INTELIGÊNCIA
ARTIFICIAL

Olá SuperNovers!

O conteúdo da aula 48 - INTELIGÊNCIA ARTIFICIAL - já está no ar!

Aprenda aplicações práticas e cases reais em empresas.

INTELIGÊNCIA ARTIFICIAL: APLICAÇÕES PRÁTICAS E CASES REAIS

1. Fundamentos da Inteligência Artificial (IA);
2. Diferenças entre modelos baseados em regras X machine & deep learning;
3. Aplicações práticas e cases reais em Varejo, Seguradora,  Jornalismo e agronegócios;
4. O que você precisa saber para aplicar esta tecnologia em seu negócio e conseguir negociar com fornecedores ou TI;
5. Quais são as habilidades necessárias para uma empresa ou área trazer valor;

O que é inteligência artificial?

Embora várias definições de inteligência artificial (IA) tenham surgido nas últimas décadas, John McCarthy oferece a seguinte definição neste artigo de 2004 (PDF, 106 KB) (o link reside fora da IBM), "É a ciência e a engenharia de fazer máquinas inteligentes, especialmente programas de computador inteligentes. Está relacionado à tarefa semelhante de usar computadores para entender a inteligência humana, mas a IA não precisa se limitar a métodos que são biologicamente observáveis. "

No entanto, décadas antes dessa definição, o nascimento da conversa sobre inteligência artificial foi denotado pelo trabalho seminal de Alan Turing, "Computing Machinery and Intelligence" (PDF, 89,8 KB) (o link reside fora da IBM), que foi publicado em 1950. papel, Turing, muitas vezes referido como o "pai da ciência da computação", faz a seguinte pergunta: "As máquinas podem pensar?" A partir daí, ele oferece um teste, agora conhecido como "Teste de Turing", onde um interrogador humano tentaria distinguir entre um computador e uma resposta de texto humana. Embora este teste tenha passado por muito escrutínio desde sua publicação, ele continua sendo uma parte importante da história da IA, bem como um conceito contínuo dentro da filosofia, pois utiliza ideias em torno da linguística.

Em sua forma mais simples, a inteligência artificial é um campo que combina ciência da computação e conjuntos de dados robustos para permitir a resolução de problemas. Também engloba subcampos de aprendizado de máquina e aprendizado profundo, que são frequentemente mencionados em conjunto com a inteligência artificial. Essas disciplinas são compostas por algoritmos de IA que buscam criar sistemas especialistas que fazem previsões ou classificações com base nos dados de entrada.

Hoje, muito hype ainda cerca o desenvolvimento de IA, o que é esperado de qualquer nova tecnologia emergente no mercado. Conforme observado no ciclo de campanha publicitária do Gartner (o link reside fora da IBM), inovações de produto como carros autônomos e assistentes pessoais seguem “uma progressão típica de inovação, de super entusiasmo por um período de desilusão para uma eventual compreensão da relevância e função da inovação em um mercado ou domínio. ” Como Lex Fridman observa aqui (o link reside fora da IBM) em sua palestra no MIT em 2019, estamos no auge das expectativas infladas, nos aproximando do vale da desilusão.

À medida que surgem conversas em torno da ética da IA, podemos começar a ver os primeiros sinais do vale da desilusão.

Esses tipos de análise de dados fornecem a visão de que as empresas precisam para tomar decisões eficazes e eficientes. Usados ​​em combinação, eles fornecem uma compreensão abrangente das necessidades e oportunidades de uma empresa.