A interação entre homem e máquina não é algo recente. Desde a roda que revolucionou a agricultura até os computadores que possuímos hoje capazes de resolver problemas complexos, as máquinas sempre facilitaram a produtividade para as tarefas diárias. Entretanto, os avanços tecnológicos que a humanidade tem conquistado nos últimos anos podem causar ao mesmo tempo fascínio e medo de que a IA substitua empregos para a maioria das pessoas que não possuem conhecimento sobre o tema.

O que é a IA?

A inteligência Artificial, basicamente, é a habilidade que uma “máquina” possui de executar tarefas que exigiram inteligência humana. Por exemplo, extrair textos e entender imagens, analisar dados, reproduzir sons,etc. Provavelmente, muitos leitores já devem ter tido contato com Alexa, Siri ou Google Assistente, que são exemplos de chatbots (mecanismos de IA). Entretanto, a tecnologia pode ser usada para atividades muito mais complexas do que essas e sim, em problemas reais do mundo de negócios.

O que é Machine Learning?

Machine Learning (Aprendizado de Máquina) é uma forma de inteligência artificial que se baseia em introduzir dados e treinar algoritmos para resolução de problemas complexos. Desta forma, eles conseguem aprender a fazer previsões e recomendações, baseado em padrões obtidos através destes dados. Esta, pode ser usada em variedade enorme de indústrias como análise de imagens médicas e previsão do tempo.

O que é Deep Learning?

O Deep Learning ou Aprendizado Profundo é um tipo de machine learning que visa analisar uma série de tipos diferentes de dados (textos, imagens, etc) e produzir resultados mais precisos que modelos tradicionais de aprendizado de máquina. Eles funcionam com base em redes neurais (neural networks), que tentam imitar o funcionamento de neurônios do cérebro humano ao receber dados e transportá-los por diversas iterações a fim de aprender com a complexidade destes.
Tipos de Deep Learning:

• Feed-forward neural networks: tipo simples de rede neural focado em mover informação em uma direção e detectar com base em dados se aquela informação é correta ou não. É muito utilizada em bancos para detectar transações fraudulentas.
• Convolutional neural networks (CNNs): focado em analisar e processar imagens. Eles recebem imagens e analisam seus padrões e pixels, conseguindo assim analisar os mesmos objetos em imagens diferentes. Podem servir no auxílio ao diagnóstico de doenças, identificar como o logo de uma empresa está presente em redes sociais para avaliar sua reputação.
• Recurrent neural networks (RNNs): são redes neurais constituídas de loopings que permitem analisar dados e com base no histórico fazer previsões. Podem ser utilizados também em bancos ao analisar o histórico de transações de um usuário para prever se determinado tipo de transação é fraudulenta ou não.

Setores em que a IA pode ser usada em empresas

Um estudo realizado pela consultoria global Mckinsey mostrou como a IA pode ser aplicada em situações empresariais:

• Fazer previsões de manutenção dos equipamentos: através da inserção de dados, áudios e imagens a Inteligência Artificial consegue prever quando um equipamento precisará de manutenção. Deste modo, reduzindo custos operacionais e evitando o desgaste de máquinas industriais.
• Otimização de Logística: a IA pode reduzir custos logísticos ao acompanhar em tempo real a distribuição física de produtos. Por exemplo, melhorando a eficiência de combustíveis, ao selecionar melhores rotas de tráfego.
• Serviço de Atendimento ao Consumidor: Com a análise de áudio, ela consegue detectar o tom de voz de um cliente para saber qual sentimento é transmitido. Assim, ao detectar que um cliente está nervoso, ela poderia transferir para um operador de call center humano ou o gerente.

Estudo de caso: Vistra Corp. and the Martin Lake Power Plant

A Vistra é uma produtora de energia estadunidense que possui uma visão centrada na sustentabilidade e planeja atingir até 2050 emissões zero de carbono. Tendo isso em mente, a empresa contratou teams da Mckinsey, formados por Cientistas de Dados e Engenheiros de Machine-Learning, para criar uma solução inovadora com modelos de neural networks capaz de melhorar a eficiência térmica das plantas de suas indústrias. A cada 30 minutos os algoritmos da IA sugerem recomendações para que os operadores melhorem a eficiência da “taxa de calor” ( o quanto de combustível é utilizado na produção de cada unidade de eletricidade) da planta industrial.
Resultados obtidos:

• Diminuição de 1,6 milhões de toneladas de carbono emitidas por ano
• 67 geradores de energia otimizados
• 60 milhões de dólares economizados para empresa

Oportunidades para conhecer mais sobre IA na PUC-Rio

Tendo em vista os avanços do mercado de trabalho e as demandas atuais por mais profissionais no ramo de tecnologia, a PUC-Rio lança seu programa de Pós-graduação MBA BI MASTER – Business Intelligence, focado em capacitar profissionais em Ciência de Dados e Inteligência Artificial. Além disso, a PUC-Rio oferece um novo curso de extensão focado em LLMs, ChatBots: Chat GPT, AI generativa, Bert, Prompt Engineer e Hugging Engineering.