A AI é o avanço tecnológico mais impactante do nosso tempo, transformando todos os aspectos da economia global.
Cinco ondas de crescimento levaram a AI do início à ubiquidade: o big bang da AI, serviços em cloud, AI empresarial, AI no edge e autonomia.
Assim como outros avanços técnicos, como máquinas industriais, transistores, internet e computação móvel, a AI foi concebida no meio acadêmico e comercializada em fases sucessivas. Primeiro, ela foi adotada por grandes empresas com muitos recursos e, depois, espalhou-se ao longo dos anos para empresas menores, profissionais e consumidores.
Desde que o termo “AI” foi cunhado na Universidade de Dartmouth em 1956, as pessoas nesse campo exploraram muitas abordagens para resolver os problemas mais difíceis do mundo. Uma das mais populares, o deep learning, explora estruturas de dados chamadas redes neurais que refletem como as células cerebrais humanas operam.
Os cientistas de dados que usam deep learning configuram uma rede neural com os parâmetros que funcionam melhor para um determinado problema e, em seguida, alimentam a AI com até milhões de perguntas e respostas de amostra. A cada resposta de amostra, a AI ajusta seus pesos neurais até que consiga responder às perguntas por conta própria, mesmo as novas que ela nunca viu antes.
Saiba mais sobre as cinco ondas da AI moderna, determine em qual onda sua empresa está e prepare-se para o que vem a seguir.
O Big Bang da AI
A primeira onda da computação de AI foi o “big bang”, que começou com a descoberta de redes neurais profundas.
Três fatores fundamentais alimentaram essa explosão: avanços acadêmicos em deep learning, disponibilidade generalizada de big data e a nova aplicação de GPUs para acelerar o desenvolvimento e o treinamento de deep learning.
Onde os cientistas da computação costumavam especificar cada instrução de AI, os algoritmos agora podem escrever outros algoritmos, o software pode escrever software e os computadores podem aprender sozinhos. Isso marcou o início da era do machine learning.
Na última década, o deep learning migrou do meio acadêmico para o comércio, levado pelas próximas quatro ondas de crescimento.
O Cloud
As primeiras empresas a usarem a AI foram grandes empresas de tecnologia com o conhecimento científico e os recursos de computação necessários para adaptar redes neurais para beneficiar seus clientes. Elas fizeram isso usando o cloud, a segunda onda da computação de AI.
O Google, por exemplo, aplicou deep learning ao processamento de linguagem natural para oferecer o Google Tradutor. O Facebook aplicou AI para identificar bens de consumo a partir de imagens para torná-los compráveis. Com esses tipos de aplicações do cloud, a Google, a Amazon e a Microsoft apresentaram muitas das primeiras aplicações de verdade de AI.
Logo, essas grandes empresas de tecnologia criaram plataformas de infraestrutura como serviço, liberando o poder dos clouds públicos para empresas e startups e impulsionando a adoção da AI.
Agora, empresas de todos os tamanhos aproveitam o cloud para começar a usar a AI de maneira rápida e acessível. Ele oferece um atalho fácil para as empresas implantarem AI, permitindo que se concentrem no desenvolvimento e treinamento de modelos, em vez de construir infraestruturas subjacentes.
AI Corporativa
À medida que as ferramentas são desenvolvidas para tornar a AI mais acessível, as grandes empresas estão adotando a tecnologia para melhorar a qualidade, a segurança e a eficiência de seus workflows, liderando a terceira onda da computação de AI. Os cientistas de dados do setor financeiro, da área da saúde, dos serviços ambientais, do varejo, do entretenimento e de outros setores começaram a treinar redes neurais em seus próprios data centers ou no cloud.
Os chatbots de AI conversacional, por exemplo, aprimoram as centrais de atendimento, e a AI de detecção de fraudes monitora atividades incomuns em mercados on-line. A visão computacional funciona como um assistente virtual para mecânicos, médicos e pilotos, fornecendo informações para tomar decisões mais precisas.
