Aplicações da inteligência artificial - Applications of artificial intelligence

Parte de uma série sobre
Inteligência artificial
Objetivos principais Inteligência Artificial Geral Planejamento Visão computacional Jogo geral Raciocínio de conhecimento Aprendizado de máquina Processamento de linguagem natural Robótica
Abordagens Simbólico Aprendizagem profunda Redes bayesianas Algoritmos evolutivos
Filosofia Sala chinesa AI amigável Problema de controle / aquisição Ética Risco existencial Teste de Turing
História Linha do tempo Progresso AI inverno
Tecnologia Formulários Projetos Linguagens de programação
Glossário Glossário
v t e

A inteligência artificial , a inteligência exibida por máquinas, tem sido usada para desenvolver milhares de aplicativos para resolver problemas específicos na indústria e na academia. É uma parte essencial dos produtos mais lucrativos do comércio eletrônico . A IA, como a eletricidade ou a máquina a vapor, é uma tecnologia de propósito geral - não há consenso sobre em quais tarefas a IA se destacará, agora ou no futuro.

Internet e e-commerce

Motores de busca

Sistemas de recomendação

Um sistema de recomendação é uma subclasse de sistema de filtragem de informações que busca prever a "avaliação" ou "preferência" que um usuário daria a um item. Os sistemas de recomendação são usados ​​em uma variedade de áreas, com exemplos comumente reconhecidos na forma de geradores de listas de reprodução para serviços de vídeo e música, recomendadores de produtos para lojas online ou recomendadores de conteúdo para plataformas de mídia social e recomendadores de conteúdo aberto da web. Uma abordagem usada pelos sistemas de recomendação é a filtragem colaborativa , como o algoritmo de filtragem colaborativa item a item (pessoas que compram x também compram y) popularizado pela Amazon.com .

Publicidade direcionada e aumento do engajamento na Internet

A IA é usada para direcionar anúncios às pessoas com maior probabilidade de clicar neles. Ele também é usado para encorajar as pessoas a permanecerem "engajadas" em um site, selecionando o conteúdo no qual os usuários têm maior probabilidade de clicar. Ele pode prever ou generalizar o comportamento dos clientes a partir de suas pegadas digitais para direcioná-los com promoções personalizadas ou construir personas de clientes automaticamente.

Com os sites de mídia social ultrapassando a TV como fonte de notícias para os jovens, as organizações de notícias dependem cada vez mais das plataformas de mídia social para gerar distribuição. A Echobox é uma empresa de software que ajuda os editores a aumentar o tráfego postando artigos de forma "inteligente" em plataformas de mídia social, como Facebook e Twitter . Ao analisar grandes quantidades de dados, ele aprende como públicos específicos respondem a diferentes artigos em diferentes momentos do dia. Em seguida, ele escolhe as melhores histórias para postar e os melhores horários para postá-las. Ele usa dados históricos e em tempo real para entender o que funcionou bem no passado, bem como o que é tendência atualmente na web.

O Boomtrain's é outro exemplo de IA projetado para aprender a melhor forma de envolver cada leitor individual com os artigos exatos - enviados pelo canal certo na hora certa - que serão mais relevantes para o leitor. É como contratar um editor pessoal para cada leitor individual para selecionar a experiência de leitura perfeita.

A IRIS.TV está ajudando empresas de mídia com sua plataforma de programação e personalização de vídeo alimentada por IA. Ele permite que editores e proprietários de conteúdo apresentem conteúdo contextualmente relevante para o público com base nos padrões de visualização do consumidor.

Um caso documentado relata que empresas de jogos de azar online estavam usando IA para melhorar o direcionamento ao cliente. Além disso, a aplicação de modelos de IA de computação de personalidade pode ajudar a reduzir o custo de campanhas publicitárias, adicionando direcionamento psicológico ao direcionamento sociodemográfico ou comportamental mais tradicional. Uma empresa com sede no Reino Unido, Ubamarket, desenvolveu um aplicativo para permitir que os usuários façam compras de casa usando seus smartphones. O aplicativo permitiria aos usuários pagar pelo telefone, fazer listas e escanear ingredientes de produtos em busca de alérgenos. O aplicativo é construído em um módulo de IA e aprende com o comportamento do usuário para aprimorar as opções e ofertas personalizadas de recursos.

Assistentes virtuais

Assistentes pessoais inteligentes , como Siri e Alexa , são capazes de entender muitos pedidos de linguagem natural.

Filtragem de spam

Tradução automática

A Microsoft desenvolveu um sistema Skype que pode traduzir automaticamente de um idioma para outro.

Reconhecimento facial e rotulagem de imagem

Os sistemas de reconhecimento facial atuais afirmam ter uma taxa de precisão de 99%.

O Facebook desenvolveu um sistema que pode descrever imagens para pessoas cegas.

Jogos

Os jogos têm sido um teste importante das capacidades da IA ​​desde os anos 1950.

Xadrez

O Deep Blue se tornou o primeiro sistema computadorizado de xadrez a vencer o atual campeão mundial de xadrez, Garry Kasparov , em 11 de maio de 1997.

Perigo!

Em 2011, em um Jeopardy! quiz show partida de exibição, IBM 's sistema de atendimento pergunta , Watson , derrotou os dois maiores Jeopardy! campeões, Brad Rutter e Ken Jennings , por uma margem significativa.

Ir

Em março de 2016, AlphaGo venceu 4 de 5 jogos de go em uma partida com o campeão de go Lee Sedol , tornando-se o primeiro sistema de computador Go a vencer um jogador profissional de Go sem limitações . Na cúpula Future of Go 2017 , AlphaGo venceu uma partida de três jogos com Ke Jie , que na época ocupava continuamente o 1º lugar do ranking mundial por dois anos. Murray Campbell, do Deep Blue , chamou a vitória de AlphaGo de "o fim de uma era ... os jogos de tabuleiro estão mais ou menos terminados e é hora de seguir em frente." Isso marcou a conclusão de um marco significativo no desenvolvimento da inteligência artificial, já que Go é um jogo relativamente complexo, mais do que xadrez.

Pôquer

Pluribus (pôquer bot) e Cepheus (pôquer bot) . jogar pôquer em um nível sobre-humano. Ao contrário do go ou do xadrez , o pôquer é um jogo de informação imperfeita ; um programa que os reproduz deve raciocinar sob a incerteza.

Jogos de vídeo

E-sports como StarCraft fornecem referências públicas do progresso da IA.

