Inteligência Artificial na cervejaria

Rebecca Johnson é especialista em inteligência artificial, atuando em pesquisa corporativa na Siemens. Ela nos conta como vê essa tecnologia do futuro e explica por que um companheiro digital em uma cervejaria, é claro, falaria bávaro.

Vamos direto para a tecnologia, Rebecca: Se você fosse nomear cinco termos-chave que eu deveria saber com certeza se quisesse falar sobre IA atualmente, quais seriam?

Essa é fácil. O primeiro seria a “rede neural” - uma espécie de cérebro artificial. Um cérebro natural consiste em muitos neurônios individuais que estão ligados entre si por sinapses. Grosso modo, o arranjo das sinapses determina tudo o que o cérebro pode fazer ou saber. Uma rede neural replica neurônios e sinapses por meios matemáticos. Meu segundo termo é “aprendizado de máquina”. Falamos de aprendizado de máquina quando os sistemas tiram conclusões dos dados que processaram no passado e ajustam seu comportamento como resultado, o que significa que eles se comportam de maneiras que chamamos de aprendizado, quando as pessoas o fazem. A forma mais importante de aprendizado de máquina é o que chamamos de"aprendizado profundo", então esse é meu terceiro termo. Então você também deve saber o que é um “gráfico de conhecimento industrial” .Resumidamente, esta é uma abordagem para resumir conhecimento amplamente ramificado e correlações de uma forma estruturada. Os gráficos de conhecimento industrial tornam possível construir uma memória quase ilimitada para sistemas de IA. E por último, mas não menos importante, meu quinto termo: “companheiro digital”.  Isso se refere a um sistema de IA que foi especialmente desenvolvido para que as pessoas gostem de trabalhar com ele.

A inteligência artificial não é nada de novo. As primeiras abordagens foram publicadas em meados do século passado, e nos anos 90 houve até uma pequena onda de IA. Por que todo o interesse agora?

Existem muitos motivos. Os processos ficaram melhores, os computadores estão mais rápidos, as nuvens oferecem espaço de armazenamento ilimitado e assim por diante. Mas o motivo mais importante são os dados: a IA precisa de massas de dados, e massas de dados precisam de IA.

Cada sistema de IA deve primeiro aprender com milhares de dados de treinamento. Caso contrário, ele ainda será incrivelmente estúpido. Pense em como é engraçado quando aspiradores de pó ou cortadores de grama se movem desajeitadamente. Trinta anos atrás, ainda era muito difícil conseguir dados suficientes. Mas o desenvolvimento da Internet das Coisas (IoT) em particular mudou tudo isso. Hoje, existem grandes quantidades de dados que contêm muitas informações valiosas. Mas, para obter essas informações ocultas, precisamos analisar os dados. Isso é algo que a programação clássica - o processamento de um algoritmo claramente predefinido - geralmente não consegue gerenciar. Mas as técnicas de IA podem.

Então, que tipo de coisas a IA pode aprender?

Muito - jogar xadrez, regar flores, pintar quadros - mais precisamente, qualquer coisa que possa ser descrita em uma fórmula matemática. Mas eu tenho que lidar aqui com um mito teimoso. Não é suficiente apenas programar qualquer rede neural antiga, mostrar alguns milhões de imagens para que então ela possa fazer qualquer coisa. Como qualquer outro desenvolvedor de software, o programador de um sistema de IA primeiro precisa entender os requisitos do sistema e definir uma arquitetura adequada. Em geral, um sistema de IA consiste em várias camadas e cada uma delas tem uma tarefa única. Digamos que eu queira desenvolver um sistema de IA que reconheça a escrita à mão. Então, posso definir uma camada que detecta diferenças entre preto e branco, uma camada que reconhece curvas e assim por diante. Mas se eu, como desenvolvedor, esquecer de incluir algo essencial nessa arquitetura de camada, então não importa quanto tempo eu treine o sistema depois, ele ainda não funcionará.

Portanto, um desenvolvedor de IA, como qualquer desenvolvedor de software, deve primeiro analisar e compreender o problema para derivar e implementar uma arquitetura a partir dele. E então você ainda teria o que poderíamos chamar de sistema de IA “estúpido” que então teria que ser treinado com dados até que produzisse resultados confiáveis?

