5 questões de Inteligência Artificial para olhar ainda neste ano

Como mostram os recentes sumários da IA ​​Monthly, melhorias significativas, avanços e mudanças de jogo no aprendizado de máquina e inteligência artificial podem ser tornar realidade em prazos curtíssimos, até mesmo meses. O investimento em inteligência artificial traz muitos ganhos e transformações para o mundo corporativo. Por isso, toda a atenção é pouca. De acordo com um recente estudo da Deloitte, 82% das empresas que já investiram em IA ganharam um retorno financeiro sobre seu investimento. Para empresas de todos os setores, o retorno médio do investimento de tecnologias cognitivas é de 17%.

Apesar de estarem associadas a empresas de alta tecnologia, as técnicas de aprendizado de máquina tornam-se mais comuns na solução de problemas de quase todos os setores. De acordo com 44% dos entrevistados, as operações internas (42%) e externas (31%) estão sendo otimizadas e melhores decisões de negócios são tomas (35%) com a ajuda da IA.

Com isso em mente, é necessário ver a tendência como um desenvolvimento maior e mais significativo do que uma tecnologia ou avanço particular. Por isso, trouxemos para o blog da Vokse um compilado das cinco tendências de inteligência artificial mais significativas e inspiradoras a serem observadas ainda neste ano nos Estados Unidos.

1. Chatbots e assistentes virtuais

Uma pesquisa da PwC afirma que os clientes preferem conversar com as empresas cara a cara, mas os chatbots já são seu segundo canal preferido, superando o e-mail. Com sua disponibilidade 24/7, os chatbots são perfeitos para respostas de emergência (46% das respostas no estudo de caso da PwC), encaminhando conversas para o funcionário adequado (40%) e fazendo pedidos simples (33%). A Juniper Research prevê que os chatbots economizarão USD 8 bilhões por ano até 2022. É crescente também o uso de assistentes virtuais de alta tecnologia. De acordo com a Deloitte, 64% dos proprietários de smartphones usam usam esse artifício (Apple Siri, Assistente do Google) em comparação com 53% em 2017. Por fim, o Gartner descobriu que até 25% das empresas integrarão um assistente virtual ao cliente ou um chatbot em seu atendimento ao cliente até 2020. Em 2017, esse número era menos que 2%.

2. Treinamento

O aprendizado avançado por especialistas é uma das formas mais interessantes de reduzir o esforço necessário para construir modelos baseados em reforço ou, pelo menos, aqueles que são reforçados com aprendizado aprimorado. Ao contrário da combinação de políticas, o aprendizado avançado permite que os cientistas de dados canalizem seu conhecimento não apenas de outra rede neural, mas também de um especialista humano ou de outra máquina.

Outra maneira de reduzir o tempo necessário para treinar um modelo é otimizar a infraestrutura de hardware necessária. O Google Cloud Platform ofereceu um ambiente personalizado baseado em nuvem para criar modelos de aprendizado de máquina sem a necessidade de investir em infraestrutura local. A fabricante de placas gráficas Nvidia também está ultrapassando as fronteiras, já que as GPUs tendem a ser muito mais eficientes no aprendizado de máquina do que as CPUs.

3. Aumento da velocidade dos veículos autônomos

De acordo com estimativas da PwC, 40% da quilometragem na Europa pode ser coberta por veículos autônomos até 2030. Atualmente, a maioria das empresas ainda desenvolve a tecnologia por trás dessas máquinas. De acordo com o Departamento de Transportes dos EUA, 63,3% dos USD 1,1 bilhão embarcados em 2017 foram movimentados em rodovias. Se os veículos autônomos tivessem feito o transporte, a necessidade de esforço humano diminuíra enormemente. As máquinas podem dirigir por horas sem perder a concentração. Além disso, há uma questão ligada ao meio ambiente: o frete rodoviário é globalmente o maior produtor de emissões e consome mais de 70% de toda a energia usada para transporte de carga. A automatização contribui para uma diminuição destes números.

A Volvo lançou recentemente a Vera, a pista sem motorista destinada ao transporte de curta distância em centros logísticos e portos. Sua frota de carros é capaz de fornecer um fluxo constante de logística de mercadorias com pouco envolvimento humano.

Em uma oferta relacionada, a gigante de supermercados americana Kroger recentemente iniciou testes de táxis de entrega não tripulados, sem volante e assentos, para compras diárias. Empresas como o Uber e o Google, já testam seus veículos autônomos nas estradas de cidades reais, enquanto outras constroem modelos rodando em sofisticados simuladores.

4. Procura por profissionais

Não haveria aprendizado de máquina sem cientistas de dados. As publicações de emprego para cientistas de dados aumentaram 75% entre 2015 e 2018 na indeed.com, enquanto as pesquisas de emprego para essa posição cresceram 65%. Devido à popularização de big data, inteligência artificial e aprendizado de máquina, a demanda continuará aumentando.

Segundo dados da O’Reilly, 51% das organizações pesquisadas já usam equipes de ciência de dados para desenvolver soluções de inteligência artificial para fins internos. A adoção de ferramentas de inteligência artificial será, sem dúvida, uma das mais importantes tendências de Inteligência Artificial em 2019, especialmente porque empresas e gigantes da tecnologia não são as únicas organizações que usam a inteligência artificial em seu trabalho diário.

5. Responsabilidade e transparência

Por último, à medida em que o impacto do aprendizado de máquina nos negócios cresce, também aumenta o impacto social e legal. A questão aqui, em primeiro lugar, é a distorção oculta nos conjuntos de dados, um problema para qualquer empresa que use AI para potencializar as operações diárias. Isso inclui a Amazon, que colocou a AI no comando do pré-processamento de currículos. Treinado com 10 anos no valor de vários currículos, o sistema foi involuntariamente tendencioso contra as mulheres que se candidatam a cargos de tecnologia. Com a crescente adoção de modelos de aprendizado de máquina em vários setores, a transparência da inteligência artificial estará em ascensão. A questão de combater o preconceito inconscientemente desenvolvido dentro de conjuntos de dados e tomada por modelos de aprendizado de máquina está sendo discutida seriamente por gigantes da tecnologia como o Salesforce.

Ao pensar sobre as tendências da IA, invista em modelos mais transparentes e socialmente responsáveis.