10 tendências da Inteligência Artificial (IA) em 2019

Swathi Young Blocked Unblock Seguir Seguindo 2 de janeiro Crédito de imagem: Unsplash.com

A maioria de nós está se perguntando sobre "o que está por vir para a IA em 2019, antes de 2020?". Alguns de nós podem estar se perguntando sobre "Singularidade". Outros ainda estão pensando: "AI é todo o hype e nenhuma ação" (embora este subconjunto esteja em declínio).

Todas as questões válidas para refletir sobre.

A Inteligência Artificial fez progressos substanciais em 2018. Se você não acredita em mim, olhe ao seu redor e observe todos os tipos de usos sutis da IA. O prompt de resposta de e-mail do Gmail, o Alexa em sua cozinha, a transcrição de seus correios de voz, chamadas automáticas de voz para seu cabeleireiro para sua próxima consulta e, claro, carros autônomos nas estradas de Utah!

Trending AI Articles:

1. Prevendo o comportamento de compra usando o Machine Learning

2. Compreender e construir Redes Generacionais Adversariais (GANs)

3. Aprendendo com os erros com o Hindsight Experience Replay

4. Como evitar o viés na aprendizagem de máquina

Além dos casos de uso do consumidor acima mencionados, as indústrias viram o aumento da IA aplicada. Tomemos o caso do Lyft. O Lyft usa uma série de modelos profundos para a detecção de fraudes que podem estar na forma de usar cartões de crédito roubados para gerar solicitações de aumento transitório. Enquanto isso, o Walmart usa modelos de IA para aumentar a eficiência operacional, como reembolsos de impostos sobre vendas e processos de auditoria. No ensino superior, universidades como a Penn State usam AI para ajudar os alunos a encontrar o caminho mais curto para a graduação. Em uma pesquisa recente da Deloitte (terceiro trimestre de 2018), ficou muito claro que “os primeiros adotantes estão aumentando seus investimentos em IA, lançando mais iniciativas e obtendo retornos positivos”. Veja aqui como a IA está ajudando as organizações.

Isso é ainda mais acelerado pelos investimentos em startups de IA que aumentaram 21% e continuarão em 2019. De acordo com um relatório conjunto da PWC e da CBInsights, o financiamento para companhias de IA com base nos EUA ficou próximo de US $ 2,3 bilhões.

O gráfico abaixo mostra como o aumento no financiamento de IA nos últimos dois anos:

É suficiente dizer que também haveria uma trajetória ascendente em 2019.

Vamos olhar para as 10 principais tendências da IA em 2019:

1. Aprendizagem por reforço:

O aprendizado por reforço é diferente do aprendizado supervisionado e não supervisionado (as formas mais comuns de aprendizado de máquina). A aprendizagem supervisionada envolve a aprendizagem com conjuntos de dados rotulados para produzir uma saída que seja genérica para esse conjunto de dados (por exemplo, encontrar o preço de uma nova casa, dados os preços da habitação de um local específico). Aprendizado não supervisionado envolve encontrar as conexões entre dados não rotulados ou agrupar esses dados (pense em um monte de imagens que não são rotuladas, mas tem parâmetros como cor, tamanho etc. e o programa retornará um resultado se a imagem é uma fruta ou um animal ).

A aprendizagem de reforço é diferente dos métodos acima; é uma estrutura que não usa as técnicas de reconhecimento de dados mencionadas acima. Em vez disso, ele usa tomadas de decisão seqüenciais baseadas na experiência. Este método interage com o ambiente para aprender e avançar para uma meta que recompensa as ações tomadas. A maioria dos algoritmos de jogo utiliza o aprendizado por reforço – determinar os movimentos que o computador deve fazer para ganhar o jogo. Sem a necessidade de especificar todas as regras do jogo, o algoritmo aprendendo jogando o jogo repetidamente e explorando todas as opções possíveis.

Atualmente, o uso de aprendizado por reforço é muito limitado (o AlphaGo e alguns robôs o usam), mas muitas indústrias estão explorando os usos e continuariam a experimentá-lo em 2019.

Alguns dos casos de uso industrial que estão sendo considerados são:

2. Ética em AI:

Este é um tópico enorme e uma busca pessoal por mim.