Jogo geral

DeepMind melhorou AlphaGo, generalizando-o para jogar outros jogos, com AlphaZero ; e MuZero . AlphaZero joga xadrez , shogi e movimento . Ao jogar contra si mesmo, ele consegue gerar seu próprio conhecimento a partir do zero, enquanto muitos outros projetos de aprendizado de máquina exigem grandes conjuntos de dados de treinamento. MuZero pode aprender muitos jogos Atari diversos por conta própria e, mais tarde, desenvolveu uma variante do sistema que tem sucesso na aprendizagem sequencial . Outros jogos eram anteriormente tratados separadamente,

Desafios econômicos e sociais

AI for Good é uma iniciativa da ITU que apoia instituições que empregam IA para enfrentar alguns dos maiores desafios econômicos e sociais do mundo. Por exemplo, a University of Southern California lançou o Center for Artificial Intelligence in Society, com o objetivo de usar IA para resolver problemas socialmente relevantes, como a falta de moradia. Em Stanford, os pesquisadores estão usando IA para analisar imagens de satélite para identificar quais áreas têm os níveis de pobreza mais altos.

Agricultura

Na agricultura, os avanços da IA ​​do século 21 mostram melhorias no ganho de produtividade e no aumento da pesquisa e do desenvolvimento de plantações em crescimento. Com esses avanços, a inteligência artificial pode prever o tempo que leva para uma safra como o tomate estar madura e pronta para a colheita, aumentando assim a eficiência da agricultura. Esses avanços também incluem monitoramento de safra e solo, robôs agrícolas e análise preditiva . O monitoramento de safras e solos usa novos algoritmos e dados coletados no campo para gerenciar e monitorar a saúde das safras, tornando-as mais fáceis e sustentáveis ​​para os agricultores.

Mais especializações de IA na agricultura incluem automação de estufa , simulação , modelagem e técnicas de otimização.

Devido ao aumento da população e ao crescimento da demanda por alimentos no futuro, será necessário um aumento de pelo menos 70% na produção agrícola para sustentar essa nova demanda. Cada vez mais o público percebe que a adaptação dessas novas técnicas e o uso da Inteligência Artificial ajudarão a atingir esse objetivo.

A importância da IA ​​na agricultura pode ser resumida em três pontos principais. Em primeiro lugar, ajuda a economizar tempo e esforços. Tradicionalmente, as fazendas precisam de muitos trabalhadores para fazer a colheita e manter as fazendas produtivas. Agora, com a aplicação da IA, um trabalho que precisou de centenas de pessoas por uma semana pode ser feito por uma única máquina em menos de duas horas. Em segundo lugar, ajuda a reduzir os custos de produção. Ao usar IA, os recursos são usados ​​com sabedoria e evitamos o desperdício. Como também a força de trabalho é reduzida consideravelmente, gastamos menos dinheiro no processo de produção. E, finalmente, ajuda a melhorar os rendimentos agrícolas. A IA pode fornecer aos agricultores uma visão real de seu campo, permitindo-lhes identificar áreas que precisam de irrigação, fertilização ou tratamentos com pesticidas.

Cíber segurança

A arena da cibersegurança enfrenta desafios significativos na forma de ataques de hackers em larga escala de diferentes tipos que prejudicam todos os tipos de organizações e geram bilhões de dólares em prejuízos aos negócios; esses ataques cibernéticos aumentaram em número, frequência e impacto, chamando a atenção para os pontos fracos dos sistemas atuais e a necessidade de melhorá-los. As empresas de segurança começaram a adotar soluções de redes neurais , aprendizado de máquina (ML) e processamento de linguagem natural (PNL) para construir sistemas mais inteligentes e seguros.

As possíveis implementações de IA em segurança cibernética são:

• Proteção de rede . O uso de aprendizado de máquina permite sistemas de detecção de intrusão altamente sofisticados .
• Proteção de endpoint . Ameaças como ransomware podem ser detectadas de forma adequada com a adoção de algoritmos que aprendem com os comportamentos típicos de malware.
• Segurança do aplicativo . A inteligência artificial pode ajudar a conter ataques perigosos, como Server Side Request Forgery (SSRF), injeção de SQL , script entre sites (XSS) e negação de serviço distribuída (DDoS).
• Suspeita de comportamento do usuário . Alguns aplicativos de ML podem identificar tentativas de fraude ou comprometimento de aplicativos por usuários mal-intencionados no momento em que ocorrem.

Educação

Os tutores de IA podem permitir que os alunos recebam ajuda extra individual. Eles também podem reduzir a ansiedade e o estresse de alguns alunos, que podem ser causados ​​por laboratórios de tutoria ou tutores humanos. Em futuras salas de aula, a informática ambiental pode desempenhar um papel benéfico. Ambient informatics é a ideia de que a informação está em todo o ambiente e que as tecnologias se ajustam automaticamente às suas preferências pessoais. Dispositivos de estudo podem ser capazes de criar aulas, problemas e jogos para se adequar às necessidades específicas do aluno e fornecer feedback imediato.

Mas a IA também pode criar um ambiente desvantajoso com efeitos de vingança, se a tecnologia estiver inibindo a sociedade de seguir em frente e causando efeitos negativos não intencionais na sociedade. Um exemplo de efeito de vingança é que o uso prolongado da tecnologia pode prejudicar a capacidade dos alunos de se concentrarem e permanecerem na tarefa, em vez de ajudá-los a aprender e crescer. Além disso, sabe-se que a IA leva à perda da agência humana e da simultaneidade.

Finança

As instituições financeiras há muito usam sistemas de rede neural artificial para detectar cobranças ou reclamações fora da norma, sinalizando-as para investigação humana. O uso de IA no setor bancário pode ser rastreado até 1987, quando o Security Pacific National Bank dos Estados Unidos criou uma Força-Tarefa de Prevenção de Fraude para combater o uso não autorizado de cartões de débito. Programas como Kasisto e Moneystream estão usando IA em serviços financeiros.

Os bancos usam sistemas de inteligência artificial hoje para organizar operações, manter a contabilidade, investir em ações e gerenciar propriedades. A IA pode reagir a mudanças durante a noite ou quando os negócios não estão ocorrendo. Em agosto de 2001, robôs venceram humanos em uma competição simulada de negociação financeira . A AI também reduziu a fraude e os crimes financeiros, monitorando os padrões de comportamento dos usuários em busca de quaisquer alterações ou anomalias anormais.

A IA está cada vez mais sendo usada por empresas . Jack Ma previu de forma polêmica que os CEOs da AI estão a 30 anos de distância.

O uso de máquinas de IA no mercado em aplicações como negociação online e tomada de decisões mudou as principais teorias econômicas. Por exemplo, as plataformas de compra e venda baseadas em IA mudaram a lei da oferta e da demanda , pois agora é possível estimar facilmente as curvas de oferta e demanda individualizadas e, portanto, os preços individualizados. Além disso, as máquinas de IA reduzem a assimetria de informações no mercado, tornando os mercados mais eficientes e, ao mesmo tempo, reduzindo o volume de negócios. Além disso, a IA nos mercados limita as consequências do comportamento nos mercados, tornando os mercados mais eficientes. Outras teorias onde a IA teve impacto incluem na escolha racional , expectativas racionais , teoria dos jogos , ponto de inflexão de Lewis , otimização de portfólio e pensamento contrafactual . Em agosto de 2019, o AICPA lançou um curso de treinamento em IA para profissionais de contabilidade.

