De acordo com a Gartner, a inteligência artificial generativa elevou as discussões sobre Inteligência Artificial (IA) a novos níveis, despertando interesse tanto nos conselhos de administração quanto nos chefes de Estado. Os líderes de dados e análises devem manter-se a par das tendências e acompanhar a trajetória das inovações para criar casos de investimento credíveis.
No entanto, há muita euforia à volta da IA. Com tantos modelos e produtos de IA emergentes no mercado, pode ser difícil filtrar todo o ruído e determinar como usar a IA de forma segura, eficaz e estratégica.
O Gartner® Hype Cycle™ for Artificial Intelligence, 2023 mostra como é possível:
- Obter uma compreensão abrangente do cenário atual de IA e tomar decisões baseadas em dados ao adotar IA.
- Avaliar a maturidade de várias tecnologias de IA para mitigar riscos.
- Usar a IA para apoiar o crescimento dos negócios e obter uma vantagem competitiva.
A Gartner identifica dois lados do movimento da IA generativa no caminho para sistemas de IA mais poderosos:
As inovações que serão alimentadas pela IA generativa:
- Sistemas autónomos
- Engenharia de IA
- IA centrada nos dados
- IA composta
- Sistemas operacionais de IA
- Inteligência artificial geral
- Prompt Engineering
- Robôs inteligentes
- ModelOps
- IA de ponta
- Dados sintéticos
- Aplicações inteligentes
- Serviços de IA na nuvem
- Visão computacional
As inovações que irão alimentar o avanço da IA generativa:
- First-principles IA
- IA neuro-simbólica
- Sistemas multiagente
- Causal IA
- Simulação de IA
- IA TRiSM
- IA responsável
- Modelos de base
- Gráficos de conhecimento
- Etiquetagem e anotação de dados
- A matriz de prioridades
Todas essas inovações encontram-se em diferentes partes do Hype Cycle da Gartner, uma representação gráfica das fases do ciclo de vida de uma tecnologia desde o desenvolvimento inicial até à sua disponibilidade comercial e adoção, bem como o seu eventual declínio e obsolescência.
Em comparação com outros Hype Cycle, o Hype Cicle da IA tem mais inovações classificadas como benefícios nas categorias elevada a transformacional, sem que nenhuma inovação tenha uma classificação de benefícios baixa ou moderada.
Neste artigo, vamos mostrar algumas das tecnologias de IA que estão em ascensão e as que já atingiram o pico do Hype Cycle da Gartner.
Tecnologias em ascensão no Hype Cycle
Os sistemas autónomos são sistemas físicos ou de software autogeridos, que executam tarefas limitadas por um domínio e as suas próprias decisões e tarefas de forma autónoma, sem assistência externa. Os sistemas autónomos são cada vez mais importantes porque permitem níveis de adaptabilidade, flexibilidade e agilidade empresarial que não podem ser alcançados apenas com as técnicas tradicionais de IA.
Um sistema multiagente (MAS) é composto por agentes múltiplos e interativos, capazes de perceber o ambiente e realizar ações. Os agentes podem ser modelos de IA, programas de software, robots e outras entidades computacionais. Múltiplos agentes podem trabalhar para um objetivo comum que ultrapassa a capacidade dos agentes individuais, com maior adaptabilidade e robustez. A aplicação combinada de múltiplos agentes autónomos pode resolver tarefas complexas que os agentes individuais não conseguem, criando simultaneamente soluções mais adaptáveis, escaláveis e robustas.
A IA neuro-simbólica é uma forma de IA composta que combina métodos de aprendizagem automática e sistemas simbólicos para criar modelos de IA mais robustos e fiáveis. Esta combinação permite combinar padrões estatísticos com regras e conhecimentos explicitamente definidos para dar aos sistemas de IA a capacidade de melhor representar, raciocinar e generalizar conceitos. Isto conduz a soluções de IA mais poderosas, versáteis e interpretáveis e permite que os sistemas de IA lidem com tarefas mais complexas com um raciocínio semelhante ao humano.
A engenharia de IA é fundamental para a entrega empresarial de soluções de IA em escala. A disciplina unifica os pipelines de DataOps, MLOps e DevOps para criar sistemas coerentes de desenvolvimento empresarial, entrega e operacional baseados em IA. O estabelecimento de pipelines de IA consistentes permite às empresas desenvolver, implementar, adaptar e manter modelos de IA de forma consistente, independentemente do ambiente.
