O termo Inteligência Artificial surgiu em 1956, em uma conferência de tecnologia no Dartmouth College, nos EUA. Desde lá, o campo se desenvolveu gradualmente, conforme novos hardwares e softwares permitiram maiores capacidades de processamento. Mas foi em 2012, quando pesquisadores criaram uma rede neural artificial capazes de reconhecer imagens, que a área recebeu maior interesse do mercado. Nos últimos seis anos, vimos surgir carros autônomos, algoritmos capazes de diagnosticar doenças ou mesmo determinar quais publicações em redes sociais veremos em nossas linhas do tempo.
Entretanto, a Inteligência Artificial, assim como toda área de tecnologia, é repleta de jargões técnicos e termos próprios, que nem sempre são fáceis de entender. Para ajudar na compreensão da área, aqui vai um glossário com os principais termos utilizados no campo:
Rede Neural Artificial: É um algoritmo que simula o funcionamento cerebral, servindo a um sistema que adquire conhecimento por meio da experiência.
Algoritmos Caixa-Preta: O termo é utilizado quando um processo de decisão de um algoritmo não pode ser facilmente explicado pelo computador ou pelos pesquisadores por trás dos códigos.
Visão Computacional: O campo da Inteligência Artificial voltado para máquinas que interpretam imagens ou dados multidimensionais, como os algoritmos de reconhecimento facial.
Aprendizagem de Máquina (ou Machine Learning): Sistema que é capaz de adquirir e acumular conhecimento e, assim, melhorar a performance em tarefas específicas. Essa é a área da Inteligência Artificial que atualmente chama mais atenção dos pesquisadores.
Aprendizagem Profunda (ou Deep Learning): Técnica de Aprendizado de Máquina que utilliza as redes neurais artificiais para processar as informações e aprendizagem. Capaz de trabalhar com análise de dados brutos, o Deep Learning propicia a classificação de informações contidas em diferentes formatos como áudio (reconhecimento de fala), imagens (reconhecimento facial), entre outros.
Few-shot Learning: Podendo ser traduzido livremente como Aprendizado em poucas tomadas, é uma técnica que visa fornecer o aprendizado para um sistema de Inteligência Artificial com o mínimo de treinamento possível, com foco na eficiência.
Redes Adversárias Geradoras (ou Generative Adversarial Networks): Modelo onde duas redes neurais, uma geradora e uma discriminadora, trabalham em conjunto para distinguir dados reais de dados falsos.
Processamento de Linguagem Natural: Campo que une a Inteligência Artificial à Linguística e pesquisa soluções para a geração e compreensão automática de línguas humanas naturais, faladas ou escritas.
Aprendizagem por reforço (ou Reinforcement Learning): Processo de aprendizado onde o sistema é recompensado por acertos, começando sem conhecimentos e progredindo por meio da prática e dos feedbacks.
Aprendizagem supervisionada (ou Supervised Learning): Técnica que ensina a um algoritmo como resolver tarefas específicas usando dados que foram anteriormente classificados por humanos. A detecção de spam geralmente funciona assim.
Aprendizagem não supervisionada (ou Unsupervised Learning): Geralmente resumida como um modelo onde as máquinas ensinam a si mesmas o que fazer, essa abordagem fornece dados sem rótulos às máquinas, que devem encontrar formas de encontrar significados para os dados sem instruções.
Transferência de Aprendizado: Método onde um sistema se concentra em armazenar o conhecimento adquirido na resolução de um determinado problema e então aplica o que aprendeu em uma outra tarefa não relacionada, mas semelhante.
Inteligência Artificial Explicável (ou Explainable AI, ou ainda X.A.I.): Uma Inteligência Artificial capaz de explicar aos seus operadores humanos quais foram os dados utilizados para que ela chegasse a determinada conclusão.
Inteligência Artificial Fraca (ou Weak AI): Uma Inteligência Artificial capaz de executar apenas um determinado número de tarefas. É o estágio de desenvolvimento de IAs que atualmente dispomos no mundo.
Inteligência Artificial Forte (ou Strong AI): Também conhecida como Inteligência Geral Artificial, se refere a um sistema hipotético onde uma Inteligência Artificial seria capaz de realizar qualquer tarefa e aprender sobre qualquer habilidade. Apesar de esse ser o rumo que os avanços visam, ainda não dispomos de uma tecnologia capaz de dominar todo tipo de atividade.
Fonte: NY Times
via Canaltech
