A IA (inteligência artificial), após ser praticamente esquecida durante décadas por não ter correspondido ao que se esperava dela, volta a um lugar de destaque nos anos 2010.
A tecnologia se vê envolta, novamente, por muita expectativa. Desta vez, para Swami Sivasubramanian, vice-presidente de IA da AWS, um "inverno" para a área não é visto no horizonte.
"A grande diferença é que, nas eras anteriores, não tínhamos casos de aplicação de IA no mundo real. Tĩnhamos provas de conceito, mas as pessoas não conseguiam colocar aquilo em escala", afirma.
A aplicação prática de IA e sua explosão foram possíveis graças a uma série de fatores, segundo especialistas. Um deles é a criação de serviços de computação em nuvem.
Com a modalidade, em vez de ter acesso físico ao computador, são usados a equipamentos de empresas especializadas, a distância, pagando apenas pelo uso momentâneo da máquina.
"Se eu quero fazer uma análise, eu posso alugar uma máquina muito potente pagando até 14 dólares (R$ 55) por hora. Resolvo um problemão sem comprar um computador de R$ 30 mil", explica Renato Rocha Souza, professor da FGV e pesquisador da Academia Austríaca de Ciências.
Esses serviços podem ser usados para processar os enormes volumes de dados que são produzidos hoje em todo lugar (internet, celulares, dispositivos conectados...), e que não eram gerados no passado. Tais informações são a matéria-prima para alimentar os sistemas de inteligência artificial.
Em paralelo, outros fatores possibilitaram a ascensão da IA: computadores mais fortes e técnicas novas (como o deep learning, tipo de machine learning, uma técnica para treinar a IA).
Anteriormente, uma das grandes dificuldades para um sistema especialista (modelo de IA popular nos anos 70) era que os programadores precisavam criar manualmente centenas de regras para ensinar uma tarefa a um computador. Eles precisavam explicar para a máquina exatamente o que queriam.
Hoje, a abordagem é indutiva. Com muita informação disponível, dá para fazer com que os computadores criem essas regras por conta própria analisando esses dados. Eles recebem apenas um empurrãozinho, fazendo o resto sozinhos.
No exemplo tradicional de identificar imagens de gatos dentre muitas fotografias, por exemplo, seria como se, antigamente, fosse necessário explicar para o computador (com programação) o que é o animal. A tarefa é complexa e exige se perguntar coisas como "o que define um gato?", "o que diferencia ele de um cachorro?" e traduzir as definições todas em códigos.
Agora, é possível alimentar o sistema de IA com um grande volume de fotos de bichanos e deixar que a própria máquina detecte um padrão ali.
Com o mercado aquecido, uma das dificuldades enfrentadas pelo setor é a carência de profissionais especializados. Por isso, as principais empresas de computação em nuvem oferecem opções cada vez mais simples para se criar sistemas em IA.
É o caso, por exemplo, de AWS, IBM e Microsoft. Em suas plataformas, elas passaram a ofertar mecanismos que não exigem programação diretamente para se criar modelos de IA (fórmulas matemáticas que trazem as instruções de como o sistema deve se comportar).
Na prática, é como se as plataformas tivessem modelos pré-moldados para diversos usos. Com isso, tornam a tecnologia mais acessível a pessoas com algum conhecimento mais avançado em TI, mas que não conheçam muito desse setor específico. A prática deve contribuir para um futuro com cada vez mais IA.