00:00:00
e
00:00:00
contextualizando inteligência artificial
00:00:03
é uma área da Computação que da
00:00:05
capacidade de computadores de
00:00:07
interpretar dados externos EA partir
00:00:09
dele se aprimorar imitando a
00:00:11
inteligência humana na execução de
00:00:14
tarefas específicas ouvindo assim é meio
00:00:17
assustador e pode ser mesmo viu
00:00:20
dependendo da tarefa para qual uma
00:00:22
inteligência artificial foi Projetada os
00:00:24
resultados são bem impressionantes já
00:00:26
estamos cheios de exemplos bem legais em
00:00:29
alguns anos atrás parecia somente Utopia
00:00:33
ouvindo de ficção científica que você
00:00:35
então quer entender o que está por trás
00:00:37
da Inteligência Artificial e de como
00:00:39
esses algoritmos Mágicos funcionam vem
00:00:43
com a gente e
00:00:45
[Música]
00:00:46
Olá
00:00:47
seja bem-vindo você está no dicionário
00:00:50
do programador do código fonte TV
00:00:54
milzinho viu
00:00:56
olha por aqui nós desvendamos todos os
00:00:59
termos desse Incrível Mundo da
00:01:01
programação em Inteligência Artificial é
00:01:04
sem dúvida um dos mais populares e
00:01:06
quando falamos de Inteligência
00:01:08
Artificial ou e a Estamos nos referindo
00:01:10
a tecnologia de ponta por isso trouxemos
00:01:13
aqui uma das empresas referência nesse
00:01:16
setor se você pensou o iene mídia Então
00:01:19
você acertou ela é uma das empresas que
00:01:21
mais investem em soluções de
00:01:23
Inteligência Artificial e ciência de
00:01:25
dados vamos dar destaque a E aí
00:01:27
conversacional da NVidia embora existam
00:01:29
soluções NVIDIA para análise de dados
00:01:31
machine learning treinamento em Deep
00:01:34
learning entre outros o NVIDIA EA
00:01:36
enterprise que é um pacote nativo do
00:01:39
Cláudio completo para que qualquer
00:01:40
empresa usa Inteligência Artificial
00:01:43
através do SDK E ai conversacional nós
00:01:46
de a criar implementar rapidamente
00:01:48
serviços de Iai de última geração em
00:01:51
aplicações usando ferramentas como
00:01:53
NVIDIA ânimo um Framework de código
00:01:55
aberto para criar treinar e ajustar
00:01:58
modelos de linguagem e fala para você
00:02:00
conhecer as soluções da NVidia vamos
00:02:02
deixar um link aqui na descrição como
00:02:05
sempre ela disponibiliza muito material
00:02:07
incluindo treinamentos muitos deles
00:02:09
gratuitos e e-books vale a pena conferir
00:02:12
por entender ia temos que saber que esse
00:02:15
conceito Não surgiu agora na verdade
00:02:18
desde a década de 1940 já viu uma
00:02:20
tentativa de criar funcionalidade para o
00:02:22
advento do computador e não é por
00:02:24
completa coincidência que estávamos na
00:02:26
mesma década da Segunda Guerra Mundial
00:02:28
que impulsionou as pesquisas
00:02:30
tecnológicas e bélicas em 1943 Lauren
00:02:34
uma cólica water pipes apresentaram um
00:02:37
artigo que falava pela primeira vez de
00:02:39
redes neurais e estruturas de raciocínio
00:02:41
artificiais que em forma de modelo
00:02:43
matemático que imitam o nosso sistema
00:02:45
nervoso a década de 1950 o termo e ai
00:02:49
poderia ser atribuído a Dilma Core do
00:02:52
site onde podemos definir como
00:02:54
construção de programas de computador
00:02:56
que se envolvem em tarefas que são
00:02:58
desempenhadas de forma mais satisfatória
00:03:00
por seres humanos devido aos processos
00:03:03
mentais de alto nível como aprendizagem
00:03:06
perceptual organização da memória e
00:03:08
raciocínio crítico porém essa tecnologia
00:03:11
teve também sua definição conceitual
00:03:13