Negociação e investimento

A negociação algorítmica envolve o uso de sistemas complexos de IA para tomar decisões de negociação em velocidades várias ordens de magnitudes maiores do que qualquer ser humano é capaz, muitas vezes fazendo milhões de negociações em um dia sem qualquer intervenção humana. Essa negociação é chamada de negociação de alta frequência e representa um dos setores de crescimento mais rápido no comércio financeiro. Muitos bancos, fundos e firmas de trading proprietário agora têm carteiras inteiras que são gerenciadas puramente por sistemas de IA. Os sistemas de negociação automatizados são normalmente usados ​​por grandes investidores institucionais, mas nos últimos anos também assistimos a um influxo de empresas proprietárias menores negociando com seus próprios sistemas de IA.

Várias grandes instituições financeiras investiram em motores de IA para auxiliar em suas práticas de investimento. O mecanismo de IA da BlackRock , Aladdin , é usado tanto dentro da empresa quanto para os clientes para ajudar nas decisões de investimento. Sua ampla gama de funcionalidades inclui o uso de processamento de linguagem natural para ler textos como notícias, relatórios de corretores e feeds de mídia social. Em seguida, avalia o sentimento sobre as empresas mencionadas e atribui uma pontuação. Bancos como UBS e Deutsche Bank usam um mecanismo de IA chamado Sqreem (modelo de redução e extração quântica sequencial), que pode extrair dados para desenvolver perfis de consumidores e combiná-los com os produtos de gestão de patrimônio que eles provavelmente desejam.

Subscrição

Um credor online, Upstart, analisa grandes quantidades de dados do consumidor e utiliza algoritmos de aprendizado de máquina para desenvolver modelos de risco de crédito que prevêem a probabilidade de inadimplência do consumidor. Sua tecnologia será licenciada para bancos para que eles possam alavancar seus processos de subscrição também.

A ZestFinance desenvolveu sua plataforma Zest Automated Machine Learning (ZAML) especificamente para subscrição de crédito também. Essa plataforma utiliza aprendizado de máquina para analisar dezenas de milhares de variáveis ​​tradicionais e não tradicionais (desde transações de compra até como um cliente preenche um formulário) usadas no setor de crédito para pontuar os tomadores. A plataforma é particularmente útil para atribuir pontuações de crédito àqueles com históricos de crédito limitados, como a geração do milênio.

Auditoria

Para a auditoria de demonstrações financeiras, a IA possibilita a auditoria contínua. As ferramentas de IA podem analisar muitos conjuntos de informações diferentes imediatamente. O benefício potencial seria a redução do risco geral da auditoria, o aumento do nível de garantia e a redução do tempo de duração da auditoria.

História

A década de 1980 foi realmente quando a IA começou a se tornar proeminente no mundo das finanças. Foi quando os sistemas especialistas se tornaram mais um produto comercial no campo financeiro. "Por exemplo, a Dupont construiu 100 sistemas especialistas que os ajudaram a economizar cerca de US $ 10 milhões por ano." Um dos primeiros sistemas foi o sistema especialista Protrader projetado por KC Chen e Ting-peng Lian, que foi capaz de prever a queda de 87 pontos no DOW Jones Industrial Average em 1986. "As principais junções do sistema eram monitorar prêmios no mercado, determinar a estratégia de investimento ideal, executar transações quando apropriado e modificar a base de conhecimento por meio de um mecanismo de aprendizagem. "

Um dos primeiros sistemas especialistas que ajudaram nos planos financeiros foi criado pela Applied Expert Systems (APEX), chamado PlanPower. Foi expedido comercialmente pela primeira vez em 1986. Sua função era ajudar a fornecer planos financeiros para pessoas com renda superior a US $ 75.000 por ano. Isso então levou ao Sistema de Perfil de Cliente, que foi usado para rendas entre $ 25.000 e $ 200.000 por ano.

A década de 1990 foi muito mais voltada para a detecção de fraudes. Um dos sistemas iniciados em 1993 foi o FinCEN Artificial Intelligence System (FAIS). Foi capaz de revisar mais de 200.000 transações por semana e, ao longo de dois anos, ajudou a identificar 400 casos potenciais de lavagem de dinheiro, que teriam sido iguais a US $ 1 bilhão. Embora os sistemas especialistas não tenham durado no mundo das finanças, eles ajudaram a impulsionar o uso da IA ​​e a torná-lo o que é hoje.

Governo

A inteligência artificial no governo consiste em aplicações e regulamentação. A inteligência artificial emparelhada com sistemas de reconhecimento facial pode ser usada para vigilância em massa . Este já é o caso em algumas partes da China. A inteligência artificial também competiu nas eleições para prefeito da cidade de Tama em 2018.

Em 2019, a cidade tecnológica de Bengaluru, na Índia, deverá implantar sistemas de sinalização de tráfego gerenciados por IA nos 387 sinais de trânsito da cidade. Este sistema envolverá o uso de câmeras para determinar a densidade do tráfego e, consequentemente, calcular o tempo necessário para limpar o volume de tráfego que determinará a duração do sinal para o tráfego de veículos nas ruas.

Militares

Os Estados Unidos e outras nações estão desenvolvendo aplicativos de IA para uma série de funções militares. As principais aplicações militares da inteligência artificial e do aprendizado de máquina são para aprimorar o C2, as comunicações, os sensores, a integração e a interoperabilidade. A pesquisa de IA está em andamento nas áreas de coleta e análise de inteligência, logística, operações cibernéticas, operações de informação, comando e controle e em uma variedade de veículos semi-autônomos e autônomos. As tecnologias de inteligência artificial permitem a coordenação de sensores e efetores, detecção e identificação de ameaças, marcação de posições inimigas, aquisição de alvos, coordenação e deconflição de Join Fires entre veículos de combate e tanques em rede, também dentro de equipes tripuladas e não tripuladas. A IA foi incorporada às operações militares no Iraque e na Síria.

Os gastos militares anuais mundiais com robótica aumentaram de US $ 5,1 bilhões em 2010 para US $ 7,5 bilhões em 2015. Drones militares capazes de ação autônoma são amplamente considerados um ativo útil. Muitos pesquisadores de inteligência artificial procuram se distanciar das aplicações militares da IA.

Saúde

Cuidados de saúde

A IA na área da saúde é freqüentemente usada para classificação, seja para automatizar a avaliação inicial de uma tomografia computadorizada ou EKG ou para identificar pacientes de alto risco para a saúde da população. A amplitude de aplicações está aumentando rapidamente. Como exemplo, a IA está sendo aplicada ao problema de alto custo das questões de dosagem - onde as descobertas sugeriram que a IA poderia economizar US $ 16 bilhões. Em 2016, um estudo inovador na Califórnia descobriu que uma fórmula matemática desenvolvida com a ajuda de IA determinava corretamente a dose exata de medicamentos imunossupressores a serem administrados a pacientes com órgãos.

