+55 (21) 2505-9393
+55 (21) 99731-6528
contato@acpdbrasil.com

Inteligência Artificial (IA): Parte IV

Conformidade, Proteção e Privacidade de Dados

Governança e regulamentação de IA

Inteligência Artificial. Apesar dos riscos potenciais, atualmente há poucas regulamentações que governam o uso de ferramentas de IA, e onde as leis existem, geralmente se referem indiretamente à IA. Por exemplo, como mencionado, as regulamentações de crédito nos EUA, conhecidas como U.S. Fair Lending regulations exigem que as instituições financeiras expliquem as decisões de crédito aos potenciais clientes. Isso limita até que ponto os credores podem usar algoritmos de deep learning, que por natureza são opacos e carecem de explicabilidade.

Os formuladores de políticas nos EUA ainda não emitiram legislação sobre IA, mas isso pode mudar em breve. O documento intitulado “Blueprint for an AI bill for rights” publicado em outubro de 2022 pelo Escritório de Política de Ciência e Tecnologia da Casa Branca, orienta as empresas sobre como implementar sistemas de IA éticos. A Câmara de Comércio dos EUA também pediu regulamentações de IA em um relatório divulgado em março de 2023.

Elaborar leis para regular a IA não será fácil, em parte porque a IA compreende uma variedade de tecnologias que as empresas usam para diferentes fins, e em parte porque as regulamentações podem custar o progresso e desenvolvimento da IA. A rápida evolução das tecnologias de IA é outro obstáculo para a formulação de regulamentações significativas de IA, assim como os desafios apresentados pela falta de transparência da IA, que dificultam ver como os algoritmos alcançam seus resultados. Além disso, avanços tecnológicos e aplicações inovadoras como o ChatGPT e o Dall-E podem tornar as leis existentes instantaneamente obsoletas. E, é claro, as leis que os governos conseguem elaborar para regular a IA não impedem os cibercriminosos de utilizarem a tecnologia com intenções maliciosas.

Milestones na IA de 1950 até hoje

A IA teve uma história longa e às vezes controversa desde o teste de Turing em 1950 até os chatbots de IA generativa de hoje, como o ChatGPT.

Qual é a história da IA?

O conceito de objetos inanimados dotados de inteligência existe desde tempos antigos. O deus grego Hefesto foi retratado em mitos como forjador de servos robóticos feitos de ouro. Engenheiros no antigo Egito construíram estátuas de deuses animadas por sacerdotes. Ao longo dos séculos, pensadores de Aristóteles ao teólogo espanhol do século XIII Ramon Llull a René Descartes e Thomas Bayes usaram as ferramentas e a lógica de suas épocas para descrever os processos de pensamento humano como símbolos, lançando as bases para conceitos de IA como representação de conhecimento geral.

O final do século XIX e a primeira metade do século XX trouxeram o trabalho fundamental que daria origem ao computador moderno. Em 1836, o matemático da Universidade de Cambridge Charles Babbage e Augusta Ada King, Condessa de Lovelace, inventaram o primeiro projeto para uma máquina programável.

