Por Amanda Borba, Comunicação e Marketing em HDB Systems
Veja neste artigo as novidades na Inteligência Artificial em 2023 identificadas pelo Gartner Hype Cycle™. Dentre elas, inovações e técnicas que oferecem benefícios significativos e até transformacionais, ao mesmo tempo que abordam as limitações e riscos de sistemas falíveis. Assim, as estratégias de IA devem considerar quais oferecem os casos mais credíveis para investimento.
“O AI Hype Cycle tem muitas inovações que merecem atenção especial no período de dois a cinco anos para adoção generalizada. Ou seja, iIsso inclui IA generativa e inteligência de decisão.”, diz o analista diretor do Gartner, Afraz Jaffri. “A adoção precoce dessas inovações levará a uma vantagem competitiva significativa e aliviará os problemas associados à utilização de modelos de IA nos processos de negócios.”
Dois tipos de inovações de inteligência Artificial Generativa (GenAI) dominam
A IA generativa está dominando as discussões sobre Inteligência Artificial, aumentando a produtividade para desenvolvedores e trabalhadores do conhecimento, usando sistemas como o ChatGPT. Dessa forma, as organizações e as indústrias repensaram os seus processos de negócio e o valor dos recursos humanos, empurrando a “GenAI” para o Pico das Expectativas Inflacionadas no Ciclo de Hype.
O Gartner agora vê dois lados no movimento da IA generativa no caminho em direção a sistemas de IA mais poderosos:
- Inovações que serão alimentadas pela GenAI.
- Inovações que impulsionarão avanços na GenAI.
Inovações que serão alimentadas pela IA generativa
A IA generativa impacta os negócios no que se refere à descoberta, criação, autenticidade e regulamentações de conteúdo. Além disso, também tem a capacidade de automatizar o trabalho humano, bem como as experiências de clientes e funcionários.
As tecnologias críticas que se enquadram nesta categoria incluem o seguinte:
A inteligência geral artificial (AGI) é a inteligência (atualmente hipotética) de uma máquina que pode realizar qualquer tarefa intelectual que um ser humano possa realizar.
Já a engenharia de IA é fundamental para a entrega empresarial de soluções de IA em escala. Dessa forma a disciplina cria desenvolvimento empresarial coerente e sistemas operacionais baseados em IA.
Os sistemas autônomos são sistemas físicos ou de software autogerenciados que executam tarefas limitadas por domínio. Eles exibem três características fundamentais: autonomia, aprendizagem e agência.
Os serviços de IA em nuvem fornecem ferramentas de construção de modelos de IA, APIs para serviços pré-construídos e middleware associado. Assim, permitem a construção/treinamento, implantação e consumo de modelos de aprendizado de máquina (ML) executados em infraestrutura pré-construída como serviços em nuvem.
A IA composta refere-se à aplicação combinada (ou fusão) de diferentes técnicas de IA para melhorar a eficiência da aprendizagem e ampliar o conhecimento. Ele resolve uma gama mais ampla de problemas de negócios de maneira mais eficaz.
A visão computacional é um conjunto de tecnologias que envolve a captura, processamento e análise de imagens e vídeos do mundo real. Dessa forma, ela extrai informações contextuais significativas do mundo físico.
A IA centrada em dados é uma abordagem que se concentra em aprimorar e enriquecer os dados de treinamento para gerar melhores resultados de IA. Assim, a IA centrada em dados também aborda a qualidade, a privacidade e a escalabilidade dos dados.
Edge AI refere-se ao uso de técnicas de IA incorporadas em produtos não relacionados a TI, endpoints de IoT, gateways e servidores de borda. Ou seja, ele abrange casos de uso para aplicações de consumo, comerciais e industriais, como veículos autônomos, recursos aprimorados de diagnóstico médico e análise de streaming de vídeo.
As aplicações inteligentes utilizam a adaptação aprendida para responder autonomamente a pessoas e máquinas.
A operacionalização de modelos (ModelOps) concentra-se na governança ponta a ponta e no gerenciamento do ciclo de vida de análises avançadas, IA e modelos de decisão.
Os sistemas operacionais de IA (OAISys) permitem orquestração, automação e escalonamento de IA pronta para produção e de nível empresarial. Assim, inclui ML, DNNs e IA generativa.
A engenharia imediata fornece informações, na forma de texto ou imagens, para modelos generativos de IA. Dessa forma é possível especificar e limitar o conjunto de respostas que o modelo pode produzir.
Os robôs inteligentes são máquinas alimentadas por IA, muitas vezes móveis, projetadas para executar autonomamente uma ou mais tarefas físicas.
Dados sintéticos são uma classe de dados gerados artificialmente, em vez de obtidos a partir de observações diretas do mundo real.
Conclusão
“A exploração generativa de IA está se acelerando, graças à popularidade da difusão estável, midjourney, ChatGPT e grandes modelos de linguagem. As organizações de usuários finais na maioria dos setores experimentam agressivamente a IA generativa”, afirma Svetlana Sicular, analista vice-presidente do Gartner.
“Os fornecedores de tecnologia formam grupos de IA generativa para priorizar a entrega de aplicativos e ferramentas habilitados para IA generativa. Assim, numerosas startups surgiram em 2023 para inovar com IA generativa e esperamos que isso cresça. Alguns governos estão a avaliar os impactos da IA generativa e a preparar-se para introduzir regulamentos.”
Publicado originalmente em HDB Systems
