Inteligência Artificial

Inteligência Artificial

1. O que é:

   • Não há uma definição correta, porém pode ser definida como um sistema projetado para máquinas, com objetivos como gerar previsões, conteúdo, recomendações ou decisões.

2. Ramos

   • Machine Learning
     • O que é:
       • A Machine Learning possibilita o aprendizado do sistema com a repetição de tarefas e a realização mais eficiente a cada execução a partir da coleta de mais e mais dados e a percepção de padrões.
     • Importância:
       • O Machine Learning é capaz de analisar grandes volumes de dados, identificar padrões ocultos e até automatizar tarefas que seriam impossíveis de programar manualmente
     • Aplicações:
       • Detecção de Fraudes
       • Saúde
       • Transporte
       • Serviços financeitos
       • Recomendações
     • Tipos:
       • Supervisionado
         • Treinamento com dados rotulados. Amplamente aplicado em cenários de classificação e regressão, como previsões
       • Não supervisionado
         • Treinamentos com dados não rotulados para encontrar padrões ocultos em, principalmente, detecção de anomalias e segmentação de clientes.
       • Por reforço
         • Aprendizagem a partir da tomada de decisões autônomas ao interagir com um ambiente, recebendo recompensas ou punições por suas ações.
       • Semisupervisionado
         • É um meio termo entre supervisionado e não supervisionado, onde possui tanto dados rotulados como não rotulados para treinar modelos.
   • IA Generativa
     • O que é:
       • É uma Inteligência Artificial focada em criar conteúdos novos a partir de um processamento de um grandes volumes de dados, aprendendo padrões nos dados. Essa IA utiliza modelos com redes neurais generativas ou transformer.
     • Importância:
       • Possibilita o aumento na produtividade e na criação de diversos recursos em diversas áreas. Isso é crucial por automatizar a criação de conteúdos e reduzir custos operacionais.
     • Aplicações
       • Marketing e Conteúdo
         • Criação de e-mails, posts em redes sociais, artigos e roteiros.
       • Design e Arte
         • Geração de imagens, logotipos, ilustrações e vídeos
       • Programação e Tecnologia
         • Escrita de código automático e desenvolvimento de softwares.
       • Educação e Treinamento
         • Geração de materiais didáticos, resumo de livros e resumo de aulas.
   • Deep Learning
     • O que é:
       • É uma subárea do Machine Learning onde há um processamento de dados maior e mais complexo, procurando relacionamentos e padrões que os seres humanos muitas vezes s]ao incapazes de detectar, baseando-se em redes neurais artificiais com múltiplas camadas
     • Aplicações
       • Visão computacional
       • Processamento de Linguagem Natural (PLN)
       • Assistentes virtuais
       • Diagnósticos médicos por imagem
     • Importância
       • Possibilita a análise de dados e o reconhecimento de padrões complexos em grandes volumes de dados não estruturados através de múltiplas camadas de redes neurais, simulando o cérebro humano. Ele é responsável pelos maiores avanços recentes em inteligência artificial.
     • Tipos
       • Redes Neurais Convolucionais (CNNs)
         • Imagens e vídeos
       • Redes Neurais Recorrentes (RNNs)
         • Dados sequenciais/texto
       • Modelos Generativos (GANs e Transformers)
         • Criação de novos dados e processamento de linguagem

3. Principais componentes

   • Dados
     • A IA atual aprende com uma grande quantidade de dados. Esses dados definirão sua especialidade
   • Algoritmos
     • Os algoritmos de IA podem ser treinados a partir dos dados recebidos, adaptando-se ao mundo
   • Modelos
     • Os modelos são os resultados do aprendizado de máquina e do treinamento, tomando decisões a partir do aprendizado obtido pelos dados.

4. Importância:

   • As IAs são fundamentais porque possuem a capacidade de de transformar dados, automatizar tarefas complexas e aumentar a eficiência operacional em diversos setores. Com isso, aumentam a eficiência e a produtividade em diversos aspectos, como na saúde, na segurança e no trabalho.

5. Vantagens

   • Automação de processos e tarefas
   • Aumento de Eficiência e Produtividade
   • Redução de Erros Humanos
   • Facilitação na personalização de recursos

6. Desvantagens