A inteligência artificial é uma das indústrias mais rápidas e menos previsíveis. Pense em todas as coisas que eram inconcebíveis há alguns anos: deepfakes , tradução automática alimentada por IA , bots que podem dominar os jogos mais complicados etc.

Mas nunca é demais tentar nossas chances de prever o futuro da IA. Perguntamos aos cientistas e líderes de inteligência artificial sobre o que eles acham que acontecerá no espaço da IA ​​no ano que virá. Aqui está o que você precisa saber.

A IA tornará os cuidados de saúde mais precisos e menos dispendiosos

Como Jeroen Tas, diretor de inovação e estratégia da Philips, disse à TNW: “O principal impacto da IA ​​em 2020 transformará os fluxos de trabalho da área de saúde em benefício de pacientes e profissionais da área de saúde , ao mesmo tempo em que reduz custos. Sua capacidade de obter dados em tempo real a partir de vários fluxos de informações hospitalares – registros eletrônicos de saúde, internações em departamentos de emergência, utilização de equipamentos, níveis de pessoal etc. – e de interpretá-los e analisá-los de maneira significativa permitirá uma ampla gama de eficiência e aprimoramento dos cuidados capacidades ”.

Isso ocorrerá na forma de agendamento otimizado, relatórios automatizados e inicialização automática das configurações do equipamento, explicou Tas, que será personalizado “para o modo de trabalho de um clínico individual e para a condição de um paciente individual – recursos que melhoram a experiência do paciente e da equipe, resultam em melhores resultados e contribuem para reduzir custos. ”

“Há um tremendo desperdício em muitos sistemas de saúde relacionados a processos administrativos complexos, falta de cuidados preventivos e diagnóstico e tratamento em excesso e insuficiente. São áreas em que a IA pode realmente começar a fazer a diferença ”, disse Tas à TNW. “Além disso, uma das aplicações mais promissoras da IA ​​será na área de ‘Centros de Comando’, que otimizará o fluxo de pacientes e a alocação de recursos.”

A Philips é um participante fundamental no desenvolvimento de aplicativos necessários habilitados para IA, integrando-se perfeitamente aos fluxos de trabalho de assistência médica existentes. Atualmente, um em cada dois pesquisadores da Philips em todo o mundo trabalha com ciência de dados e IA , sendo pioneiro em novas maneiras de aplicar essa tecnologia à revolucionar a assistência médica.

Por exemplo, Tas explicou como a combinação de IA com conhecimento clínico e de domínio especializado começará a acelerar diagnósticos de rotina / simples de sim / não – não substituindo os médicos, mas liberando mais tempo para eles se concentrarem nas decisões difíceis, muitas vezes complexas, em torno de um atendimento individual ao paciente: “Os sistemas habilitados para IA rastrearão, preverão e apoiarão a alocação da acuidade do paciente e a disponibilidade de equipe médica, leitos de UTI, salas de cirurgia e equipamentos de diagnóstico e terapêutico”.

Explicabilidade e confiança receberão maior atenção

“2020 será o ano da confiabilidade da IA”, disse à TNW Karthik Ramakrishnan, chefe de consultoria e capacitação de IA da Element AI. “2019 viu o surgimento de princípios precoces de ética em IA e gerenciamento de riscos, e houve tentativas iniciais de operacionalizar esses princípios em kits de ferramentas e outras abordagens de pesquisa. O conceito de explicabilidade (ser capaz de explicar as forças por trás das decisões baseadas em IA) também está se tornando cada vez mais conhecido. ”

Certamente, houve um foco crescente na ética da IA ​​em 2019. No início do ano, a Comissão Europeia publicou um conjunto de sete diretrizes para o desenvolvimento da IA ​​ética . Em outubro, o Element AI, co-fundado por Yoshua Bengio, um dos pioneiros do aprendizado profundo, fez parceria com a Mozilla Foundation para criar relações de confiança de dados e promover o uso ético da IA. Grandes empresas de tecnologia, como Microsoft e Google, também tomaram medidas para tornar seu desenvolvimento de IA conforme as normas éticas .

Ramakrishnan nos lembrou do crescente interesse em IA ética após algumas falhas visíveis em relação à confiança e à IA, como o lançamento do Apple Pay ou a recente onda de interesse em relação ao escândalo da Cambridge Analytica .

“Em 2020, as empresas prestarão mais atenção à confiança na IA, estejam elas prontas ou não. Espere ver os VCs prestando atenção também, com novas empresas emergentes para ajudar com soluções ”, disse Ramakrishnan.

