O Futuro da Inteligência Artificial – Visão EPMQ

Quais poderão ser as aplicações do domínio EPMQ? Este é um exercício de futurologia, que tem a sua dose de dificuldade.

O D.I.A EPMQ  – IT Engineering Process Maturity and Quality do CCG preocupa-se com questões de investigação aplicada de processos de engenharia, de maturidade e de qualidade nos ambientes industriais e nas empresas. Aborda temáticas como engenharia de software, project management, segurança, sistemas distribuídos, big data, data science e machine learning (ML).

Atendendo à transformação digital que se assiste, considero que o futuro passa, sem dúvida, pela Inteligência Artificial (IA).

Vai haver mais, e uma melhor inteligência artificial.

Paulo Cortez. EPMQ/UMinho

O que acabou de acontecer na Inteligência Artifical?

Como é que de repente temos cidadãos, empresas, televisões, políticos, um mundo inteiro a falar sobre a Inteligência Artificial?

Existem imensos artigos sobre IA e debates de prós e contras. Toda a gente ouve falar de algo que já se fazia há muitas décadas nas universidades, só que as pessoas não sabiam em concreto o quê. Só existiam os filmes, sempre com um elemento de malévolo de que a IA iria acabar com a raça humana…

A realidade deste fenómeno de explosão da IA é que recentemente aconteceram 3 grandes fatores-chave que se associam entre si.

  • 1. Houve um crescimento de dados.

As tecnologias desenvolveram-se de uma forma que é muito fácil coletar dados, desde a IoT, à indústria 4.0, a smart cities. Os dados estão a crescer de uma forma exponencial, e muitas das vezes não se sabe a aplicabilidade dos mesmos. Simplesmente coletam-se porque é barato e é fácil de o fazer. Há um potencial nos dados que pode ser explorado de forma eficiente.

  • 2. O poder computacional está a crescer.

A lei de Moore diz-nos que a cada dois anos o poder computacional duplica. Podemos ainda processar mais dados daqueles que coletamos atualmente.

  • 3. Registaram-se desenvolvimentos no lado da IA, nomeadamente no Machine Learning (ML).

Houve um crescimento dos algoritmos ML, o deep learning, que consegue aprender coisas complexas com big data, tornando-se uma máquina state of the art.

Estes 3 fatores, em conjunto, trouxeram enormes avanços na IA que agora testemunhamos.

 

O que é a Inteligência Artificial?

Numa equação muito simples, a IA =  dados + algoritmos.

 

Podemos ter uma melhor IA se tivermos melhores dados, ou se tivermos melhores algoritmos, e podemos trabalhar num ou noutro.

Ao longo das décadas tivemos muitas subáreas dentro da IA. O ML é uma subárea, data science e deep learning são outras, por exemplo. Há diversas comunidades de IA que usam paradigmas diferentes e que tentam resolver problemas distintos, mas com aqueles 3 desenvolvimentos principais (ter muitos dados, maior poder computacional, algoritmos mais sofisticados), de repente a IA atingiu aplicações mainstream.

Gartner Analytic Ascendancy Model

O Gartner Analytic Ascendancy Model é um modelo em escala onde se eleva de uma etapa para outra o valor potencial que se pode trazer para uma pessoa, organização ou indústria. Ele mostra coisas diferentes que se podem fazer com os dados.

  • Descriptive analytics – perceber o que aconteceu;
  • Diagnostic analytics – porque é que aconteceu;
  • Predictive analytics – perceber o que irá acontecer;
  • Prescriptive analytics – tentar que as coisas aconteçam.

Este modelo pode ser respondido com muitas técnicas de IA.

Temos já múltiplas aplicações de AI e ML a funcionar no mundo real:

  • a deteção de plágio em papers,
  • a deteção de fraude em transações financeiras,
  • as apps das redes sociais que mostram a raça de cão mais parecida com a face da pessoa,
  • os sistemas de recomendação de compras, etc.

Na esfera do EPMQ, o que está a acontecer? Já estamos envolvidos em 5 projetos com componentes de IA e percebemos que as necessidades das empresas ao nível de intelligence estão a crescer. Isto traduz o hype em IA que está a acontecer a nível mundial.

Limitações da Inteligência Artificial/Machine Learning

Apesar de todos os avanços, a IA ainda tem algumas limitações. A IA tem imensas potencialidades, mas não é perfeita.

Várias aplicações podem beneficiar ao possuir IA, mas em vários casos a IA ainda não é o suficientemente inteligente. Como diz o perito português de ML Pedro Domingos, o problema real não é ter computadores inteligentes a regular o mundo, mas sim ter computadores estúpidos a regular o mundo sem controle nenhum.

 

Futuro da Inteligência Artificial: previsões EPMQ

 

A minha previsão para o EPMQ na área de inteligência artificial é: more and better intelligence. Mais aplicações em mais domínios.

 

Há todo um potencial onde estas técnicas podem ser utilizadas. A partir do momento em que coletamos mais dados podemos analisar esses dados, e ver se há um potencial de aplicação de apoio à decisão ou compreensão de determinado tipo de fenómenos, de maneira a que ajude num determinado contexto.

A IA pode ajudar a resolver os grandes desafios da humanidade: eliminar a pobreza, fazer melhor agricultura, perceber o problema da mudança climática, fazer um desenvolvimento mais sustentável, melhorar a indústria, etc. E já há esta consciência a nível político, o que mostra a força desta onda de IA. Em Portugal isto já começa a ser aproveitado, mas ainda não é o suficiente, por isso, “more intelligence”.

Sobre o “better intelligence” é a maneira como a intelligence é feita. No projeto colaborativo “DTx”, por exemplo, sobre a camada do Gartner Analytic Ascendancy Model, estamos a tentar introduzir uma maior complexidade, que é ter sistemas evolutivos, sistemas que aprendam com o erro, e para isso é preciso feedback.

Se conseguirmos ter big data, modelos preditivos, formas de otimizar e registar as nossas decisões, podemos depois medir o seu resultado, e com base nisso fazer um ajustamento destes diversos componentes.

Para termos intelligence temos de possuir dados e os dados têm que estar bem organizados e estruturados em big data.

Machine Learning EPMQ

O processo de implantação de big data é moroso. Fazer ML é moroso. Integrar as duas coisas obriga a uma série de análises, etc. Daqui a 6 anos, com a experiência acumulada de diferentes projetos, vamos conseguir desenvolver metodologias que facilitem o desenvolvimento de novos projetos.

Uma área que também está em crescimento é o auto ML, fazer ML automático. Na sua essência é carregar num botão, tendo um conjunto de dados e um modelo de ML que já serve para a organização.

O ML escalável consiste em fazer melhor uso dos recursos computacionais. O ML tem de caminhar para a maior transparência, interpretação e explicação. O prescritive analytics, ainda não é muito explorado. Usa-se um sistema mais simples. Com uma exploração moderna, com um uso mais largo de técnicas modernas de otimização para fazer as coisas acontecer, conseguem-se milhares de alternativas viáveis.

Por último, o model deployment, o CCG em parceria com uma organização desenvolve um modelo de IA, por exemplo, extremamente interessante, com elevada capacidade preditiva, mas o projeto termina e a empresa precisa de usar esse modelo. A passagem do modelo para a empresa exige do ponto de vista metodológico algum tipo de cuidado. É isto que vai ser desenvolvido neste domínio.

“Aplicações Futuras das Tecnologias EPMQ (Uma Visão – 2025)” é uma apresentação de Paulo Cortez. Professor Associado com Agregação no DSI da UMinho e Investigador EPMQ.