A inteligência artificial está ajudando os médicos. De acordo com a Bloomberg Technology, a Microsoft desenvolveu IA para ajudar os médicos a encontrar os tratamentos certos para o câncer. Há uma grande quantidade de pesquisas e medicamentos desenvolvidos relacionados ao câncer. Em detalhe, são mais de 800 medicamentos e vacinas para tratar o câncer. Isso afeta negativamente os médicos, porque há muitas opções de escolha, tornando mais difícil escolher os medicamentos certos para os pacientes. A Microsoft está trabalhando em um projeto para desenvolver uma máquina chamada "Hanover". Seu objetivo é memorizar todos os papéis necessários ao câncer e ajudar a prever quais combinações de medicamentos serão mais eficazes para cada paciente. Um projeto que está sendo trabalhado no momento é o de combate à leucemia mielóide , um câncer fatal cujo tratamento não melhora há décadas. Outro estudo descobriu que a inteligência artificial era tão boa quanto médicos treinados na identificação de câncer de pele. Outro estudo está usando inteligência artificial para tentar monitorar vários pacientes de alto risco, e isso é feito perguntando a cada paciente várias perguntas com base em dados adquiridos de médico ao vivo para interações com o paciente. Um estudo foi feito com transferência de aprendizagem, a máquina realizava um diagnóstico de forma semelhante a um oftalmologista bem treinado, e podia gerar uma decisão em 30 segundos sobre se o paciente deveria ou não ser encaminhado para tratamento, com mais de 95% de acerto.

De acordo com a CNN , um estudo recente realizado por cirurgiões do Children's National Medical Center em Washington demonstrou com sucesso a cirurgia com um robô autônomo. A equipe supervisionou o robô enquanto realizava a cirurgia de tecidos moles, costurando o intestino de um porco durante a cirurgia aberta, e fazendo isso melhor do que um cirurgião humano, afirmou a equipe. A IBM criou seu próprio computador de inteligência artificial, o IBM Watson , que venceu a inteligência humana (em alguns níveis). O Watson tem se esforçado para obter sucesso e adoção na área de saúde.

As redes neurais artificiais são usadas como sistemas de suporte de decisão clínica para diagnóstico médico , como em tecnologia de processamento de conceito em software EMR .

Outras tarefas na medicina que podem ser potencialmente realizadas por inteligência artificial e estão começando a ser desenvolvidas incluem:

• Interpretação de imagens médicas auxiliada por computador . Esses sistemas ajudam a escanear imagens digitais, por exemplo , de tomografia computadorizada , para aparências típicas e para destacar seções conspícuas, como possíveis doenças. Uma aplicação típica é a detecção de um tumor.
• Análise de som cardíaco
• Robôs companheiros para cuidar dos idosos
• Mineração de registros médicos para fornecer informações mais úteis
• Projetar planos de tratamento
• Auxiliar em trabalhos repetitivos, incluindo gerenciamento de medicamentos
• Assistir cegos
• Fornece consultas
• Criação de drogas
• Usando avatares no lugar de pacientes para treinamento clínico
• Prever a probabilidade de morte em procedimentos cirúrgicos
• Prever a progressão do HIV

Saúde e segurança no local de trabalho

A IA pode aumentar o escopo das tarefas de trabalho em que um trabalhador pode ser removido de uma situação que acarreta riscos , como estresse, excesso de trabalho, lesões musculoesqueléticas, fazendo com que a IA execute as tarefas. Isso pode expandir a gama de setores de trabalho afetados, além da automação tradicional, para empregos de colarinho branco e de serviços , como medicina, finanças e tecnologia da informação. Por exemplo, os trabalhadores do call center enfrentam grandes riscos à saúde e à segurança devido à sua natureza repetitiva e exigente e às suas altas taxas de microvigilância. Os chatbots habilitados para IA reduzem a necessidade de humanos realizarem as tarefas mais básicas do call center.

O aprendizado de máquina usado para análises de pessoas para fazer previsões sobre o comportamento do trabalhador pode ser usado para melhorar a saúde do trabalhador. Por exemplo, a análise de sentimento pode ser usada para detectar a fadiga e evitar o excesso de trabalho . Os sistemas de apoio à decisão têm uma capacidade semelhante de ser usado para, por exemplo, prevenir desastres industriais ou tornar a resposta a desastres mais eficiente. Para trabalhadores de manuseio manual de materiais , análises preditivas e inteligência artificial podem ser usadas para reduzir lesões musculoesqueléticas . Sensores vestíveis também podem permitir uma intervenção precoce contra a exposição a substâncias tóxicas, e os grandes conjuntos de dados gerados podem melhorar a vigilância da saúde no local de trabalho , avaliação de risco e pesquisa.

A IA também pode ser usada para tornar o fluxo de trabalho de segurança e saúde no local de trabalho mais eficiente. Um exemplo é a codificação de pedidos de indenização trabalhista . Os sistemas de realidade virtual habilitados para IA podem ser úteis para treinamento de segurança para reconhecimento de perigos. A inteligência artificial pode ser usada para detectar com mais eficiência os quase acidentes , que são importantes na redução das taxas de acidentes, mas geralmente são subnotificados.

Bioquímica

AlphaFold 2 (2020) da DeepMind demonstrou a capacidade de determinar, em horas ao invés de meses, a estrutura 3D de uma proteína.

Lei

Análise legal

A inteligência artificial (IA) está se tornando um componente essencial das profissões relacionadas ao direito. Em algumas circunstâncias, essa tecnologia analítica está usando algoritmos e aprendizado de máquina para fazer o trabalho que antes era feito por advogados iniciantes.

Na Descoberta Eletrônica (eDiscovery) , o setor tem se concentrado no aprendizado de máquina (codificação preditiva / revisão assistida por tecnologia), que é um subconjunto da IA. Para adicionar à sopa de aplicações, o Processamento de Linguagem Natural (PNL) e o Reconhecimento Automatizado de Fala (ASR) também estão em voga na indústria.

Aplicação da lei e procedimentos legais

Os algoritmos já têm inúmeras aplicações em sistemas jurídicos. Um exemplo disso é o COMPAS , um programa comercial amplamente utilizado pelos tribunais dos Estados Unidos para avaliar a probabilidade de um réu se tornar reincidente .

Alguns estão preocupados com o enviesamento algorítmico , que os programas de IA podem acidentalmente tornar-se enviesados ​​após o processamento de dados que exibem enviesamento. A ProPublica afirma que o nível médio de risco de reincidência atribuído pelo COMPAS dos réus negros é significativamente mais alto do que o nível médio de risco atribuído pelo COMPAS dos réus brancos.