"Com grandes poderes vem grandes responsabilidades"

Este ditado se aplica a aplicativos de Inteligência Artificial . Embora existam debates e discussões sobre a substituição de trabalhos humanos, há uma questão fundamental que precisa ser respondida.

Os sistemas autônomos e inteligentes estão sendo projetados de uma maneira que inclua valores éticos individuais, da comunidade e da sociedade?

2018 assistiu a muitas apresentações sobre este tópico. Observe isso e isso .

Este tópico só vai aumentar em 2019.

Quais são algumas das coisas que estão sendo feitas para garantir o design ético de aplicativos de IA?

De acordo com a iniciativa global do IEEE sobre ética de sistemas autônomos e inteligentes, precisaríamos ter políticas ou padrões em torno do seguinte:

  • Responsabilidade legal – Seja em leis de propriedade ou responsabilidade legal por danos causados pelos sistemas de IA.
  • Transparência – Isso não é apenas para reforçar a política de uso de dados, mas também o acesso razoável às regras incorporadas nesses sistemas, juntamente com as trilhas de auditoria.
  • Políticas – As políticas que envolvem o impacto e as implicações desses sistemas devem estar em vigor.
  • Incorporação de valores em aplicativos de IA – Isso pode ser feito expressando normas em termos de obrigações e proibições que podem ser expressas computacionalmente.
  • Estrutura de governança – Padrões, processos e procedimentos para não infringir os direitos humanos básicos.

3. Computação Quântica:

No início, deixe-me dissipar quaisquer mitos que tornariam a computação quântica incrementalmente melhor em 2019. Em vez disso, estaríamos apenas empurrando um pouco na direção certa para a construção de melhores dispositivos de computação quântica. Apesar de ser um pequeno incremento, ainda seria um grande ponto focal na área da IA.

Computadores quânticos usam a física quântica para calcular cálculos mais rápido do que qualquer supercomputador hoje. Estamos bem conscientes de como os computadores usam bits e bytes. No entanto, ao contrário de um computador normal, os computadores quânticos usam qubits (bits Quantum) para armazenar informações.

Temos um longo caminho a percorrer em termos de lidar com os desafios da computação quântica, como manter a coerência dos qubits ou remover os cálculos desnecessários e ruidosos.

2019 veria mais pesquisas sobre computadores quânticos e como criar estratégias para reduzir as taxas de erro para possibilitar cálculos significativos. De acordo com Andrew Childs, co-diretor do Centro Conjunto para Informação Quântica e Ciência da Computação (QuICS), “Taxas de erro atuais limitam significativamente os comprimentos de cálculos que podem ser executados, nós teremos que fazer muito melhor se quisermos fazer algo interessante."

Os problemas interessantes poderiam ser resolver problemas quase insolúveis, como a mudança climática, a presença de planetas semelhantes à Terra na galáxia ou a capacidade do nosso corpo de destruir o câncer.

Crédito de imagem: pesquisa da IBM

4. Convergência da IA e outras tecnologias emergentes:

2019 veria mais exemplos da convergência de AI com IoT e AI com Blockchain.

Na verdade, os carros autônomos não são uma possibilidade prática sem que a IoT trabalhe de perto com a IA . Os sensores usados por um carro para coletar dados em tempo real são ativados pela Internet of Things (IoT) e os programas usados para a tomada de decisões são alimentados por modelos de IA.

Aprendizado em profundidade Os algoritmos AI agem, assim como tomam decisões usando esses dados. Alguns deles incluem planejamento de trajetória, rastreamento ocular para melhorar o monitoramento de motoristas, processamento de linguagem natural para entender comandos de voz e talvez até se auto direcionar para um posto de gasolina quando estiver com pouco combustível.

A outra característica poderosa que esses veículos autônomos teriam é a capacidade de se comunicar uns com os outros para que o tráfego como um todo seja otimizado.

Outra integração de tecnologias disruptivas é o Blockchain e o AI. Estamos cientes de que o Blockchain tem desafios como segurança e escalabilidade, e a IA sofre de problemas de privacidade e confiança; esses dois podem ser combinados para resolver esses problemas. O Blockchain pode alimentar mercados de dados descentralizados e ajudar os algoritmos de IA a serem mais transparentes e confiáveis.