  • Década de 1940. O matemático de Princeton John Von Neumann concebeu a arquitetura do computador de programa armazenado – a ideia de que o programa de um computador e os dados que processa podem ser mantidos na memória do computador. E Warren McCulloch e Walter Pitts lançaram as bases para redes neurais;
  • Década de 1950. Com o advento dos computadores modernos, os cientistas puderam testar suas ideias sobre inteligência artificial. Um método para determinar se um computador tem inteligência foi concebido pelo matemático britânico e decodificador da Segunda Guerra Mundial Alan Turing. O teste de Turing focou na capacidade de um computador enganar interrogadores, fazendo-os acreditar que suas respostas às perguntas foram feitas por um ser humano;
  • 1956. O campo moderno da inteligência artificial é amplamente citado como tendo começado neste ano durante uma conferência de verão no Dartmouth College. Patrocinada pela Defense Advanced Research Projects Agency (DARPA), a conferência contou com dez referências neste campo, incluindo os pioneiros da IA Marvin Minsky, Oliver Selfridge e John McCarthy, creditado com a cunhagem do termo inteligência artificial. Também estavam presentes Allen Newell, cientista da computação, e Herbert A. Simon, economista, cientista político e psicólogo cognitivo. Os dois apresentaram seu revolucionário Logic Theorist, um programa de computador capaz de provar certos teoremas matemáticos e referido como o primeiro programa de IA;
  • Décadas de 1950 e 1960. Após a conferência do Dartmouth College, líderes no incipiente campo da IA previram que uma inteligência artificial equivalente ao cérebro humano estava próxima, atraindo grande apoio governamental e da indústria. De fato, quase 20 anos de pesquisas básicas bem financiadas geraram avanços significativos em IA: Por exemplo, no final dos anos 1950, Newell e Simon publicaram o algoritmo General Problem Solver (GPS), que não conseguiu resolver problemas complexos, mas lançou as bases para o desenvolvimento de arquiteturas cognitivas mais sofisticadas; e McCarthy desenvolveu o Lisp, uma linguagem para programação de IA ainda usada hoje. Na metade dos anos 1960, o Professor do MIT Joseph Weizenbaum desenvolveu o ELIZA, um programa de PNL inicial que lançou as bases para os chatbots de hoje.
  • Décadas de 1970 e 1980. A conquista da inteligência artificial geral se mostrou ilusória, não iminente, prejudicada por limitações no processamento e na memória do computador e pela complexidade do problema. Governos e corporações se afastaram de seu apoio à pesquisa em IA, levando a um período de estagnação que durou de 1974 a 1980 conhecido como o primeiro “Inverno da IA”. Na década de 1980, pesquisas sobre técnicas de deep learning e a adoção pela indústria dos sistemas especialistas de Edward Feigenbaum despertaram uma nova onda de entusiasmo pela IA, apenas para ser seguida por outro colapso no financiamento governamental e no apoio da indústria. O segundo inverno da IA durou até meados dos anos 1990;
  • Década de 1990. Aumentos na potência computacional e uma explosão de dados provocaram um renascimento da IA no final dos anos 1990 que preparou o terreno para os avanços notáveis em IA que vemos hoje. A combinação de big data e aumento da potência computacional impulsionou avanços em PNL, visão computacional, robótica, machine learning e deep learning. Em 1997, à medida que os avanços em IA se aceleravam, o Deep Blue da IBM derrotou o grande mestre de xadrez russo Garry Kasparov, tornando-se o primeiro programa de computador a derrotar um campeão mundial de xadrez;
  • Década de 2000. Novos avanços em machine learning, deep learning, PNL, reconhecimento de fala e visão computacional deram origem a produtos e serviços que moldaram a maneira como vivemos hoje. Estes incluem o lançamento do mecanismo de busca do Google em 2000 e o lançamento do mecanismo de recomendação da Amazon em 2001. A Netflix desenvolveu seu sistema de recomendação para filmes, o Facebook introduziu seu sistema de reconhecimento facial e a Microsoft lançou seu sistema de reconhecimento de fala para transcrição de fala em texto. A IBM lançou o Watson e o Google iniciou sua iniciativa de veículos autônomos, Waymo;
  • Década de 2010. A década entre 2010 e 2020 viu um fluxo constante de desenvolvimentos em IA. Estes incluem o lançamento dos assistentes de voz Siri da Apple e Alexa da Amazon; as vitórias do Watson da IBM no Jeopardy; carros autônomos; o desenvolvimento da primeira generative adversarial network; o lançamento do TensorFlow, o framework de deep learning de código aberto do Google; a fundação do laboratório de pesquisa OpenAI, desenvolvedores do modelo de linguagem GPT-3 e do gerador de imagens Dall-E; a derrota do campeão mundial de Go Lee Sedol pelo AlphaGo do Google DeepMind; e a implementação de sistemas baseados em IA que detectam cânceres com alto grau de precisão;
  • Década de 2020. A década atual viu o surgimento da IA generativa, um tipo de tecnologia de inteligência artificial que pode produzir novo conteúdo. A IA generativa começa com um prompt que pode ser na forma de texto, imagem, vídeo, design, notas musicais ou qualquer entrada que o sistema de IA possa processar. Vários algoritmos de IA então retornam novo conteúdo em resposta ao prompt. O conteúdo pode incluir ensaios, soluções para problemas ou deep fakes criadas a partir de imagens, ou áudio de uma pessoa. As habilidades de modelos de linguagem como o ChatGPT-3, o Bard do Google e o Megatron-Turing NLG da Microsoft impressionaram o mundo, mas a tecnologia continua em estágios iniciais, como evidenciado por sua tendência distorcer respostas.

Ferramentas e serviços de IA As ferramentas e serviços de IA estão evoluindo rapidamente. As inovações atuais em ferramentas e serviços de IA podem ser rastreadas até a rede neural AlexNet de 2012, que inaugurou uma nova era de IA de alto desempenho construída em GPUs e grandes conjuntos de dados. A mudança chave foi a capacidade de treinar redes neurais em enormes quantidades de dados em vários núcleos de GPU em paralelo de forma mais escalável.