Setor de serviços

Recursos humanos e recrutamento

Outra aplicação da IA ​​está no espaço de recursos humanos e recrutamento. A IA está sendo usada por profissionais de recursos humanos e recrutamento de três maneiras: para selecionar currículos e classificar os candidatos de acordo com seu nível de qualificação, para prever o sucesso do candidato em determinadas funções por meio de plataformas de correspondência de empregos e lançar chatbots de recrutamento que podem automatizar a comunicação repetitiva tarefas. Normalmente, a triagem de currículos envolve um recrutador ou outro profissional de RH examinando um banco de dados de currículos.

Procura de emprego

O mercado de trabalho sofreu uma mudança notável devido à implantação da inteligência artificial. Ele simplificou o processo para recrutadores e candidatos a emprego (ou seja, Google para empregos e inscrição online). De acordo com Raj Mukherjee, do Avoid.com, 65% das pessoas começam uma busca de emprego novamente dentro de 91 dias após serem contratadas. O motor alimentado por IA simplifica a complexidade da procura de emprego, operando informações sobre habilidades de trabalho, salários e tendências do usuário, combinando as pessoas com as posições mais relevantes. A inteligência de máquina calcula quais salários seriam apropriados para um trabalho específico, puxa e destaca informações de currículo para recrutadores usando processamento de linguagem natural, que extrai palavras e frases relevantes de texto usando software especializado. Outra aplicação é um construtor de currículo de IA que requer 5 minutos para compilar um currículo em vez de gastar horas fazendo o mesmo trabalho. Na era da IA, os chatbots auxiliam os visitantes do site e resolvem os fluxos de trabalho diários. As ferramentas revolucionárias de IA complementam as habilidades das pessoas e permitem que os gerentes de RH se concentrem em tarefas de maior prioridade. No entanto, o impacto da inteligência artificial na pesquisa de empregos sugere que até 2030 os agentes e robôs inteligentes podem eliminar 30% do trabalho humano do mundo. Além disso, a pesquisa comprova que a automação deslocará entre 400 e 800 milhões de funcionários. O relatório de pesquisa da Glassdoor afirma que o recrutamento e o RH devem ter uma adoção muito mais ampla da IA ​​no mercado de trabalho de 2018 e além.

Atendimento ao cliente online e por telefone

A inteligência artificial é implementada em assistentes online automatizados que podem ser vistos como avatares em páginas da web. Pode servir para as empresas reduzirem seus custos de operação e treinamento. Uma das principais tecnologias subjacentes a esses sistemas é o processamento de linguagem natural . Pypestream usa atendimento automatizado ao cliente para seu aplicativo móvel projetado para agilizar a comunicação com os clientes.

Grandes empresas estão investindo em IA para lidar com clientes difíceis no futuro. O desenvolvimento mais recente do Google analisa a linguagem e converte a fala em texto. A plataforma pode identificar clientes irritados por meio de sua linguagem e responder apropriadamente. A Amazon também usa um bot para atendimento ao cliente que pode realizar tarefas como verificar o status de um pedido, cancelar pedidos, oferecer reembolsos e, finalmente, conectar você com um verdadeiro representante de atendimento ao cliente da Amazon.

Hospitalidade

No setor de hospitalidade, as soluções baseadas em inteligência artificial são usadas para reduzir a carga de pessoal e aumentar a eficiência, cortando a frequência de tarefas repetitivas, análise de tendências, interação com o hóspede e previsão das necessidades do cliente. Os serviços de hotelaria apoiados por inteligência artificial são representados na forma de chatbot, aplicativo, assistente de voz virtual e robôs de serviço.

meios de comunicação

Algumas aplicações de IA são voltadas para a análise de conteúdo de mídia audiovisual, como filmes, programas de TV, vídeos publicitários ou conteúdo gerado pelo usuário . As soluções geralmente envolvem visão computacional , que é uma das principais áreas de aplicação da IA.

Os cenários de caso de uso típicos incluem a análise de imagens usando técnicas de reconhecimento de objetos ou de rosto , ou a análise de vídeo para reconhecer cenas, objetos ou rostos relevantes. A motivação para usar a análise de mídia baseada em IA pode ser - entre outras coisas - a facilitação da pesquisa de mídia, a criação de um conjunto de palavras-chave descritivas para um item de mídia, monitoramento de política de conteúdo de mídia (como verificar a adequação do conteúdo para um determinado Tempo de exibição de TV), fala em texto para arquivamento ou outros fins, e a detecção de logotipos, produtos ou rostos de celebridades para a colocação de anúncios relevantes.

As empresas de IA de análise de mídia geralmente fornecem seus serviços por meio de uma API REST que permite o acesso automático baseado em máquina à tecnologia e permite a leitura dos resultados por máquina. Por exemplo, IBM , Microsoft e Amazon permitem acesso a sua tecnologia de reconhecimento de mídia usando APIs RESTful.

Deepfakes

Em junho de 2016, uma equipe de pesquisa do grupo de computação visual da Universidade Técnica de Munique e da Universidade de Stanford desenvolveu o Face2Face, um programa que anima o rosto de uma pessoa alvo, transpondo as expressões faciais de uma fonte externa. A tecnologia foi demonstrada animando os lábios de pessoas, incluindo Barack Obama e Vladimir Putin . Desde então, outros métodos foram demonstrados com base na rede neural profunda , da qual o nome " deepfake " foi tirado.

Em setembro de 2018, o senador americano Mark Warner propôs penalizar as empresas de mídia social que permitem o compartilhamento de documentos falsos em sua plataforma.

Vincent Nozick, pesquisador do Institut Gaspard Monge , encontrou uma maneira de detectar documentos fraudados analisando os movimentos da pálpebra . O DARPA (um grupo de pesquisa associado ao Departamento de Defesa dos Estados Unidos ) doou 68 milhões de dólares para trabalhar na detecção de falsificações profundas. Na Europa, o programa Horizonte 2020 financiou o InVid, software desenvolvido para ajudar jornalistas a detectar documentos falsos.

Deepfakes podem ser usados ​​para fins cômicos, mas são mais conhecidos por serem usados ​​para notícias falsas e boatos. Deepfakes de áudio e software de IA capaz de detectar deepfakes e clonar vozes humanas após 5 segundos de escuta também existem.

Música

Embora a evolução da música sempre tenha sido afetada pela tecnologia, a inteligência artificial permitiu, por meio de avanços científicos, emular, em certa medida, a composição semelhante à humana.

Entre os esforços iniciais notáveis, David Cope criou uma IA chamada Emily Howell que conseguiu se tornar bem conhecida no campo de Algorithmic Computer Music. O algoritmo por trás de Emily Howell é registrado como uma patente dos Estados Unidos.

O AI Iamus criou em 2012 o primeiro álbum clássico completo totalmente composto por um computador.

Outros empreendimentos, como AIVA (Artificial Intelligence Virtual Artist), se concentram na composição de música sinfônica, principalmente música clássica para trilhas sonoras de filmes . Alcançou uma estreia mundial ao se tornar o primeiro compositor virtual a ser reconhecido por uma associação profissional musical .