Existem várias startups abrindo caminho para democratizar os conjuntos de dados de treinamento de IA.

Por exemplo, a Enigma é uma startup que permite às organizações um mercado de dados seguro que os usuários podem assinar e consumir por meio de contratos inteligentes.

5. Reconhecimento facial:

Seja o Google ganhando o recente processo ou o SenseTime da China , o reconhecimento facial recebeu muita publicidade negativa recentemente. No entanto, esta tecnologia continuaria a crescer em 2019. Reconhecimento facial é uma forma de aplicação de inteligência artificial que ajuda na identificação de uma pessoa usando sua imagem digital ou padrões de suas características faciais. 2019 veria um aumento no uso desta tecnologia com maior precisão e confiabilidade. Já estamos cientes do programa Deepface do Facebook que é usado para marcar facilmente seus amigos e familiares em suas fotos. O popular iPhoneX já está usando o reconhecimento facial como uma senha digital.

Com o boom na personalização de tudo – da sua experiência de compra à publicidade, essa tecnologia será usada cada vez mais para a identificação biométrica. Isso continuará a aumentar devido à identificação não invasiva e à facilidade de implantação.

Crédito da imagem: pixabay.com

Outros casos de uso, como o processamento de pagamentos por meio de controles de segurança, bem como pela aplicação da lei (na detecção precoce e na prevenção do crime), estariam aumentando.

Essas tecnologias de reconhecimento de imagem de última geração também podem ser usadas para fins de assistência médica – para acompanhar ensaios clínicos e procedimentos de diagnóstico médico. A Openwater , um dos precursores das tecnologias de imagem, está empurrando as fronteiras de futuros dispositivos que podem ler imagens de nossos cérebros!

6. Dados tendenciosos:

Este tópico está se tornando cada vez mais importante à medida que os modelos de aprendizado de máquina estão sendo usados para a tomada de decisões, como contratação, empréstimos hipotecários, prisioneiros liberados da liberdade condicional ou o tipo de benefícios do serviço social. A Amazon informou ter descartado uma ferramenta de contratação interna que aumentou o preconceito contra a contratação de mulheres. Alguns desses vieses são conscientes, enquanto alguns são inconscientes devido a dados que são usados para treinamento. Por exemplo, considere um caso fictício da decisão de promover uma mulher. Dados históricos sobre o emprego podem mostrar que as mulheres são menos promovidas do que os homens e, portanto, criam aplicações discriminatórias de IA. Muitos outros exemplos levaram a uma ênfase maior em lidar com dados tendenciosos em aplicativos de IA. Como o uso de aplicativos de IA aumenta em 2019, também haveria um aumento no aprendizado de como lidar com dados tendenciosos.

Pode-se argumentar que o aumento das regulamentações governamentais pode resolver esse problema, mas essas regulamentações muitas vezes não estão à altura dos avanços tecnológicos. O ônus recai sobre as empresas em adotar medidas proativas para adotar princípios de dados não discriminatórios.

O Fórum Econômico Mundial divulgou um relatório para evitar resultados discriminatórios no aprendizado de máquina . Algumas das maneiras como essa questão pode ser evitada é garantir a inclusão ativa da diversidade de insumos, a revisão dos riscos potenciais e a transparência do equilíbrio, em vez de velocidade ou desempenho.

7. Redes Neurais:

Para resumir, redes neurais ou redes neurais artificiais emulam o cérebro humano. Eles armazenam todos os dados em um formato digital – sensorial, texto ou hora e usam-no para classificar e agrupar as informações. Por exemplo, ler a caligrafia de alguém vem fácil e inconscientemente para nós, enquanto que para ensinar um algoritmo nós o alimentamos com grandes quantidades de dados manuscritos para reconhecer padrões nele.

Existe uma enorme demanda de redes neurais em robótica, para melhorar o atendimento de pedidos, previsão do mercado de ações, diagnóstico de problemas médicos ou mesmo para compor músicas!

