#Technews: novidades em Inteligência Artificial de 2022

As inovações em Inteligência Artificial continuam a oferecer grandes benefícios aos negócios. Além disso, tudo indica que as taxas de adoção da IA vão acelerar nos próximos anos. O 2022 Gartner Hype Cycle™ for Artificial Intelligence (AI) identificou inovações em tecnologia que vão além da IA ​​cotidiana que já está sendo usada em aplicativos de negócios, dispositivos e ferramentas de produtividade anteriormente estáticos.

“Notavelmente, o AI Hype Cycle está cheio de inovações que devem gerar benefícios altos até transformacionais.”, diz Afraz Jaffri , analista diretor do Gartner. “Preste atenção especial às inovações que devem atingir a adoção geral em dois a cinco anos. Incluindo IniegigEncia Artificial composta, inteligência de decisão e IA de ponta. A adoção antecipada dessas inovações pode gerar uma vantagem competitiva e valor comercial significativos e aliviar os problemas associados à fragilidade dos modelos de IA”.

As inovações na Inteligência Artificial se dividem em quatro categorias

Espera-se que a ampla gama de inovações de IA impacte pessoas e processos dentro e fora de um contexto empresarial. Tornando-os, assim, importantes para diferentes partes interessadas. Como por exemplo líderes de negócios ou equipes de engenharia corporativas encarregadas de implantar e operacionalizar os sistemas de IA. 

Os líderes de dados e análises (D&A) têm mais a ganhar ao usar a perspectiva do Hype Cycle para elaborar suas estratégias de IA. As inovações de IA no Hype Cycle refletem prioridades complementares e às vezes conflitantes em quatro categorias principais:

• IA centrada em dados
• IA centrada em modelos
• IA centrada em aplicativos
• IA centrada no ser humano

Inteligência Artificial centrada em dados

A comunidade de IA tradicionalmente se concentra em melhorar os resultados de sua soluções ajustando os próprios modelos de Inteligência Artificial. Porém, a IA centrada em dados muda o foco para aprimorar e enriquecer os dados usados ​​para treinar os algoritmos. 

Ao abordar as considerações de dados específicas de Inteligência Artificial, a IA centrada em dados interrompe o gerenciamento de dados tradicional. Dessa forma, as organizações evoluirão para preservar ideias clássicas de gerenciamento de dados e ampliá-las para IA de duas maneiras:

• Adicione recursos necessários para o desenvolvimento conveniente de IA por um público focado nela, mas que não está familiarizado com o gerenciamento de dados.
• Use a IA para melhorar e aumentar os clássicos eternos de governança de dados, persistência, integração e qualidade de dados.

As inovações em IA centrada em dados incluem dados sintéticos, gráficos de conhecimento, rotulagem de dados e anotações.

Dados sintéticos são aqueles gerados artificialmente em vez de obtidos a partir de observações diretas do mundo real. Os dados podem ser gerados usando diferentes métodos, como amostragem rigorosa de dados reais, abordagens semânticas, entre outras formas. Além disso, o Gartner prevê um aumento maciço na adoção de dados sintéticos, veja porquê:

• Evita usar informações de identificação pessoal ao treinar modelos de machine learning (ML) – ele utiliza variações sintéticas de dados originais ou substituição sintética de partes de dados
• Reduz custos e economiza tempo no desenvolvimento de ML, pois é mais barato e rápido
• Melhora o desempenho de ML à medida que mais dados de treinamento levam a melhores resultados

IA centrada em modelos

Os modelos de IA ainda precisam de atenção para garantir que os resultados continuem a nos ajudar a tomar ações melhores. As inovações aqui incluem Inteligência Artificial informada por física, IA composta, causal, generativa, modelos básicos e aprendizado profundo.

A IA composta é a fusão de diferentes técnicas de IA para melhorar a eficiência do aprendizado e ampliar o nível de representações do conhecimento. Como nenhuma técnica de IA é uma solução mágica, ela fornece uma plataforma para resolver variados problemas de negócios de maneira mais eficaz.