As inteligências artificiais podem até mesmo produzir música utilizável em um ambiente médico, com o esforço da Melomics em usar música gerada por computador para o alívio do estresse e da dor.

Além disso, iniciativas como o Google Magenta , conduzido pela equipe do Google Brain , querem descobrir se uma inteligência artificial pode ser capaz de criar arte convincente.

No Sony CSL Research Laboratory, o software Flow Machines criou canções pop aprendendo estilos musicais a partir de um enorme banco de dados de canções. Ao analisar combinações únicas de estilos e técnicas de otimização, ele pode compor em qualquer estilo.

Outro projeto de composição musical de inteligência artificial, The Watson Beat , escrito pela IBM Research , não precisa de um grande banco de dados de música como os projetos Google Magenta e Flow Machines, uma vez que usa Reinforcement Learning e Deep Belief Networks para compor música em uma simples entrada inicial melodia e um estilo selecionado. Desde que o software foi de código aberto, músicos, como Taryn Southern, têm colaborado com o projeto para criar música.

A canção de estreia da cantora sul-coreana Hayeon, "Eyes on You", foi composta usando IA que também foi supervisionada por compositores reais, incluindo NUVO.

Redação e reportagem

A empresa Narrative Science disponibiliza comercialmente notícias e relatórios gerados por computador , incluindo resumos de eventos esportivos coletivos com base em dados estatísticos do jogo em inglês. Também cria relatórios financeiros e análises imobiliárias. Da mesma forma, a empresa Automated Insights gera recapitulações e visualizações personalizadas para o Yahoo Sports Fantasy Football . A empresa está projetada para gerar um bilhão de histórias em 2014, contra 350 milhões em 2013. A organização OpenAI também criou uma IA capaz de escrever textos.

Outra empresa, chamada Yseop, usa inteligência artificial para transformar dados estruturados em comentários e recomendações inteligentes em linguagem natural. Yseop é capaz de escrever relatórios financeiros, resumos executivos, vendas personalizadas ou documentos de marketing e muito mais a uma velocidade de milhares de páginas por segundo e em vários idiomas, incluindo inglês, espanhol, francês e alemão.

Além da automação de tarefas de escrita com entrada de dados, a IA mostrou um potencial significativo para os computadores se engajarem em trabalhos criativos de alto nível. AI Storytelling tem sido um campo ativo de pesquisa desde o desenvolvimento de TALESPIN por James Meehan, que inventou histórias semelhantes às fábulas de Esopo. O programa começaria com um conjunto de personagens que quisessem atingir certos objetivos, com a história como uma narração das tentativas dos personagens de executar planos para satisfazer esses objetivos. Desde Meehan, outros pesquisadores trabalharam em AI Storytelling usando abordagens semelhantes ou diferentes. Mark Riedl e Vadim Bulitko argumentaram que a essência da narrativa era um problema de gerenciamento de experiência, ou "como equilibrar a necessidade de uma progressão coerente da história com a agência do usuário, o que geralmente está em desacordo".

Embora a maioria das pesquisas sobre narração de histórias em IA tenha se concentrado na geração de histórias (por exemplo, personagem e enredo), também houve uma investigação significativa na comunicação de histórias. Em 2002, pesquisadores da North Carolina State University desenvolveram uma estrutura arquitetônica para a geração de prosa narrativa. Sua implementação particular foi capaz de reproduzir fielmente a variedade e complexidade de texto de uma série de histórias, como o capuz vermelho, com habilidade humana. Este campo específico continua a ganhar interesse. Em 2016, uma IA japonesa co-escreveu um conto e quase ganhou um prêmio literário.

Hanteo Global, a organização que opera o único gráfico de registro em tempo real na Coréia do Sul, também utiliza um bot de jornalismo automatizado, que escreve artigos.

Jogos de vídeo

Em videogames, a inteligência artificial é rotineiramente usada para gerar comportamento dinâmico e intencional em personagens não-jogadores (NPCs). Além disso, técnicas de IA bem conhecidas são usadas rotineiramente para encontrar caminhos . Alguns pesquisadores consideram a NPC AI em jogos um "problema resolvido" para a maioria das tarefas de produção. Jogos com IA mais atípica incluem o diretor de IA de Left 4 Dead (2008) e o treinamento neuroevolucionário de pelotões em Supreme Commander 2 (2010). AI também é usada em Alien Isolation (2014) como uma forma de controlar quais ações o Alien executará a seguir. Devido à forma como a inteligência do Alien é configurada, pode-se dizer que o Alien parece aprender mais sobre o jogador conforme o jogo continua e o Alien começa a agir de acordo.

O Kinect , que fornece uma interface de movimento corporal 3D para o Xbox 360 e o Xbox One , usa algoritmos que surgiram de uma longa pesquisa de IA

Arte

A inteligência artificial inspirou inúmeras aplicações criativas, incluindo seu uso para produzir arte visual. A exposição "Thinking Machines: Art and Design in Computer Age, 1959-1989" no MoMA oferece uma boa visão geral das aplicações históricas da IA ​​para arte, arquitetura e design. Exposições recentes que mostram o uso de IA para produzir arte incluem o benefício patrocinado pelo Google e o leilão na Gray Area Foundation em San Francisco, onde artistas experimentaram o algoritmo DeepDream e a exposição "Unhuman: Art in the Age of AI", que teve em Los Angeles e Frankfurt no outono de 2017. Na primavera de 2018, a Association of Computing Machinery dedicou uma edição de revista especial ao assunto de computadores e arte, destacando o papel do aprendizado de máquina nas artes. Em junho de 2018, "Duet for Human and Machine", uma obra de arte que permite aos espectadores interagir com uma inteligência artificial, estreou no Beall Center for Art + Technology. A Ars Electronica austríaca e o Museu de Artes Aplicadas de Viena abriram exposições sobre IA em 2019. O festival de 2019 da Ars Electronica "Out of the box" tematizou extensivamente o papel das artes para uma transformação social sustentável com IA.

Serviços de utilidade pública

Os conversores eletrônicos de potência são uma tecnologia capacitadora para energia renovável , armazenamento de energia , veículos elétricos e sistemas de transmissão de corrente contínua de alta tensão dentro da rede elétrica . Esses conversores estão sujeitos a falhas e essas falhas podem causar tempos de inatividade que podem exigir manutenção cara ou até mesmo ter consequências catastróficas em aplicativos de missão crítica. Os pesquisadores estão usando IA para fazer o processo de projeto automatizado para conversores eletrônicos de potência confiáveis, calculando parâmetros de projeto exatos que garantem a vida útil desejada do conversor sob o perfil de missão especificado.

Muitas empresas de telecomunicações fazem uso da pesquisa heurística no gerenciamento de sua força de trabalho, por exemplo, o BT Group implantou a pesquisa heurística em um aplicativo de agendamento que fornece os horários de trabalho de 20.000 engenheiros.

