A tecnologia sempre esteve presente no imaginário popular. Basta lembrarmos de clássicos do cinema ou da literatura, como os filmes “De Volta para o Futuro” ou os clássicos de Júlio Verne “Vinte mil léguas submarinas” e “Viagem ao Centro da Terra”.
Mas a participação da tecnologia na vida dos seres humanos perpassa fases, mídias e concepções diferentes. Hoje, o cognitivo, antes restrito à mente humana, já habita o mundo das máquinas com assistentes virtuais e influenciadores artificiais, por exemplo, que já fazem parte do nosso dia a dia. Mas você sabia que suas origens são bem anteriores à Internet ou às redes sociais? Para entendermos melhor, basta olhar para a história da própria IA.
O precursor: foi em 1961 que a IBM desenvolveu e demonstrou o chamado “Shoebox”, precursor dos sistemas de reconhecimento de voz atuais. Esse dispositivo foi capaz de executar funções matemáticas e reconheceu 16 palavras faladas, além dos dígitos de ‘0’ a ‘9’. Operado por meio de um microfone, o aparato convertia sons de voz em impulsos elétricos. Iniciou-se a discussão em torno de processamento de linguagem natural aqui: o IBM Shoebox representou o limiar das pesquisas nesse campo e também influenciou o desenvolvimento em setores como reconhecimento de fala, incluindo sistemas de discagem por voz, roteamento de chamadas e controle automatizado de aparelhos.
O início dos chatbots: em 1965, o cientista da computação Joseph Weinzenbaum programou “Eliza”, precursor dos chatbots, um sistema capaz de simular o processo de conversação entre máquina e humanos. Rodava no Mainframe IBM 7094, de apenas 37 bits.
O papel do Processamento de Linguagem Natural (PLN): objeto de grande debate entre acadêmicos, tecnólogos e outros especialistas do setor, é um componente fundamental para analisar e interpretar dados não estruturados, como e-mails, boletins eletrônicos de saúde, postagens em redes sociais etc. Por meio da codificação de algoritmos, a PLN permite que as máquinas sejam capazes de extrair o significado do texto e, a partir disso, crie relatórios e sentidos. A solução visa ajudar os negócios a manterem assistentes virtuais atualizados com as respostas mais recentes e reduz o tempo que consome o processo de atualizações manuais.
Entendendo interações com precisão: existem formas de interação mais palpáveis hoje, muito além de textos prontos. Pouco tempo atrás, um modelo de classificação do IBM Watson Assistant foi projetado para entender, com mais precisão, o objetivo ou intenção de um usuário final ao interagir com um assistente virtual e para permitir que os administradores treinem o sistema com mais rapidez.
A voz metálica em desconstrução: aos poucos, a voz metálica dá espaço a um aspecto mais natural da fala, algo que está em curso na evolução da tecnologia para os próximos anos. Até mesmo o conceito de “influenciador artificial”, a exemplo do que vemos na Magalu, que se tornou uma personagem importante frente ao engajamento com seus clientes, deve se solidificar no futuro.
O aprendizado da máquina e o futuro: quando se desenvolve um conjunto de aprendizado de máquina – ou Machine Learning -, o sistema aprende conforme o uso: os algoritmos são criados a partir dos dados analisados e da geração de respostas/insights, numa engenharia pré-construída e dotada de regras. Os dados fazem a máquina evoluir com o tempo. No método tradicional, cria-se um conjunto de regras para gerar uma resposta a partir do processamento dos dados introduzidos.
Quando inserimos todo esse contexto nas diferentes esferas da sociedade, temos a revolução: bancos, lojas, instituições educacionais, entidades governamentais, indústria da saúde e tantas outras buscam, em ritmo compassado, as soluções tecnológicas que assistentes virtuais e inteligência artificial podem oferecer. Se essa tecnologia escalou em rápida velocidade nos últimos cinco anos, temos uma promissora década pela frente.
Escrito por: Roberto Celestino, especialista em inteligência artificial da IBM Brasil