ainda no easy dos dois anos de 1950 na
00:03:16
universidade de carne de Melo os
00:03:18
cientistas Hebert Simon e Alone One
00:03:21
foram os pais dessa ciência criando
00:03:23
nessa Universidade o primeiro
00:03:25
laboratório dedicado a inteligência
00:03:27
artificial no âmbito acadêmico a verdade
00:03:30
aqui muitos cientistas já estavam
00:03:31
estudando o tema naquela época porém
00:03:34
próximo ao ano de 1960 a inteligência
00:03:36
artificial esfriou devido às limitações
00:03:38
técnicas da época como a escassez de
00:03:41
memória dos computadores e esse inverno
00:03:44
daí Ai que foi mesmo o nome que deram
00:03:46
Esse é o início da década de 80 a partir
00:03:49
dos próximos anos dessa realidade seria
00:03:51
modificada graças a inovações nos
00:03:53
algoritmos a ampliação do uso de
00:03:55
técnicas The Deep Lane e ao aumento do
00:03:58
financiamento de Pesquisas nessa área
00:03:59
quem viveu a década de 90 lembra que em
00:04:03
1997 o projeto Blue da IBM conseguiu
00:04:06
vencer o praticamente Invencível deve
00:04:08
Kasparov ex-campeão mundial de xadrez
00:04:10
2011 Watson também da IBM venceu quem
00:04:14
genes e de Harry Potter no dilford um
00:04:17
jogo de perguntas e respostas
00:04:18
tradicional na TV norte-americana que
00:04:22
interessante mesmo na década de 1960 os
00:04:25
sistemas eletrônicos precisavam tratar
00:04:27
algum grau de incerteza em suas
00:04:28
variáveis estranhas foi utilizado uma
00:04:30
coisa chamada lógica fase já ouviu falar
00:04:33
ela avalia e calcula o pertencimento de
00:04:36
uma variável de entrada a uma ou mais
00:04:38
variáveis de sair ainda hoje amplamente
00:04:41
utilizado em Sistemas de apoio à decisão
00:04:43
controladores e qualquer aplicação de
00:04:45
análise a dourada nesse Prisma pode ser
00:04:48
utilizada para imitar o processo
00:04:50
decisório humano O que foi a primeira
00:04:52
forma de inteligência artificial
00:04:54
implementada em dispositivos
00:04:55
eletrônicos muitas sistemas de ar
00:04:58
condicionado por exemplo utilizam
00:05:00
controladores Fuzzy em são considerados
00:05:02
os dispositivos inteligentes bom Depois
00:05:05
desses eventos o termo Inteligência
00:05:07
Artificial ficou Popular mas o que temos
00:05:09
atualmente ultrapassa em muito o que
00:05:11
vimos dessas últimas décadas Então vamos
00:05:14
entender como é a estrutura de uma
00:05:16
inteligência artificial quando falamos
00:05:17
de Inteligência Artificial estamos
00:05:19
falando também de tecnologias que fazem
00:05:22
parte da estrutura de um olhar Marche
00:05:24
Milane e Deep Lane mais não são
00:05:27
obrigatórios machine learning a
00:05:28
tecnologia onde os computadores têm a
00:05:30
capacidade de aprender de acordo com as
00:05:33
respostas esperadas por meio de
00:05:34
associações de dados diferentes Não
00:05:37
importa se são imagens números em
00:05:39
qualquer outro tipo de informação que
00:05:42
seja possível identificar aqui no Brasil
00:05:44
esse termo também é conhecido com é
00:05:46
usado de máquina um pouco mais a fundo
00:05:49
com um subtipo de Mach Lane temos o Deep
00:05:52
Lane aliás esse já temos vídeo aqui no
00:05:55
dicionário do programador que é uma área
00:05:57
concentrada exatamente em algoritmos e
00:05:59
estruturas e funções cerebrais chamadas
00:06:01
de redes neurais e preditivas para poder
00:06:04
ensinar o computador a entender para
00:06:07
depois conseguir prever alguns padrões
00:06:09
mas não é só isso não é obrigatório mas
00:06:12
determinados sistemas de machine
00:06:14
learning precisa utilizar certos
00:06:16