A simulação de IA combina tecnologias de IA e simulação para desenvolver agentes de IA e ambientes simulados. Inclui tanto a utilização da IA para tornar as simulações mais eficientes e úteis, como a utilização de uma vasta gama de modelos de simulação para desenvolver sistemas de IA mais versáteis e adaptáveis. A simulação é utilizada para tornar a IA mais robusta e compensar a falta de dados de formação, e a IA é utilizada para tornar as simulações mais eficientes e realistas.
- Inteligência Artificial Geral
A inteligência geral artificial (AGI) é a inteligência de uma máquina que pode realizar qualquer tarefa intelectual que um humano possa realizar. A AGI é uma caraterística atribuída a futuros agentes de IA autónomos que podem atingir objetivos numa vasta gama de ambientes reais ou virtuais, pelo menos tão eficazmente como os humanos. Compreender o conceito de AGI é crucial para orientar e regular a evolução futura da IA, embora seja essencial gerir expectativas realistas.
- Sistemas operacionais de IA
Os sistemas operacionais de IA permitem a orquestração, automação e escalonamento de IA pronta para produção e de nível empresarial. Esses sistemas integram DataOps, ModelOps, MLOps e serviços de implantação para fornecer governança empresarial, eliminando atrito de integração e incompatibilidade entre diferentes plataformas.
Tecnologias no pico do Hype Cycle
A inteligência artificial responsável é um termo genérico que abrange aspetos relacionados com a tomada de decisões comerciais e éticas adequadas aquando da adoção da IA. A IA responsável permite os resultados corretos, garantindo o valor comercial e mitigando os riscos. Para tal, é necessário um conjunto de ferramentas e abordagens, incluindo métodos específicos do sector, adotados por fornecedores e empresas.
Um robô inteligente é uma máquina movida a IA, frequentemente móvel, concebida para executar autonomamente uma ou mais tarefas físicas. Estas tarefas podem basear-se em aprendizagem automática, que pode ser incorporada em atividades futuras ou apoiar condições sem precedentes. O interesse em robôs inteligentes tem aumentado, uma vez que as empresas procuram melhorar ainda mais as operações logísticas, apoiar a automatização e aumentar a capacidade humana em vários trabalhos.
Os modelos de base são treinados autonomamente em conjuntos de dados amplos, baseando-se em arquiteturas de redes neuronais profundas. São designados modelos de base devido à sua importância crítica e aplicabilidade a uma grande variedade de casos de utilização a jusante. Esta ampla aplicabilidade deve-se ao pré-treinamento e à versatilidade dos modelos. Os modelos de base são um importante passo em frente para a IA devido à sua pré-treino maciço e à sua ampla aplicabilidade em casos de utilização. Eles podem fornecer recursos de última geração com maior eficácia do que seus antecessores.
As tecnologias de IA generativa podem gerar novas versões derivadas de conteúdos, estratégias, conceções e métodos, aprendendo com grandes repositórios de conteúdos originais. A IA generativa tem um impacto profundo nas empresas, nomeadamente na descoberta, criação, autenticidade e regulamentação de conteúdos; na automatização do trabalho humano; e nas experiências dos clientes e dos funcionários.
Tecnologias a chegar ao topo do Hype Cycle
A visão computacional é um conjunto de tecnologias que envolvem a captura, o processamento e a análise de imagens e vídeos do mundo real para extrair informações significativas e contextuais do mundo físico. A visão computacional está a impulsionar a inovação em muitas indústrias e casos de utilização e está a criar aplicações e oportunidades de negócio sem precedentes.
Os serviços de IA em nuvem fornecem ferramentas de criação de modelos de IA, APIs para serviços pré-construídos e middleware associado que permitem a criação, a implantação e o consumo de modelos de aprendizagem automática (ML) executados em infraestruturas pré-construídas como serviços em nuvem. Estes serviços incluem serviços de visão e de linguagem e ML automatizado para criar modelos e personalizar modelos pré-construídos. Os serviços de IA em nuvem permitem a incorporação de modelos avançados de aprendizagem automática em aplicações que são utilizadas para executar as operações comerciais quotidianas.
Junte-se à Hydra iT nesta jornada digital!
Entre em contacto connosco para saber mais sobre as tecnologias emergentes na atualidade.