Manufatura

Os robôs se tornaram comuns em muitas indústrias e frequentemente recebem trabalhos considerados perigosos para os humanos. Os robôs têm se mostrado eficazes em trabalhos muito repetitivos, que podem levar a erros ou acidentes devido a uma falta de concentração e outros trabalhos que os humanos podem considerar degradantes.

Em 2014, China , Japão , Estados Unidos , República da Coréia e Alemanha somavam 70% do volume total de vendas de robôs. Na indústria automotiva , setor com alto grau de automação, o Japão possui a maior densidade de robôs industriais do mundo: 1.414 por 10.000 funcionários.

Sensores

A inteligência artificial foi combinada com muitas tecnologias de sensores , como a espectrometria digital da IdeaCuria Inc., que permite muitas aplicações, como o monitoramento doméstico da qualidade da água.

Brinquedos e jogos

A década de 1990 viu algumas das primeiras tentativas de produzir em massa tipos de inteligência artificial básica voltados para o mercado interno, para educação ou lazer. Isso prosperou muito com a Revolução Digital e ajudou a introduzir as pessoas, especialmente as crianças, a uma vida de lidar com vários tipos de inteligência artificial, especificamente na forma de Tamagotchis e Giga Pets , iPod Touch , Internet e o primeiro robô amplamente lançado , Furby . Apenas um ano depois, um tipo aprimorado de robô doméstico foi lançado na forma de Aibo , um cão robótico com características inteligentes e autonomia .

Empresas como a Mattel têm criado uma variedade de brinquedos habilitados para IA para crianças a partir dos três anos. Usando mecanismos proprietários de IA e ferramentas de reconhecimento de voz, eles são capazes de entender conversas, dar respostas inteligentes e aprender rapidamente.

A IA também foi aplicada a videogames , por exemplo , bots de videogame , que são projetados para se colocarem como oponentes onde humanos não estão disponíveis ou desejados.

Transporte

Os controladores lógicos difusos foram desenvolvidos para caixas de câmbio automáticas em automóveis. Por exemplo, o 2006 Audi TT , VW Touareg e VW Caravell apresentam a transmissão DSP que utiliza Fuzzy Logic. Uma série de variantes do Škoda ( Škoda Fabia ) também inclui atualmente um controlador baseado em Fuzzy Logic.

Os carros de hoje agora têm recursos de assistência ao motorista baseados em IA, como auto-estacionamento e controles avançados de cruzeiro. A IA foi usada para otimizar os aplicativos de gerenciamento de tráfego, o que, por sua vez, reduz o tempo de espera, o uso de energia e as emissões em até 25%. No futuro, serão desenvolvidos carros totalmente autônomos . Espera-se que a IA no transporte forneça transporte seguro, eficiente e confiável, minimizando o impacto no meio ambiente e nas comunidades. O principal desafio para desenvolver esta IA é o fato de que os sistemas de transporte são sistemas inerentemente complexos que envolvem um grande número de componentes e partes diferentes, cada uma com objetivos diferentes e muitas vezes conflitantes. Devido a esse alto grau de complexidade do transporte e, em particular, da aplicação automotiva, na maioria dos casos não é possível treinar um algoritmo de IA em um ambiente de direção do mundo real. Para superar o desafio de treinar redes neurais para condução automatizada, metodologias baseadas em resp de desenvolvimento virtual. conjuntos de ferramentas de teste foram propostos.

Automotivo

Os avanços na IA contribuíram para o crescimento da indústria automotiva por meio da criação e evolução de veículos autônomos. Em 2016, havia mais de 30 empresas utilizando IA na criação de carros autônomos . Algumas empresas envolvidas com IA incluem Tesla , Google e Apple .

Muitos componentes contribuem para o funcionamento dos carros autônomos. Esses veículos incorporam sistemas como frenagem, mudança de faixa, prevenção de colisão, navegação e mapeamento. Juntos, esses sistemas, bem como os computadores de alto desempenho, são integrados em um veículo complexo.

Desenvolvimentos recentes em automóveis autônomos tornaram possível a inovação de caminhões autônomos, embora eles ainda estejam em fase de testes. O governo do Reino Unido aprovou uma legislação para começar a testar pelotões de caminhões autônomos em 2018. Pelotões de caminhões autônomos são uma frota de caminhões autônomos seguindo o exemplo de um caminhão não autônomo, então os pelotões de caminhões não são totalmente autônomo ainda. Enquanto isso, a Daimler, empresa automobilística alemã, está testando o Freightliner Inspiration, um caminhão semiautônomo que só será usado na rodovia.

Um fator principal que influencia a capacidade de funcionamento de um automóvel sem motorista é o mapeamento. Em geral, o veículo seria pré-programado com um mapa da área que está sendo conduzida. Este mapa incluiria dados sobre as aproximações das alturas do semáforo e do meio-fio, para que o veículo tenha conhecimento de seus arredores. No entanto, o Google tem trabalhado em um algoritmo com o objetivo de eliminar a necessidade de mapas pré-programados e, em vez disso, criar um dispositivo que seria capaz de se ajustar a uma variedade de novos ambientes. Alguns carros autônomos não são equipados com volantes ou pedais de freio, então também houve pesquisas focadas na criação de um algoritmo que seja capaz de manter um ambiente seguro para os passageiros do veículo por meio da consciência da velocidade e das condições de direção.

Outro fator que está influenciando a habilidade de um automóvel sem motorista é a segurança do passageiro. Para fazer um automóvel sem motorista, os engenheiros devem programá-lo para lidar com situações de alto risco. Essas situações podem incluir uma colisão frontal com pedestres. O principal objetivo do carro deve ser tomar uma decisão que evite bater nos pedestres e salvar os passageiros do carro. Mas existe a possibilidade de o carro precisar tomar uma decisão que colocaria alguém em perigo. Em outras palavras, o carro precisaria decidir salvar os pedestres ou os passageiros. A programação do carro nessas situações é crucial para o sucesso de um automóvel sem motorista.

Aviação

A Divisão de Operações Aéreas (AOD) usa IA para os sistemas especialistas baseados em regras . O AOD tem uso de inteligência artificial para operadores substitutos para simuladores de combate e treinamento, ajudas de gerenciamento de missão, sistemas de suporte para tomada de decisão tática e pós-processamento dos dados do simulador em resumos simbólicos.

O uso de inteligência artificial em simuladores está se mostrando muito útil para o AOD. Simuladores de aviões estão usando inteligência artificial para processar os dados obtidos em voos simulados. Além de vôo simulado, também há guerra de aeronaves simulada. Os computadores são capazes de criar os melhores cenários de sucesso nessas situações. Os computadores também podem criar estratégias com base na localização, tamanho, velocidade e força das forças e contra-forças. Os pilotos podem receber assistência no ar durante o combate por computadores. Os programas de inteligência artificial podem ordenar as informações e fornecer ao piloto as melhores manobras possíveis, sem falar em se livrar de certas manobras que seriam impossíveis para um ser humano. Várias aeronaves são necessárias para obter boas aproximações para alguns cálculos, de modo que pilotos simulados por computador são usados ​​para coletar dados. Esses pilotos simulados por computador também são usados ​​para treinar futuros controladores de tráfego aéreo .

