O fascinante mundo da Inteligência Artificial deve ser descoberto de uma forma simples. Faça o download do diagrama visual que resume as ideias-chave partilhadas pela cientista de dados Susana Brás partilhadas em detalhe no vídeo abaixo.

A Inteligência Artificial (IA) consiste em sistemas informáticos concebidos para executar tarefas que normalmente requerem inteligência humana. Estes sistemas podem aprender com a experiência, reconhecer padrões, tomar decisões e resolver problemas com base nos dados com os quais foram treinados. Em termos simples, a IA envolve máquinas que simulam a inteligência humana, com a capacidade de compreender, aprender e tomar decisões de forma autónoma. A IA não possui emoções, criatividade ou senso crítico, mas pode imitar esses atributos de maneira convincente.

AI goes to school

No vídeo a cientista de dados Susana Brás apresenta o processo de IA, partilhando exemplos de aplicações próximas do dia-a-dia, tornando conceitos complexos simples de compreender.

Definir IA é difícil porque a palavra “inteligência” sugere características que as máquinas não têm, como a criatividade e o sentido crítico.

• A IA atual imita a inteligência humana através de modelos que analisam dados para fazer previsões.
• O processo da IA tem 3 blocos: dados, modelo e criação de valor.
  • Exemplo: Um sistema de IA para recomendação de músicas.
    • Dados: Coleta de dados sobre o comportamento de escuta dos utilizadores, como histórico de músicas reproduzidas, playlists gostadas, gostos, e dados demográficos básicos.
    • Modelo: Desenvolvimento de um modelo de Machine Learning, como um sistema baseado em redes neurais, que analisa os padrões nos dados para prever quais músicas um utilizador pode gostar.
    • Geração de Valor: O sistema recomenda músicas e playlists personalizadas para cada utilizador, melhorando a experiência de escuta e aumentando o envolvimento na plataforma.
• Os dados são o maior tesouro! Dados de qualidade são o crucial para o bom funcionamento do modelo: seleção, catalogação e segurança dos dados.
• Os modelos têm ser transparentes e de fácil compreensão para as pessoas confiarem neles.
• Precisamos de dados de qualidade e total transparência no treino dos modelos.
• Às vezes a IA alucina e comete erros, por isso é preciso validar sempre os resultados.
• Ética e sustentabilidade é super importante em todas as etapas da IA!