Era da IA: tudo o que você precisa saber sobre inteligência artificial

A IA está aparecendo aparentemente em todos os cantos da vida moderna, desde música e mídia até negócios e produtividade, até namoro. Há tanta coisa que pode ser difícil acompanhar - então continue lendo para descobrir tudo, desde os últimos grandes desenvolvimentos até os termos e empresas que você precisa saber para se manter atualizado neste campo em rápida evolução.

Para começar, vamos garantir que estamos todos na mesma página: o que é IA?

A inteligência artificial, também chamada de aprendizado de máquina, é um tipo de sistema de software baseado em redes neurais, uma técnica que foi pioneira décadas atrás, mas recentemente floresceu graças a novos e poderosos recursos de computação. A IA permitiu o reconhecimento eficaz de voz e imagem, bem como a capacidade de gerar imagens e fala sintéticas. E os pesquisadores estão trabalhando duro para possibilitar que uma IA navegue na web, reserve ingressos, ajuste receitas e muito mais.

Ah, mas se você está preocupado com uma ascensão do tipo Matrix das máquinas - não fique. Falaremos sobre isso mais tarde!

Nosso guia de IA tem três partes principais, cada uma delas atualizada regularmente e que pode ser lida em qualquer ordem:

No final deste artigo, você estará tão atualizado quanto qualquer um pode esperar estar hoje em dia. Também o atualizaremos e expandiremos à medida que avançamos na era da IA.

Créditos da imagem:Andrii Shyp / Getty Images

Uma das coisas loucas sobre a IA é que, embora os conceitos básicos remontem a mais de 50 anos, poucos deles eram familiares até mesmo para os especialistas em tecnologia antes, muito recentemente. Portanto, se você se sentir perdido, não se preocupe — todo mundo está.

E uma coisa que queremos deixar claro desde o início: embora seja chamado de "inteligência artificial", esse termo é um pouco enganador. Não há uma definição de inteligência por aí, mas o que esses sistemas fazem está definitivamente mais próximo de calculadoras do que de cérebros. A entrada e a saída desta calculadora são muito mais flexíveis. Você pode pensar em inteligência artificial como coco artificial – é uma imitação de inteligência.

Com isso dito, aqui estão os termos básicos que você encontrará em qualquer discussão sobre IA.

Nossos cérebros são em grande parte feitos de células interconectadas chamadas neurônios, que se unem para formar redes complexas que executam tarefas e armazenam informações. A recriação desse incrível sistema em software tem sido tentada desde os anos 60, mas o poder de processamento necessário não estava amplamente disponível até 15 a 20 anos atrás, quando as GPUs permitiram que as redes neurais definidas digitalmente florescessem. No fundo, eles são apenas muitos pontos e linhas: os pontos são dados e as linhas são relações estatísticas entre esses valores. Como no cérebro, isso pode criar um sistema versátil que recebe rapidamente uma entrada, passa-a pela rede e produz uma saída. Este sistema é chamado de modelo.

O modelo é a coleção real de código que aceita entradas e retorna saídas. A semelhança na terminologia com um modelo estatístico ou um sistema de modelagem que simula um processo natural complexo não é acidental. Em AI, o modelo pode se referir a um sistema completo como ChatGPT, ou praticamente qualquer AI ou construção de aprendizado de máquina, o que quer que faça ou produza. Os modelos vêm em vários tamanhos, o que significa quanto espaço de armazenamento eles ocupam e quanto poder computacional eles consomem para serem executados. E isso depende de como o modelo é treinado.

Para criar um modelo de IA, as redes neurais que compõem a base do sistema são expostas a um monte de informações no que é chamado de conjunto de dados ou corpus. Ao fazer isso, essas redes gigantes criam uma representação estatística desses dados. Esse processo de treinamento é a parte de computação mais intensiva, o que significa que leva semanas ou meses (você pode ir o quanto quiser) em enormes bancos de computadores de alta potência. A razão para isso é que não apenas as redes são complexas, mas os conjuntos de dados podem ser extremamente grandes: bilhões de palavras ou imagens que devem ser analisadas e representadas no modelo estatístico gigante. Por outro lado, uma vez que o modelo termina de cozinhar, ele pode ser muito menor e menos exigente quando está sendo usado, um processo chamado de inferência.