A IA ficará menos faminta por dados

“Veremos um aumento de metodologias de síntese de dados para combater os desafios de dados em IA”, disse à TNW Rana el Kaliouby, CEO e cofundadora da Affectiva. As técnicas de aprendizado profundo exigem muita informação , o que significa que os algoritmos de IA criados no aprendizado profundo só podem funcionar com precisão quando treinados e validados em grandes quantidades de dados. Mas as empresas que desenvolvem IA geralmente acham difícil obter acesso aos tipos certos de dados e aos volumes necessários de dados.

“Muitos pesquisadores no espaço da IA ​​estão começando a testar e usar metodologias emergentes de síntese de dados para superar as limitações dos dados do mundo real disponíveis para eles. Com essas metodologias, as empresas podem pegar dados que já foram coletados e sintetizá-los para criar novos dados ”, afirmou el Kaliouby.

“Pegue a indústria automotiva, por exemplo. Há muito interesse em entender o que está acontecendo com as pessoas dentro de um veículo, pois a indústria trabalha para desenvolver recursos avançados de segurança do motorista e para personalizar a experiência de transporte. No entanto, é difícil, caro e demorado coletar dados do driver do mundo real. A síntese de dados está ajudando a resolver que – por exemplo, se você tiver um vídeo meu dirigindo meu carro, poderá usá-los para criar novos cenários, ou seja, para me simular virando a cabeça ou usando um chapéu ou óculos de sol ”. Kaliouby adicionou.

Graças aos avanços em áreas como redes adversárias generativas (GAN), muitas áreas da pesquisa em IA agora podem sintetizar seus próprios dados de treinamento. A síntese de dados, no entanto, não elimina a necessidade de coletar dados do mundo real, el Kaliouby lembra: “[Dados reais] sempre serão críticos para o desenvolvimento de algoritmos precisos de IA. No entanto, a [síntese de dados] pode aumentar esses conjuntos de dados. ”

Maior precisão e eficiência das redes neurais

” As arquiteturas de redes neurais continuarão a crescer em tamanho e profundidade, a produzir resultados mais precisos e a melhorar o desempenho humano em tarefas que envolvem análise de dados”, disse à TNW Kate Saenko, professora associada do Departamento de Ciência da Computação da Universidade de Boston. “Ao mesmo tempo, os métodos para melhorar a eficiência das redes neurais também melhorarão, e veremos mais redes em tempo real e com economia de energia em execução em pequenos dispositivos”.

Saenko prevê que métodos de geração neural, como deepfakes, também continuarão a melhorar e criar manipulações cada vez mais realistas de texto, fotos, vídeos, áudio e outras multimídia que são indetectáveis ​​para os seres humanos. A criação e detecção de deepfakes já se tornou uma perseguição de gato e rato .

À medida que a IA entra em cada vez mais campos, novos problemas e preocupações surgirão. “Haverá um exame mais minucioso da confiabilidade e do viés por trás desses métodos de IA à medida que eles se tornarem mais amplamente implementados na sociedade, por exemplo, mais governos locais considerando uma proibição da vigilância por IA devido a questões de privacidade e justiça”, disse Saenko.

Saenko, que também é diretor do Grupo de Visão e Aprendizagem por Computador da BU, tem uma longa história na pesquisa de algoritmos visuais de IA. Em 2018, ela ajudou a desenvolver o RISE, um método para examinar as decisões tomadas pelos algoritmos de visão computacional .

Desenvolvimento automatizado de IA

“Em 2020, espere ver novas inovações significativas na área do que a IBM chama de ‘AI para IA’: usar a IA para ajudar a automatizar as etapas e processos envolvidos no ciclo de vida da criação, implementação, gerenciamento e operação de modelos de IA para ajudar escalar a IA de maneira mais ampla na empresa ”, disse Sriram Raghavan, vice-presidente da IBM Research AI.

A automação da IA ​​tornou-se uma área crescente de pesquisa e desenvolvimento nos últimos anos. Um exemplo é o AutoML do Google , uma ferramenta que simplifica o processo de criação de modelos de aprendizado de máquina e torna a tecnologia acessível a um público mais amplo. No início deste ano, a IBM lançou o AutoAI , uma plataforma para automatizar a preparação de dados, desenvolvimento de modelos, engenharia de recursos e otimização de hiperparâmetros.

“Além disso, começaremos a ver mais exemplos do uso da IA ​​neuro-simbólica, que combina  abordagens estatísticas baseadas em dados com poderosas técnicas de representação e raciocínio para gerar uma IA mais explicável e robusta que pode aprender com menos dados”, disse Raghavan à TNW.

Um exemplo é o Neurosymbolic Concept Learner , um modelo híbrido de IA desenvolvido por pesquisadores da IBM e do MIT. O NSCL combina IA clássica baseada em regras e redes neurais e mostra-se promissor na solução de alguns dos problemas endêmicos dos modelos atuais de IA, incluindo grandes requisitos de dados e falta de explicação.