As atuais tecnologias de redes neurais serão aprimoradas em 2019. Isso permitiria que esse tipo de AI se tornasse mais sofisticado à medida que melhores métodos de treinamento e arquiteturas de rede fossem desenvolvidos.

As redes neurais também são fundamentais para a “aprendizagem profunda”, um poderoso conjunto de algoritmos que podem ser usados para processamento de imagens, reconhecimento de voz ou para processar linguagens naturais. Isso é útil para ajudar os veículos autônomos ou a detecção de fraudes ou até mesmo para procurar sinais de câncer. O ano de 2019 continuaria a aumentar a pesquisa que é usada para que possamos aproveitar o poder dessas aplicações para situações de mudança de vida.

8. Modelos socioeconômicos:

Em todos os eventos de AI que eu organizo ou participo, uma pergunta comum nos lábios de todos é “a IA tiraria nossos empregos?” A resposta em poucas palavras é “depende”. Enquanto a IA tiraria empregos mundanos onde há escassez de recursos (por exemplo, agricultura, manufatura ou auxiliares de depósito), também permitiria novos empregos com diferentes qualificações.

Seja qual for a resposta, este tópico é muito popular e está sendo discutido por muitos governos, pelas Nações Unidas e pelo Fórum Econômico Mundial .

Isso ocorre porque o surgimento de aplicativos de inteligência artificial tem o risco de ampliar a lacuna de habilidades e tem potencial para criar sociedades polarizadas. Embora os aplicativos de IA gerem novas habilidades e novos trabalhos, é importante complementá-lo com a criação de valor. Por exemplo, embora a automação possa remover a necessidade de determinados trabalhos, também haveria uma demanda por trabalhos de alto nível, como representantes de atendimento ao cliente, professores, cuidadores etc.

Alguns países como a Finlândia estão até experimentando o conceito da Renda Básica Universal .

Programas redistributivos continuariam a ser o foco de atenção para os legisladores e sujeitos a debates e discussões em 2019.

9. Aprendizagem profunda:

O aprendizado de máquina, a forma mais popular de algoritmos de IA, torna-se um desafio quando o número de dimensões dos dados aumenta. Por exemplo, calcular o preço de uma casa, considerando os preços das casas existentes em um local, tem apenas duas dimensões de dados. Imagine tentar transcrever sua voz em texto. O problema agora é exacerbado cem vezes.

O aprendizado profundo também é a tecnologia por trás dos carros autônomos, controle de voz e reconhecimento de imagem. Com o advento do Alexa da Amazon e do Google home, há uma ampla gama de aplicativos habilitados para voz que usam algoritmos de processamento de linguagem natural (NLP) , um exemplo de aprendizado profundo.

Isso aumentou o interesse na próxima geração de algoritmos de aprendizagem profunda que podem resolver problemas ainda mais difíceis, como a interpretação de problemas de infraestrutura de tecnologia.

10. Privacidade e Política:

A introdução do GDPR foi um tópico muito falado em 2018. 2019 veria mais privacidade e conversas políticas. Isso é importante para proteger nossa privacidade e garantir que as organizações abordem a privacidade de dados com seriedade.

A maioria de nós não sabe como nossa informação digital está sendo usada. Às vezes é perdido na impressão e outras vezes nem mesmo informado sobre seu uso. A recente crise do Facebook sobre políticas de privacidade é a ponta do iceberg.

A visão de privacidade e política em torno dos países e legisladores continuaria a ser importante em 2019. As questões de consentimento de uso de um sistema, especialmente em aplicações AI seriam enormes, uma vez que as leis que envolvem AI ainda são novas e precisam de mais compreensão. Países de todo o mundo continuariam a trabalhar em estratégias e iniciativas para orientar o desenvolvimento dos regulamentos de Inteligência Artificial (IA). Padrões que são críticos para garantir que a segurança, a transparência e a conscientização das complexas tecnologias de IA também sejam desenvolvidas.

Conclusão:

Em conclusão, a Inteligência Artificial não vai ver um declínio em breve. O crescimento continua à medida que entramos em 2019 e o foco não seria apenas em novas tecnologias e aplicações na indústria, mas também como ele se cruza com a sociedade e anuncia a tecnologia para melhor.

Não se esqueça de nos dar o seu ?!