O sistema utilizado pelo AOD para medir o desempenho foi o Sistema Interativo de Diagnóstico e Isolamento de Falhas, ou IFDIS. É um sistema especialista baseado em regras, reunido pela coleta de informações de documentos do TF-30 e conselhos de especialistas de mecânicos que trabalham no TF-30. Este sistema foi projetado para ser usado no desenvolvimento do TF-30 para o RAAF F-111C. O sistema de atuação também foi utilizado para substituir trabalhadores especializados. O sistema permite que os trabalhadores regulares se comuniquem com o sistema e evitem erros, erros de cálculo ou a necessidade de falar com um dos trabalhadores especializados.

O AOD também usa inteligência artificial em software de reconhecimento de voz . Os controladores de tráfego aéreo estão dando instruções aos pilotos artificiais e o AOD quer que os pilotos respondam aos ATCs com respostas simples. Os programas que incorporam o software de fala devem ser treinados, o que significa que utilizam redes neurais . O programa usado, o Verbex 7000, ainda é um programa muito antigo que ainda pode ser aprimorado. As melhorias são imperativas porque os ATCs usam diálogos muito específicos e o software precisa ser capaz de se comunicar correta e prontamente todas as vezes.

O projeto de aeronaves com suporte de inteligência artificial, ou AIDA, é usado para ajudar os projetistas no processo de criação de projetos conceituais de aeronaves. Este programa permite que os designers se concentrem mais no design em si e menos no processo de design. O software também permite que o usuário se concentre menos nas ferramentas de software. O AIDA usa sistemas baseados em regras para computar seus dados. Este é um diagrama da disposição dos módulos AIDA. Embora simples, o programa está se mostrando eficaz.

Em 2003, o Dryden Flight Research Center da NASA e muitas outras empresas criaram um software que poderia permitir que uma aeronave danificada continuasse o vôo até que uma zona de pouso segura pudesse ser alcançada. O software compensa todos os componentes danificados contando com os componentes não danificados. A rede neural usada no software se mostrou eficaz e marcou um triunfo para a inteligência artificial.

O sistema de Gestão Integrada de Saúde Veicular, também utilizado pela NASA, a bordo de uma aeronave deve processar e interpretar os dados retirados dos vários sensores da aeronave. O sistema precisa ser capaz de determinar a integridade estrutural da aeronave. O sistema também precisa implementar protocolos em caso de danos ao veículo.

Haitham Baomar e Peter Bentley estão liderando uma equipe da University College of London para desenvolver um Intelligent Autopilot System (IAS) baseado em inteligência artificial projetado para ensinar um sistema de piloto automático a se comportar como um piloto altamente experiente que enfrenta uma situação de emergência severa clima, turbulência ou falha do sistema. Educar o piloto automático conta com o conceito de aprendizado de máquina supervisionado "que trata o jovem piloto automático como um aprendiz humano que vai para uma escola de aviação". O piloto automático registra as ações do piloto humano gerando modelos de aprendizagem usando redes neurais artificiais . O piloto automático recebe então controle total e é observado pelo piloto enquanto executa o exercício de treinamento.

O Sistema de Piloto Automático Inteligente combina os princípios de Aprendizado de Aprendizagem e Clonagem Comportamental, por meio dos quais o piloto automático observa as ações de baixo nível necessárias para manobrar o avião e a estratégia de alto nível usada para aplicar essas ações. A implementação do IAS emprega três fases; coleta de dados piloto, treinamento e controle autônomo. O objetivo de Baomar e Bentley é criar um piloto automático mais autônomo para auxiliar os pilotos a responder a situações de emergência.

Marítimo

As redes neurais são usadas por sistemas de consciência situacional em navios e barcos.

Ciência da Computação

Assistência de programação

GitHub Copilot é um modelo de inteligência artificial desenvolvido pelo GitHub e OpenAI que é capaz de autocompletar código em várias linguagens de programação.

A IA pode ser usada para criar outra IA. Por exemplo, por volta de novembro de 2017, o projeto AutoML do Google para desenvolver novas topologias de rede neural criou o NASNet , um sistema otimizado para ImageNet e POCO F1. De acordo com o Google, o desempenho da NASNet excedeu todo o desempenho do ImageNet publicado anteriormente.

Contribuições históricas

Os pesquisadores de IA criaram muitas ferramentas para resolver os problemas mais difíceis da ciência da computação. Muitas de suas invenções foram adotadas pela ciência da computação convencional e não são mais consideradas parte da IA. (Ver efeito de IA .) Todos os seguintes foram originalmente desenvolvidos em laboratórios de IA:

• Compartilhamento de tempo
• Intérpretes interativos
• Interfaces gráficas de usuário e o mouse do computador
• Ambientes de desenvolvimento rápido de aplicativos
• A estrutura de dados da lista vinculada
• Gerenciamento automático de armazenamento
• Programação Simbólica
• Programação funcional
• Programaçao dinamica
• Programação orientada a objetos
• Reconhecimento óptico de caracteres
• Satisfação de restrição

Lista de aplicativos

Problemas típicos aos quais os métodos de IA são aplicados

Outros campos em que os métodos de IA são implementados

Veja também

• Aplicações da inteligência artificial à informática jurídica
• Aplicações de aprendizagem profunda
• Aplicações de aprendizado de máquina
• Lista de projetos de inteligência artificial
• Progresso em inteligência artificial

Notas de rodapé

Leitura adicional

• Kaplan, AM; Haenlein, M. (2018). "Siri, Siri na minha mão, quem é a mais bela da terra? Sobre as interpretações, ilustrações e implicações da inteligência artificial". Horizontes de negócios . 62 (1): 15–25. doi : 10.1016 / j.bushor.2018.08.004 .
• Kurzweil, Ray (2005). A singularidade está próxima: quando os humanos transcendem a biologia . Nova York: Viking. ISBN 978-0-670-03384-3.
• Conselho Nacional de Pesquisa (1999). "Desenvolvimentos em Inteligência Artificial" . Financiando uma Revolução: Apoio do Governo para Pesquisa em Computação . National Academy Press. ISBN 978-0-309-06278-7. OCLC  246584055 .
• Moghaddam, MJ; Soleymani, MR; Farsi, MA (2015). "Planejamento sequencial para operações de estamparia em matrizes progressivas". Journal of Intelligent Manufacturing . 26 (2): 347–357. doi : 10.1007 / s10845-013-0788-0 . S2CID  7843287 .
• Felten, Ed (3 de maio de 2016). "Preparando-se para o Futuro da Inteligência Artificial" .

links externos

• Como a IA pode ser aplicada em muitos campos