Espera-se que esse recurso alcance a adoção geral em dois a cinco anos. Os benefícios comerciais da IA ​​composta provavelmente serão transformacionais, permitindo novas maneiras de fazer negócios em todos os setores. Exemplos:

• Leva o poder da IA ​​a organizações sem acesso a grandes quantidades de dados históricos ou rotulados, mas com experiência humana significativa
• Ajuda a expandir o escopo e a qualidade dos aplicativos de IA (ou seja, mais tipos de desafios de raciocínio podem ser incorporados)

Causal AI inclui diferentes técnicas, como gráficos causais e simulação, que ajudam a descobrir relações causais para melhorar a tomada de decisões. Os benefícios Inteligência Artificial Causal ​​incluem:

• Eficiência ao adicionar conhecimento de domínio a modelos de IA causais de bootstrap com conjuntos de dados menores
• Maior aumento de decisão e autonomia em sistemas de IA
• Melhor explicabilidade ao capturar relações de causa e efeito fáceis de interpretar
• Mais robustez e adaptabilidade ao alavancar relações causais que permanecem válidas em ambientes em mudança
• Redução do viés nos sistemas de IA tornando os vínculos causais mais explícitos

Inteligência Artificial centrada em aplicativos

Engenharia de IA, sistemas operacionais de IA, serviços de nuvem de IA, robôs inteligentes, processamento de linguagem natural (NLP), aplicativos inteligentes, visão computacional e muito mais. Espera-se que a inteligência de decisão e a IA de ponta alcancem a adoção geral em dois a cinco anos e tenham benefícios comerciais transformacionais.

A inteligência de decisão é uma disciplina prática usada para melhorar a tomada de decisões nas empresas. Dessa forma, ela entende e projeta explicitamente como as decisões são tomadas e como resultados são avaliados, gerenciados e aprimorados.

A inteligência de decisão ajuda a:

• Reduzir a dívida técnica e aumentar a visibilidade. Melhorar o impacto dos processos de negócios, aprimorando materialmente a sustentabilidade dos modelos de decisão, tornando-as mais transparentes e auditáveis
• Reduzir a imprevisibilidade dos resultados das decisões capturando e contabilizando adequadamente fatores de incerteza e tornando modelos de decisão mais resilientes

Edge AI refere-se ao uso de técnicas de Inteligência Artificial incorporadas em terminais, gateways e servidores de borda de IoT, em aplicativos diversos. Assim, os benefícios empresariais incluem:

• Eficiência operacional aprimorada, como sistemas de inspeção visual de fabricação
• Experiência aprimorada do cliente
• Redução da latência na tomada de decisões, com o uso de análises locais
• Redução de custos de conectividade, com menos tráfego de dados entre a borda e a nuvem
• Disponibilidade de solução persistente, independentemente da conectividade de rede

IA centrada no ser humano

Esse grupo de inovações inclui confiança em IA, gerenciamento de risco e segurança (TRiSM), IA responsável, ética digital e kits de criação e ensino de IA.

Quando a Inteligência Artificial substitui as decisões humanas, ela amplifica resultados bons e ruins. A IA responsável permite os resultados certos ao resolver dilemas enraizados na entrega de valor x tolerar riscos. Ou seja, a IA responsável é um termo abrangente para as escolhas comerciais e éticas apropriadas ao adotar a IA. Incluindo, por exemplo, valor comercial e social, risco, confiança, transparência, privacidade e conformidade regulatória e mais. Dessa forma, a IA responsável levará de 5 a 10 anos para alcançar a adoção geral, mas terá um impacto transformacional nos negócios. 

A ética digital é uma tendência de curto prazo (dois a cinco anos) que provavelmente terá um alto impacto nos negócios. Ela compreende os sistemas de valores e princípios morais para a condução das interações eletrônicas entre pessoas, organizações e coisas.

Essas questões, especialmente no que se refere à privacidade e preconceito, continuam sendo motivo de preocupação para muitos. Isso porque as pessoas estão cada vez mais conscientes de que suas informações são valiosas e ficam frustradas com a falta de transparência, uso indevido e violações. Dessa forma, as organizações estão agindo para mitigar os riscos em torno do gerenciamento e da proteção de dados pessoais, enquanto os governos estão implementando uma legislação mais rígida.

Muitas organizações ainda ignoram a ética digital, mas o Gartner prevê que até 2024, 30% das grandes organizações usarão uma nova métrica de “voz da sociedade”. Assim, ela atuará em questões sociais para avaliar o impacto no desempenho de seus negócios. As organizações precisarão integrar a ética digital para reforçar sua influência e reputação entre clientes, funcionários, parceiros e sociedade.

Fonte: Gartner