Muitas empresas ainda estão nos estágios iniciais de implementação de plataformas de inteligência artificial. Porém, se levarmos em conta gigantes como AWS, IBM, Google e Microsoft, vimos que estão levando a IA a um outro patamar de 1.0 para 2.0. Pelo menos é isso o que apresenta um novo relatório da Forrester, “AI 2.0: Atualize sua empresa com cinco avanços de IA de última geração”. Esse relatório explica o que são essas mudanças e por que são importantes.
Os novos recursos incluem:
- Redes transformadoras
- Dados sintéticos
- Aprendizagem por reforço
- Aprendizagem federada
- Inferência causal
Os autores Kjell Carlsson, Brandon Purcell e Mike Gualtieri descrevem como esses avanços impactam a IA em termos de viabilidade técnica e aplicações de negócios.
Essas mudanças abordam algumas das limitações do IA 1.0, como dados, precisão, velocidade e limitações de segurança que dificultam o desenvolvimento de casos de uso robustos para as empresas. Os autores descrevem o IA 1.0 como focado em modelos específicos de tarefas de reconhecimento de padrões e treinamento e implantação centralizados, enquanto o IA 2.0 é caracterizado por linguagem, visão e outros modelos gerais de geração de dados e está incorporado em todos os lugares. Esta é uma mudança descontínua para a IA, o que significa que esses novos recursos são uma ruptura significativa com a história da IA ??até o momento, de acordo com o relatório.
Além da IA 2.0 ser capaz de gerar conteúdo e código de software automaticamente, resumir artigos e gerar perguntas, esses recursos podem ser implantados em qualquer lugar. Os autores afirmam que os modelos de IA podem ser colocados e treinados na ponta, o que significa que os novos aplicativos precisam ser mais baratos, rápidos e seguros.
De acordo com os autores, as empresas já têm acesso à maioria das ferramentas e serviços necessários para começar a construir soluções de IA 2.0 a partir de hiperscaladores como Amazon Web Services, Google, IBM e Microsoft. Aqui está uma olhada em cada uma das cinco tecnologias.
AWS, IBM, Google e Microsoft estão levando IA de 1.0 para 2.0
Essas redes podem lidar com tarefas com um elemento de tempo ou contexto, como processamento e geração de linguagem natural. Esse avanço torna possível treinar modelos gigantes para realizar várias tarefas ao mesmo tempo com maior precisão e menos dados do que modelos individuais operando separadamente. De acordo com o relatório, a Microsoft usa essas redes transformadoras em aplicativos de negócios, como pesquisa de linguagem natural, legenda automática de imagens, moderação de linguagem de jogador inadequada e suporte automatizado ao cliente. Photon da Salesforce Research usa essas redes para transformar perguntas de usuários de negócios em consultas SQL geradas automaticamente.
Dados sintéticos na Inteligência Artificial 2.0
IA é executado em dados e não é fácil ou barato obter o volume de dados necessário para treinar modelos e construir casos de uso corporativos. Dados sintéticos resolvem esse problema e melhoram a precisão, robustez e generalização dos modelos, de acordo com o relatório.
Notícias Relacionadas
Audiolivros Spotify
Spotify expande catálogo de audiolivros com parceria estratégica
Spotify firmou parceria com a Bloomsbury Publishing para expandir seu catálogo de audiolivros. A nova coleção inclui 1.000 títulos de autores aclamados e narradores de destaque, fortalecendo o papel dos audiolivros na plataforma.
Tecnologia móvel
Samsung destaca avanço nas mensagens RCS com suporte no iOS
O suporte a RCS chega ao iOS com o iOS 18.1, permitindo que usuários de Android e iPhone aproveitem uma experiência de mensagens aprimorada e sem necessidade de redes sociais.
Empresas como a MDClone estão usando dados sintéticos em ambientes de saúde para preencher lacunas de dados e proteger a privacidade do paciente. Este é um exemplo do novo ecossistema de fornecedores que fornecem esse serviço para empresas que não desejam criar dados sintéticos internamente.
Aprendizagem por reforço
Essa nova funcionalidade torna mais fácil para as empresas reagirem rapidamente às mudanças nos dados. O aprendizado por reforço aprende interagindo com um ambiente real ou simulado por meio de tentativa e erro, em vez de depender de dados históricos. Uma empresa de exploração de petróleo e gás está usando o Projeto Bonsai da Microsoft para encontrar os caminhos mais promissores para a perfuração horizontal subterrânea, disseram os autores do relatório.
Aprendizagem federada
Uma barreira para uma distribuição mais ampla de aprendizados da IA ??é a necessidade de transferir dados de fontes múltiplas. Transferir esses dados pode ser “caro, difícil e frequentemente arriscado do ponto de vista de segurança, privacidade ou competitividade”.
O aprendizado federado permite que modelos de IA separados compartilhem modelos em vez dos dados subjacentes. Isso significa que a inteligência pode ser compartilhada “de maneira rápida, econômica e segura” em uma única organização e em várias organizações. Os autores do relatório afirmam que o Android 11 do Google usa aprendizagem federada para gerar respostas inteligentes e sugerir emojis.
Inferência causal
Essa técnica pode identificar relações de causa e efeito entre variáveis, o que pode sugerir relações apoiadas por dados. Isso não pode provar a causalidade, mas pode tornar mais fácil evitar decisões de negócios incorretas com base em modelos de baixo desempenho. Essa capacidade está em um estágio inicial de desenvolvimento em comparação com os outros quatro fatores.
A Forrester recomenda que as empresas sigam estas etapas para incorporar esses novos recursos ao esforço de IA existente:
- Continue a jornada do AI 1.0 enquanto estabelece as bases para a funcionalidade 2.0.
- Invista no treinamento da equipe existente, porque ainda não existem pessoas com experiência em AI 2.0.
- Procure atividades que obtenham uma pontuação elevada em valor comercial e viabilidade técnica.
- Procure ofertas de AI 2.0 da Amazon Web Services, Google, IBM e Microsoft.
- Fique atento a um caso de uso importante ou avanço tecnológico.
TechRepublic
