O termo inteligência artificial (IA) traz à mente muitas imagens difundidas pela cultura pop, como guerra entre humanos e robôs. Porém, o verdadeiro futuro desta tecnologia é promissor e trará grandes avanços, principalmente em relação à qualidade de vida dos cidadãos.
História da Inteligência Artificial
A inteligência artificial ganhou oficialmente este nome em 1956, durante uma conferência na Dartmouth College, universidade localizada no estado norte-americano New Hampshire. No evento, foi definido que a IA se refere à “ciência e engenharia de produzir máquinas inteligentes”.
Apesar de diversas experiências ao longo das décadas, foi somente recentemente que a inteligência artificial ganhou forma e passou a integrar dispositivos usados no dia a dia. Um exemplo é a criação de assistentes pessoais virtuais, como a Siri ou a Cortana, que funcionam nos smartphones e auxiliam em tarefas básicas, entre elas definir alarmes no celular, lembrar compromissos e informar a previsão do tempo.
Técnicas dentro da Inteligência Artificial
Não existe apenas um método para desenvolver produtos com inteligência artificial. Trata-se de um campo amplo e que engloba diferentes técnicas e dados, conforme explica o Portal SAS.
Machine learning
Significa “aprendizado da máquina”. Um software de computador, por exemplo, fará unicamente o que foi inicialmente programado para desempenhar. Já no machine learning, os dispositivos acessam milhões de dados e estatísticas para aprender por conta própria.
Ao longo do tempo, seus algoritmos se tornam mais complexos e capazes de identificar padrões no banco de dados. Como resultado, conseguem definir uma ação ou fazer previsões com base nestes padrões descobertos. De forma resumida, é um computador que aprende conforme é utilizado.
Para aplicar o método na sua rotina, imagine a seguinte situação: quando você acessa uma loja virtual de calçados e procura por determinados modelos, horas depois será impactado com um anúncio desta mesma loja e sugestões de produtos semelhantes. Aqui, é o machine learning trabalhando a partir da análise do seu histórico de busca na internet.
Deep Learning
Pertence à subcategoria de aprendizado de máquina, mas aqui os conhecimentos são mais profundos e se assemelham às capacidades humanas, como reconhecimento de fala e visão computacional. O método foi uma das bases para o desenvolvimento do Google Tradutor.
O deep learning não precisa de conhecimento prévio, podendo fazer análise de dados brutos, como áudios e imagens. Neste método, são utilizadas as redes neurais, que buscam simular o cérebro humano.
Um exemplo, citado no Portal Terra, ajuda a entender o conceito. Imagine que o computador acessa uma imagem e precisa identificar do que se trata. Cada neurônio artificial fica responsável por analisar uma informação da imagem. Juntos, eles constroem uma compreensão sobre este gráfico e chegam ao resultado final, por exemplo, de que é a foto de um avião.
Computação cognitiva
Neste formato, o objetivo é simular os processos do pensamento humano em um computador. Ou seja, imitar a maneira como o cérebro funciona. As decisões tomadas pelos dispositivos serão baseadas em experiências anteriores, que serão mantidas na base de dados da máquina.
Inteligência Artificial aplicada no Transporte de Cargas
Seguindo o exemplo do transporte de passageiros, como o aplicativo Uber, o transporte rodoviário de cargas também vem utilizando a inteligência artificial para aumentar a lucratividade das empresas, aperfeiçoar processos logísticos e melhorar o prazo de entregas e de busca por veículos.
O Fretefy é um caso de sucesso entre estas novas empresas. Lançada recentemente, a plataforma já possui mais de 150 mil caminhoneiros integrados para que as transportadoras ofertem suas cargas. Mas, antes de direcionar as encomendas, robôs com inteligência artificial fazem um sofisticado trabalho de seleção dos veículos.
Primeiramente, a transportadora cadastra as cargas que chegaram e precisam de transporte. Nesta inserção, o operador logístico deverá informar: característica da carga, prazo de coleta/entrega, se são necessários rastreadores veiculares e gerenciadoras de risco, e se existem pontos de paradas ou coletas.
No cadastro, é preciso ainda informar se a carga terá direcionamento restrito (para veículos da transportadora), direcionado para veículos de transportadoras parceiras ou se ela será ofertada publicamente para o mercado.
Imediatamente, a inteligência artificial do Fretefy cruza os dados dos milhares de veículos cadastrados no sistema e traz os resultados compatíveis. Como resultados, as transportadoras economizam tempo, aumentam o controle logístico e evitam que seus veículos fiquem parados.
