desses desafios, pode-se adotar medidas como:
Garantir a diversidade nos dados para treinar algoritmos a serem diversos e representativos da sociedade.
Desenvolver sistemas transparentes permitindo que os utilizadores entendam como as decisões são tomadas.
Estabelecer regulações e normas éticas para orientar o uso responsável e proteger os direitos individuais.
Educar e conscientizar sobre as questões éticas para promover o uso consciente e responsável.
Trabalhar de forma colaborativa ao abordar questões éticas entre empresas, governos, instituições académicas e sociedade civil.

O futuro está profundamente entrelaçado com a IA, e aqueles que abraçam essa parceria estão destinados a se tornar os programadores mais eficientes e bem-sucedidos de amanhã. Uma nova era tecnológica se aproxima e terá um tremendo impacto na indústria de TI, por isso, a adoção e adaptação a essa mudança posicionará muitos profissionais e organizações para o sucesso digital nos próximos anos.

Fontes das imagens:
Imagem Machine Learning
https://www.linkedin.com/pulse/machine-learning-qual-o-seu-papel-da-sociedade-t%C3%A2nia-marante/?originalSubdomain=pt

Imagem Chatbots
https://itforum.com.br/noticias/7-mitos-sobre-chatbots-e-assistentes-virtuais/

Imagem AI
https://blog.axians.pt/machine-programming-ia-no-desenvolvimento-de-software

Imagem Ética
https://medium.com/data-hackers/explainable-ai-extraindo-explica%C3%A7%C3%B5es-e-aumentando-a-confian%C3%A7a-dos-modelos-de-ml-3a89b7b5a584