AI2002
AI2002

IA na fabricação

“2020 será o ano em que a indústria manufatureira adotará a IA para modernizar a linha de produção”, disse Massimiliano Versace, CEO e co-fundador da Neurala. “Para a indústria de transformação, um dos maiores desafios é o controle de qualidade. Os gerentes de produto estão se esforçando para inspecionar cada produto e componente individual e, ao mesmo tempo, cumprem os prazos para pedidos em massa. ”

Ao integrar as soluções de IA como parte dos fluxos de trabalho, a IA será capaz de aumentar e enfrentar esse desafio, Versace acredita: “Da mesma maneira que a furadeira elétrica mudou a maneira como usamos chaves de fenda, a IA aumentará os processos existentes na indústria de manufatura. reduzindo o ônus de tarefas comuns e potencialmente perigosas, liberando o tempo dos trabalhadores para se concentrarem no desenvolvimento de produtos inovadores que impulsionarão o setor. ”

“Os fabricantes vão se aproximar da borda”, acrescenta Versace. Com a IA e os dados se centralizando, os fabricantes são obrigados a pagar taxas massivas aos principais provedores de nuvem para acessar dados que mantêm os sistemas em funcionamento. Os desafios da IA ​​baseada em nuvem estimularam uma série de inovações em direção à criação de IA , software e hardware de ponta que podem executar algoritmos de IA sem a necessidade de ter um link para a nuvem.

“Novas rotas para o treinamento de IA que podem ser implantadas e refinadas na borda se tornarão mais prevalentes. À medida que avançamos para o novo ano, mais e mais fabricantes começarão a se aproximar para gerar dados, minimizar problemas de latência e reduzir as enormes taxas de nuvem. Ao executar a IA onde é necessário (no limite), os fabricantes podem manter a propriedade de seus dados ”, disse Versace à TNW.

As implicações geopolíticas da IA

“A IA continuará sendo uma das principais questões nacionais de segurança militar e econômica em 2020 e além”, disse Ishan Manaktala, CEO da Symphony AyasdiAI. “Os governos já estão investindo fortemente em IA como uma possível frente competitiva possível. A China investiu mais de US $ 140 bilhões, enquanto o Reino Unido, a França e o resto da Europa investiram mais de US $ 25 bilhões em programas de IA. Os EUA, começando tarde, gastaram cerca de US $ 2 bilhões em IA em 2019 e gastarão mais de US $ 4 bilhões em 2020.

Manaktala acrescentou: “Mas os especialistas pedem mais investimentos, alertando que os EUA ainda estão atrasados. Uma recente Comissão de Segurança Nacional sobre Inteligência Artificial observou que a China provavelmente ultrapassará os gastos em pesquisa e desenvolvimento dos EUA na próxima década. O NSCAI destacou cinco pontos em seu relatório preliminar: investir em pesquisa e desenvolvimento de IA, aplicar IA em missões de segurança nacional, treinar e recrutar talentos de IA, proteger as vantagens da tecnologia dos EUA e organizar a coordenação global. ”

IA na descoberta de drogas

“Prevemos que a descoberta de medicamentos será amplamente aprimorada em 2020, à medida que os processos visuais manuais forem automatizados porque a IA visual será capaz de monitorar e detectar interações medicamentosas em larga escala”, disse à TNW Emrah Gultekin, CEO da Chooch. “Atualmente, são desperdiçados anos em ensaios clínicos porque os pesquisadores de medicamentos estão anotando e inserindo essas anotações em planilhas e enviando-as ao FDA para aprovação. Em vez disso, análises altamente precisas conduzidas pela IA podem levar a descobertas de drogas radicalmente mais rápidas. ”

O desenvolvimento de medicamentos é um processo tedioso que pode levar até 12 anos e envolver os esforços coletivos de milhares de pesquisadores. Os custos do desenvolvimento de novos medicamentos podem facilmente exceder US $ 1 bilhão. Mas há esperança de que os algoritmos de IA possam acelerar o processo de experimentação e coleta de dados na descoberta de medicamentos.

“Além disso, a contagem de células é um grande problema na pesquisa biológica – não apenas na descoberta de medicamentos. As pessoas estão debruçadas sobre microscópios ou sentadas em frente a telas com dispositivos de controle nas mãos contando células. Existem máquinas caras que tentam contar incorretamente. Mas as plataformas visuais de IA podem executar essa tarefa em segundos, com 99% de precisão em apenas alguns instantes ”, acrescentou Gultekin.

Leia Também: Snapdragon 865 Qualcomm lança processadores com conexão 5G

Fonte: thenextweb.com

 

DEIXE UMA RESPOSTA

Please enter your comment!
Please enter your name here