conjuntos de dados gigantes por isso
00:06:18
outro termos de um bigodeiro para
00:06:20
trabalhar com sistemas de aprendizado de
00:06:22
máquina é necessário utilizar um certo
00:06:24
conjunto de dados inteira o Big Data
00:06:27
permite que os dados sejam visualizados
00:06:30
para que possam ser armazenados de
00:06:32
maneira mais eficiente e econômica o Big
00:06:34
Data também auxilia na melhoria da
00:06:36
velocidade e confiabilidade da rede
00:06:37
removendo outras limitações físicas
00:06:40
associadas ao gerenciamento de idade que
00:06:42
em grande quantidade ficando Então a
00:06:44
nossa imagem de inteligência nós podemos
00:06:47
afirmar que a inteligência artificial é
00:06:49
como um Universo completo de toda a
00:06:52
tecnologia de informática que exibir
00:06:54
qualquer coisa que se assemelhe a
00:06:56
inteligência humana podendo ser um
00:06:58
aplicativo para resolver problemas
00:07:00
mediante a tomada de decisão baseada em
00:07:03
uma lista de regras complexas ou lógicas
00:07:06
de if dentro ou poderia ser um
00:07:08
personagem como o óleo da pizza que
00:07:10
desenvolve a inteligência EA vontade
00:07:11
própria e Emoções parecidas com as do
00:07:14
ser humano achando Lane que é um
00:07:15
subconjunto do uso da Inteligência
00:07:17
Artificial o qual aprendi por conta
00:07:20
própria enquanto recebe mais dados para
00:07:22
poder desenvolver uma tarefa específica
00:07:24
com cada vez mais precisão e se
00:07:26
realmente Deep Lane como um conjunto de
00:07:29
uso de machine learning que aprende a
00:07:31
realizar tarefas específicas com
00:07:33
precisão por conta própria e evolui sem
00:07:36
a necessidade de intervenção humana mas
00:07:39
é importante frisar que embora todo Mach
00:07:41
Lane faça parte de uma inteligência
00:07:43
artificial nem toda Inteligência
00:07:45
Artificial faz e a Sheila os algoritmos
00:07:48
de ação capazes de raciocinar planejar e
00:07:51
processar com base em métodos
00:07:53
computacionais lógicos e estatísticos
00:07:55
porém essas habilidades são limitadas
00:07:58
aos recursos específicos dos próprios
00:08:00
algoritmos você criar um algoritmo que
00:08:02
Analisa quantas pessoas estão em uma
00:08:04
foto esse elas estão sorrindo não irá
00:08:07
funcionar para descobrir outra coisa
00:08:09
como por exemplo identificar se o céu na
00:08:12
foto está azul ou está nublado nesse
00:08:14
caso seria preciso criar um outro
00:08:16
algoritmo então podemos definir a
00:08:18
inteligência artificial em duas
00:08:20
categorias forte e fraca aporte que
00:08:23
também é conhecida como um artifício
00:08:25
gênero inteligentes ou simplesmente agi
00:08:27
E aí aqui mais se parece com autonomia
00:08:30
do cérebro humano resolvendo muitos
00:08:33
tipos de problemas incluindo também a
00:08:35
seleção dos problemas que ela escolhe
00:08:37
resolver minhas sem a intervenção humana
00:08:39
até assusta não há and I ainda é teórica
00:08:44
e não há exemplos práticos do seu e
00:08:46
embora a lilou mas que acredito que já
00:08:49
podemos estar a um caminho bem perigoso
00:08:51
isso em voltas nesse tipo de
00:08:53
Inteligência Artificial por outro lado
00:08:55
temos aí a fraca aqui também
00:08:56
reconhecemos como neural E ai essa é a
00:08:59
que mais conhecemos e usamos no dia a
00:09:01
dia ela é focada e treinada para
00:09:03
realizar uma tarefa específica já vamos
00:09:06
de fraca mas é de certa forma errada né
00:09:08
esse tipo de ai ai é o que habita as
00:09:11
aplicações que usamos no dia-a-dia como
00:09:13
o Google fotos algumas câmeras
00:09:15
Smartphone e muitos outros tem Inclusive
