Você está usando o termo ‘IA’ incorretamente?

Traduzido por Lia Carrari do original de Cassie Kozyrkov.

Pronto, falei: eu não me importo que a indústria use ‘IA’ ou ‘aprendizagem de máquina’ (ou ‘AI’ e ‘machine learning’ em inglês) para a mesma coisa. Mas é tecnicamente correto? É um desleixo? E se formos ser minuciosos, quem exatamente está usando o termo ‘IA’ incorretamente?

‘IA’ na indústria tecnicamente seria chamado de ‘aprendizagem profunda’.

O mundo acadêmico não considera inteligência artificial (IA) e aprendizagem de máquina (AM) intercambiáveis, e como uma ex-acadêmica, eu simpatizo com suas definições e concordo que tecnicamente, IA é um subconjunto de AM que é um subconjunto de aprendizagem profunda. Aprendizagem profunda (AP) é AM que usa uma classe específica de algoritmos (redes neurais) e é o que a indústria tende a se referir por IA. Faz sentido?

Mas eu também acho que a maioria das pessoas (e indústria) não se importa com a distinção e vai usar a linguagem de informalmente. Goste ou não, linguagem evolui. O termo IA, originalmente usado por professores, fugiu de suas garras e foi parar no vernáculo comum como outra coisa.

Goste ou não, linguagem evolui.

Com o risco de ofender pesquisadores, eu acho que é melhor reconhecer a nova forma que a indústria está usando o termo e explicar o uso modal para leitores que não estão interessados na nuance. Tudo bem deixar a linguagem evoluir contanto que nos mantenhamos atualizados. Inventado em 1956, o termo IA nunca foi definido estritamente. (Certo, acadêmicos? Lembrem-se dos dias que IA era um termo vergonhoso usado para pedidos de bolsa… então você só substituiu o termo com aprendizagem de máquina?) Com termos mal definidos, não existe isso de usá-los incorretamente. Nós todos podemos vencer. As palavras se deslocam.

E cuidado, advogados das definições: não seria vergonhoso se o que você estivesse chamando de IA é na verdade tecnicamente chamado de aprendizado por reforço (AR) e você também está usando palavras incorretamente? Vem aqui, deixa eu te dar um abraço, vamos todos ser amigos. Se sua definição é articulada em sequências de ações, planejamento, coleta de informação de um ambiente, definição de políticas de comportamento no futuro — um clássico exemplo é um computador aprendendo a fazer manobras com helicópteros de brinquedo — então você deve estar pensando em AR.

Inteligência quase-humana (IQH) é um termo melhor para a versão ficção-científica.

Se você está se afogando nessa sopa de letrinhas de IA, AM, AP, AR, enquanto desesperadamente procura por entidades robóticas de ficção-científica, então você talvez goste do termo IQH, do inglês HLI (Human-like intelligence). Inteligência quase humana. Se você vai se referir à ‘uma IA’ de uma forma que evoca personificação, então é melhor chamar de ‘uma IQH’. Para vocês que estão preocupados que existe uma IQH espreitando em qualquer armário, podem respirar tranquilos; todas as aplicações de IA na indústria não são IQH e não estão construindo mentes verdadeiras. Todos estão muito ocupados usando IA para resolver problemas reais de negócios que envolvem não glamourosas etiquetadora de coisas.

Vamos resumir. Tampem seus ouvidos, professores. Todos os outros: quando você ouvir dizer na indústria, IA em aprendizagem de máquina podem ser sinônimos e não ter nenhuma relação com IQH.

Na prática, você não deve classificar seus problemas em IA ou AM antes de começar.

Aqui está outra razão porque uma pessoa prática como eu aceita isso: de um ponto de vista de processo aplicado, você não precisa classificar seus problemas de negócios em IA/AM/AP antes de começar. Simplesmente tente todos os algoritmos que puder e itere sobre o que tiver melhor performance. Se AP não-AP é o caminho errado, você descobrirá rápido e irá para o caminho certo. Mas normalmente é melhor tentar a opção mais simples mesmo se você duvidar que vai funcionar. Leva apenas alguns minutos. Se você pode encaixar uma rede neural, pode tentar colocar uma linha nisso também. (É o que, 2–5 linhas de código? Mesmo se não estiver usando um pacote e implementando do zero, é fácil. Se você esqueceu a fórmula de regressão, meus amigos da pós graduação fizeram uma canção cativante sobre isso.) De bônus, se a coisa mais simples tiver boa performance, isso significa que você encontrou uma solução que será mais fácil de manter em produção. Boa sorte, divirta-se, e que o melhor algoritmo ganhe!

Aprenda mais sobre ciência de dados e inteligência artificial em português.