Embora essa onda de computação de AI tenha difundido aplicações e angariado manchetes toda semana, ela está apenas começando. As empresas estão investindo pesado em cientistas de dados que podem preparar dados para treinar modelos e engenheiros de machine learning que podem criar e automatizar pipelines de treinamento e implementação de AI.
O Edge
A quarta onda leva a AI do cloud ou data center para o edge, para locais como fábricas, hospitais, aeroportos, lojas, restaurantes e redes elétricas. O advento do 5G está aumentando a capacidade de implantação e gerenciamento de dispositivos de computação no edge em qualquer lugar. Ele criou uma oportunidade explosiva para a AI transformar os locais de trabalho e para as empresas perceberem o valor dos dados de seus usuários finais.
Com a adoção de dispositivos IoT e os avanços na infraestrutura de computação, o aumento do big data permite que as empresas criem e treinem modelos de AI a serem implantados no edge, onde estão os usuários finais.
Essa onda exige que engenheiros de machine learning e cientistas de dados considerem as restrições de design da inferência de AI no edge. Esses limites incluem conectividade, armazenamento, potência da bateria, potência computacional e acesso físico para manutenção. Os designs também devem estar alinhados com as necessidades dos proprietários de empresas, equipes de IT e operações de segurança para melhor garantir o sucesso das implantações.
A AI no edge também está em seu início, mas já é usada em muitos setores. A visão computacional monitora as fábricas procurando infrações de segurança, verifica as imagens médicas para identificar crescimentos anômalos e dirige os carros com segurança pela rodovia. O potencial de novas aplicações é ilimitado.
Autonomia
A quinta onda de AI será o surgimento da autonomia, a evolução da AI ao ponto de ela navegar pelas máquinas móveis sem a intervenção humana. Carros, caminhões, navios, aviões, drones e outros robôs funcionarão sem a pilotagem humana. Para que isso se desenvolva, é necessária a conectividade de rede do 5G, o poder da computação acelerada e a inovação contínua nos recursos das redes neurais.
A AI autônoma está avançando, impulsionada pela pandemia, pelas restrições da cadeia de suprimentos global e pela necessidade relacionada de automação para eficiência nos processos de negócios.
Incorporando domínios de engenharia além do deep learning, a AI autônoma exige que engenheiros de machine learning colaborem com engenheiros de robótica. Juntos, eles trabalham para cumprir os quatro pilares de um workflow de sistema de robótica: coletar e gerar dados de valor de referência, criar o modelo de AI, simular com um digital twin e operar o robô no mundo real.
Para a robótica, os recursos de simulação são especialmente importantes na modelagem e nos testes de todos os possíveis casos específicos para reduzir os riscos de segurança da implantação de robôs no mundo real.
As máquinas autônomas também enfrentam novos desafios em relação à implantação, gerenciamento e segurança que exigem a coordenação entre as equipes de engenharia, operações, manufatura, rede, segurança e conformidade.
Introdução à AI
Desde o big bang da AI, o setor cresceu rapidamente e gerou mais ondas de computação, incluindo serviços em cloud, AI empresarial, AI no edge e máquinas autônomas. Esses avanços estão levando a AI dos laboratórios para as salas de estar, melhorando as empresas e o cotidiano dos consumidores.
A NVIDIA passou décadas construindo os produtos e softwares computacionais necessários para permitir que o ecossistema de AI impulsione essas ondas de crescimento. Além de desenvolver e implementar AI na empresa, a NVIDIA ajudou inúmeras empresas, startups, fábricas, empresas da área da saúde e muito mais a adotar, implementar e dimensionar suas próprias iniciativas de AI.
Seja começando um projeto de AI inicial, transicionando uma equipe para cargas de trabalho de AI ou analisando esquemas de infraestrutura e expansões, configure seus projetos de AI para obter sucesso.