00:09:18
a Siri da Apple e Alexa da Amazon são
00:09:21
ótimos exemplos também de neoway ai a
00:09:24
pergunta que você provavelmente está
00:09:25
fazendo é tudo bem mas se eu quisesse
00:09:27
criar uma inteligência artificial como é
00:09:29
que eu faço o caminho é utilizar a
00:09:31
ferramenta já prontas que fazem todo o
00:09:34
trabalho de alimentação dos dados e
00:09:36
machine learning Lembrando que uma boa
00:09:38
Inteligência Artificial não é
00:09:39
necessariamente boa só porque tem muitos
00:09:42
dados alimentados nela ai precisa ser
00:09:44
treinada sim com muitos e para fazer as
00:09:47
previsões corretas sejam os dados
00:09:49
estruturados ou não estruturados uso de
00:09:52
um conjunto de dados confiáveis é o que
00:09:54
deve ser alimentado de forma constante
00:09:56
para sim conseguir resultados
00:09:58
interessantes e confiáveis por isso não
00:10:02
podemos afirmar que dá para conseguir
00:10:04
resultados rápidos e mágicos logo que ai
00:10:07
ai é criado um caminho leva tempo
00:10:09
planejamento e principalmente uma ideia
00:10:11
Clara de onde você deseja alcançar Então
00:10:14
nesse sentido não vale a pena recriar a
00:10:17
roda e sem utilizar ferramentas que já
00:10:19
são consagrados nesse mercado podemos
00:10:21
citar como os principais foi mais
00:10:23
populares tem um sou flor que é open
00:10:25
source e fornece vários rituais
00:10:27
incluindo de nível mais baixo o à parte
00:10:29
existem e mel que é um sistema de Mach
00:10:31
Lane flexível e escalonável podemos
00:10:33
citar também o Cafe que trabalha
00:10:35
principalmente em redes convolucionais
00:10:37
para aplicação de divisão computacional
00:10:39
e o que horas que é um ecossistema para
00:10:41
treinamento de redes neurais Ainda temos
00:10:44
o Apache mahout UOL e o Toti bem
00:10:48
conhecido principalmente pelo uso no
00:10:50
Python com o pai torch o neurof o Deep
00:10:53
learning for dei o Microsoft Word blog
00:10:56
que trabalha com muitos algoritmos
00:10:58
cognitivos e obviamente a Nvidia EA
00:11:02
enterprise que citamos no início o que
00:11:04
vale realmente a pena explorar pois são
00:11:06
tantas ferramentas interessante que
00:11:08
daria um vídeo só para ele tem já
00:11:10
tirando uma foto de comida e a Câmera
00:11:13
ajustam automaticamente a iluminação e
00:11:15
as configurações ou tentando prever as
00:11:18
ações de empresas no futuro ou até
00:11:20
gerando o código sozinho a inteligência
00:11:23
artificial está literalmente presentes
00:11:25
no nosso dia-a-dia de uma forma que vai
00:11:27
ficar impossível remover isso é muito
00:11:30
empolgante e ao mesmo tempo assustador
00:11:33
Elon musk que o diga pois ele é
00:11:34
investidor na área e tem muito medo do
00:11:37
que pode acontecer no futuro a verdade é
00:11:39
que nós ainda estamos no início dessa
00:11:41
jornada de Tecnologia de Inteligência
00:11:44
Artificial mas já podemos virgino e o
00:11:47
que ela pode trazer ou fazer no futuro
00:11:49
se gostou deixa um joinha e comenta aqui
00:11:52
que tipo de ai você utiliza e que já faz
00:11:55
parte do seu dia a dia também até o
00:11:58
próximo vídeo Tchau já que citamos dito
00:12:01
ano que tá bom então você continuar
00:12:03
conosco nesse tema nesse vídeo aqui do
00:12:05
lado dele a gente explica mais a fundo
00:12:07
mais detalhes do que são verdes neuragen
00:12:09
e como elas funcionam que fosse você eu
00:12:11
não perder esse vídeo pois complementa
00:12:14
bem alguns termos que citamos né Então
00:12:16
corre
00:12:18
corre agora
00:12:21
que você tem que me amar é
