Inteligência Artificial

Inteligência Artificial

1. Machine Learning

   • Deep Learning
     • Neural Networking
       • Redes neurais são modelos inspirados no cérebro que usam neurônios conectados para aprender padrões.
       • Modelos
         • Perceptron / MLP (Multilayer Perceptron): modelo mais simples, base das redes neurais
         • Autoencoders: usados para compressão de dados e detecção de anomalias
       • Função de ativação: define como o neurônio “decidem"
       • Camadas Ocultas: As camadas ocultas são onde a rede processa e aprende padrões entre entrada e saída (e são invisíveis).
     • Tipos de redes neurais
       • CNN (Rede Neural Convolucional): Especialista em dados visuais e espaciais, como imagens.
       • RNN (Rede Neural Recorrente): Especialista em dados sequenciais (texto, séries temporais, áudio).
     • É um subcampo do Machine Learning (aprendizado de máquina) baseado em redes neurais artificiais com múltiplas camadas.
     • Exemplo: Reconhecimento facial no celular como o Face ID
     • Retropropagação
       • Retropropagação ajusta os pesos da rede ao longo das iterações, reduzindo o erro até encontrar um ponto ideal.
   • Machine Learning é uma área da inteligência artificial que permite aos sistemas aprender com dados, reconhecer padrões e tomar decisões com pouca intervenção humana.
   • Tipos de aprendizado
     • Aprendizado não supervisionado: a IA encontra padrões em dados sem rótulos.
     • Aprendizado por reforço: a IA aprende por tentativa e erro, recebendo recompensas ou punições.
     • Aprendizado supervisionado: a IA aprende com dados já rotulados (com respostas corretas).
     • Aprendizado semi-supervisionado: mistura dados rotulados e não rotulados.
     • Aprendizado auto-supervisionado: cria seus próprios rótulos a partir dos dados
   • Exemplo: Recomendações da Netflix

2. IA generativa

   • IA generativa é um tipo de inteligência artificial que cria novos conteúdos (como textos, imagens, áudios, vídeos e códigos) com base em padrões aprendidos de grandes conjuntos de dados.
   • Modelos Generativos
     • GPT é um modelo de IA baseado em transformers que gera textos a partir de padrões aprendidos em grandes dados.
     • GANs (Redes Adversariais Generativas): muito usadas para imagens.
       • Transformers são redes neurais que analisam o contexto de palavras e são usadas em modelos como o GPT.
   • Exemplo: Geradores de imagem como DALL·E
   • IA generativa cria conteúdos (texto, imagem, áudio, etc.) a partir de padrões aprendidos em grandes dados.

3. “O estudo de agentes inteligentes que recebem preceitos do ambiente e tomam medidas. Cada agente desse tipo é implementado por uma função que mapeia preceitos em ações.

4. Exemplo: Assistentes virtuais como Siri ou Alexa

5. Abordagem de IAs

   • IA conexionista
     • IA conexionista simula o funcionamento do cérebro, tendo como principal exemplo as redes neurais e usa regras explícitas.
       • "se X acontece, então significa Y”
   • IA Simbólica
     • IA simbólica imita o raciocínio humano e foi popularizada pelos sistemas especialistas. Aprende com dados e padrões (sem regras explícitas)

6. Capacidades de IA

   • IA Estreita (ANI): Especializada em uma tarefa específica
   • IA Geral (AGI): Teria inteligência semelhante à humana
   • Superinteligência (ASI): Seria mais inteligente que humanos em tudo

7. Ética na IA

   • A autoria em IA é um problema ético porque torna incerto quem deve receber crédito ou responsabilidade pelas criações geradas por sistemas inteligentes.
   • Viés: IA pode reproduzir preconceitos dos dados

8. Testes/Treinamento

   • Treino: dados usados para ensinar o modelo
   • Validação (validation set): usados para ajustar e melhorar o modelo
   • Teste (test set): usados para avaliar o desempenho final
   • Validação cruzada (cross-validation): divide os dados em várias partes para testar melhor o modelo

9. Subáreas da IA

   • Ciência de Dados: análise de dados para gerar insights e treinar modelos
   • PLN (Processamento de Linguagem Natural): IA que entende e gera linguagem humana (texto/voz)
   • Visão Computacional interpretação de imagens e vídeos
   • Processamento de Áudio reconhecimento de fala, sons e música
   • IoT (Internet das Coisas) dispositivos conectados com IA (casas inteligentes, sensores)
   • Robótica máquinas que interagem com o mundo físico

10. Modelo de Ia

    • Agentes autônomos: sistemas que tomam decisões e agem sozinhos
    • Modelos multimodais processam diferentes tipos de dados (texto, imagem, áudio)
    • Modelos de linguagem (NLP): focados em entender e gerar texto
    • Modelos com recuperação (RAG): buscam informações externas para melhorar respostas