Nos últimos anos, a relação simbiótica entre descobertas de IA no Google, Microsoft e OpenAI e as inovações de hardware pioneiras da Nvidia permitiram a execução de modelos de IA cada vez maiores em GPUs mais conectadas, impulsionando melhorias revolucionárias de desempenho e escalabilidade.

A colaboração entre essas luminárias da IA foi crucial para o sucesso recente do ChatGPT, sem mencionar dezenas de outros serviços de IA de destaque. A seguir, uma descrição das importantes inovações em ferramentas e serviços de IA:

  • Transformers. O Google, por exemplo, liderou o caminho na busca por um processo mais eficiente para o provisionamento de treinamento de IA em um grande cluster de PCs com GPUs comuns. Isso abriu caminho para a descoberta de transformers que automatizam muitos aspectos do treinamento de IA em dados não rotulados;
  • Otimização de hardware. Tão importante quanto, fornecedores de hardware como a Nvidia também estão otimizando o microcódigo para execução em vários núcleos de GPU em paralelo para os algoritmos mais populares. A Nvidia afirmou que a combinação de hardware mais rápido, algoritmos de IA mais eficientes, ajuste fino das instruções da GPU e melhor integração de data centers está impulsionando uma melhoria de um milhão de vezes no desempenho de IA. A Nvidia também está trabalhando com todos os provedores de centro de nuvem para tornar essa capacidade mais acessível como IA como Serviço por meio de modelos de IaaS, SaaS e PaaS;
  • Generative pre-trained transformers (GPTs). O conjunto de tecnologias de IA também evoluiu rapidamente nos últimos anos. Anteriormente, as empresas teriam que treinar seus modelos de IA do zero. Cada vez mais, fornecedores como OpenAI, Nvidia, Microsoft, Google e outros fornecem GPTs, que podem ser ajustados para uma tarefa específica a um custo drasticamente reduzido, expertise e tempo. Enquanto alguns dos maiores modelos são estimados em custar de US$ 5 milhões a US$ 10 milhões por execução, as empresas podem ajustar os modelos resultantes por alguns milhares de dólares. Isso resulta em um tempo mais rápido para o mercado e reduz o risco;
  • Serviços de IA na nuvem. Entre os maiores obstáculos que impedem as empresas de usar efetivamente a IA em seus negócios estão as tarefas de engenharia de dados e ciência de dados necessárias para integrar capacidades de IA em novos aplicativos ou desenvolver novos. Todos os principais provedores de nuvem estão lançando suas próprias ofertas de IA como serviço para simplificar a preparação de dados, o desenvolvimento de modelos e a implantação de aplicativos. Exemplos principais incluem AWS AI Services, Google Cloud AI, Microsoft Azure AI platform, IBM AI solutions e Oracle Cloud Infrastructure AI Services;
  • Modelos de IA de ponta como serviço. Os principais desenvolvedores de modelos de IA também oferecem modelos de IA de ponta sobre esses serviços de nuvem. A OpenAI tem dezenas de modelos de linguagem grandes otimizados para bate-papo, PNL, geração de imagens e geração de código que são provisionados por meio do Azure. A Nvidia adotou uma abordagem mais agnóstica em nuvem vendendo infraestrutura de IA e modelos fundamentais otimizados para texto, imagens e dados médicos disponíveis em todos os provedores de nuvem. Centenas de outros players estão oferecendo modelos personalizados para várias indústrias e casos de uso também.

Com a rápida evolução das tecnologias de inteligência artificial (IA) e o surgimento de novas abordagens, como os Generative pre-trained transformers, a otimização de hardware e os serviços de IA em nuvem, fica evidente o avanço significativo no campo da IA. Essas inovações não apenas tornaram mais acessível e eficiente o desenvolvimento e implementação de sistemas de IA, mas também impulsionaram melhorias substanciais no desempenho e na escalabilidade desses sistemas. A colaboração entre empresas líderes em tecnologia, como Google, Nvidia, Microsoft e OpenAI, tem sido fundamental para o sucesso e a disseminação dessas tecnologias. À medida que continuamos a avançar nesta década, é provável que vejamos ainda mais avanços e aplicações impactantes da inteligência artificial em diversos setores, impulsionando a transformação digital e a inovação em todo o mundo.

Caso ainda não tenha lido, confira as partes I, II, e III dessa série de artigos sobre IA:

 

Deixe um comentário

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *

Open chat
Olá 👋
Como podemos te ajudar?