Exatamente. Em princípio - graças à IoT - há dados suficientes. Mas às vezes eles são difíceis de encontrar. Vamos supor que um sistema de IA deva detectar mudanças malignas em imagens de tecidos. Então você primeiro tem que treiná-lo com muitos e muitos exemplos de tecido saudável e doente - de preferência milhões deles. Mas, principalmente na medicina, as regras de privacidade de dados são muito rígidas e até mesmo imagens anônimas são difíceis de obter. Então, como o sistema deve aprender? Obviamente, proteger a privacidade e os dados pessoais das pessoas é muito importante, mas precisamos conversar sobre quais dados devem ser compartilhados no futuro, para o bem de todos.

Desafios como esse obter os dados certos são um problema apenas na medicina?

De jeito nenhum. Na Siemens, por exemplo, estamos sentados em um verdadeiro tesouro de dados - dados de produtos, dados de desenvolvimento, dados de vendas, dados de pedidos e muito mais, de mais de 150 anos - informações valiosas que podem nos diferenciar de outras empresas. É claro que não compartilhamos nosso tesouro de experiência com pessoas de fora da empresa. Mas até agora ainda estamos tendo problemas, mesmo internamente, em aproveitar ao máximo o valor dos nossos dados. Nesse caso, não é a privacidade de dados que é o problema, mas as informações estarem distribuídas em todos os lugares em documentos, bancos de dados, disquetes e assim por diante. Portanto, com o apoio da alta gerência, configuramos um grande projeto para usar um gráfico de conhecimento industrial para criar uma espécie de memória corporativa, para que nada seja esquecido.

Qual é a situação na Siemens? Quão importante você acha que a IA é?

Ela é essencial! Somos uma empresa de digitalização em todos os nossos segmentos. Sem a IA, poderemos muito em breve ser excluídos dos líderes de mercado. No futuro, por exemplo, se muitos fornecedores de energia distribuída quiserem trabalhar juntos de maneira eficiente com a infraestrutura inteligente de uma cidade, teremos que entender as massas de dados que são constantemente geradas por sensores, computadores distribuídos e assim por diante. Os métodos de IA serão necessários para fazer isso tanto quanto em uma fábrica onde robôs trabalham juntos de forma autônoma. É por isso que a inteligência artificial é um de nossos focos de pesquisa mais importantes, com mais de 450 projetos individuais - desde o desenvolvimento de novos algoritmos até a experiência do usuário. E estamos bem adiantados no processo. Recentemente, estatísticas sobre pedidos de patentes em IA foram divulgadas (nota: Relatório da WIPO) - como você sabe, os pedidos de patentes são sempre um indicador de quão ativamente uma empresa está pesquisando em um determinado campo. E em subsegmentos importantes como ciências biológicas e médicas, gestão de energia e ciências físicas e engenharia, estamos em primeiro ou segundo lugar.

Qual dos muitos projetos de pesquisa de IA é o seu favorito?

Definitivamente, nosso trabalho no companheiro digital. Já mencionei que os companheiros digitais são sistemas de IA com os quais as pessoas gostam de trabalhar - eles nos dispensam de tarefas cansativas, fazem sugestões úteis e, na melhor das hipóteses, ajustam-se pessoalmente aos seus usuários, deixando a autonomia de decisão para os humanos. No momento, estamos nos concentrando em como as pessoas e os companheiros digitais podem se comunicar juntos. A maneira mais intuitiva para as pessoas é falar. Compreender a fala - processamento de linguagem natural - é um verdadeiro desafio para os sistemas de IA, mesmo que apenas por causa de todos os diferentes sotaques e dialetos. Estamos trabalhando em um companheiro digital com o qual você pode conversar normalmente, não apenas em um tom de comando típico de chatbot. Mas é claro que um companheiro digital ideal também precisa ajustar sua própria saída de voz para que não soe tão sintético quanto um chatbot clássico.

Em outras palavras, se os companheiros digitais vão aparecer em uma cervejaria, é melhor eles falarem bávaro?

Bem, eles vão precisar em Munique, de qualquer maneira. E então eles também teriam que resmungar de vez em quando, como verdadeiros Müncheners, e bater suas canecas de cerveja na mesa. 

Julho 2019

Aenne Barnard

Assine a Newsletter

Fique sempre atualizado: tudo o que você precisa saber sobre eletrificação, automação e digitalização.