Assim como a internet 5G, o machine learning (ML) e a inteligência artificial (IA) representam avanços digitais significativos na forma como a sociedade moderna se estrutura.
Embora não sejam necessariamente recentes (visto que a IA, por exemplo, foi mencionada pela primeira vez ainda na década de 1950), foi apenas depois da pandemia de Covid-19 e do necessário isolamento social que tais tecnologias tomaram contornos sem precedentes. A partir desse momento, o on-line e o offline se integraram de forma cada vez mais fluida, transformando atividades complexas em meros casos de rotina.
Depois de um período de expansão inédito em 2023, estima-se que as IAs causem um impacto econômico global de US$ 4,4 trilhões até 2040.
O sucesso dessas tecnologias cria grandes expectativas, assim como acende alertas sobre quais caminhos o mercado tomará a partir de agora.
Neste conteúdo, vamos abordar como o machine learning (ML) e a inteligência artificial (IA) podem influenciar as áreas de TI. Boa leitura!
O que é inteligência artificial?
Inteligência artificial, IA ou AI (do inglês artificial intelligence) refere-se a um conjunto de ferramentas digitais que permite que sistemas eletrônicos simulem a “inteligência e o comportamento humanos”, por meio da análise e compreensão dos dados e de seus padrões.
De forma resumida, falar em inteligência artificial é também pensar na capacidade, cada vez mais avançada, de máquinas e dispositivos gerarem interações de tipos diversos, para os mais diferentes fins, com base em dados armazenados e em seus emissores. Assim, o objetivo da IA é atuar para além da observação simples de dados e para além da programação de ordens específicas.
A IA deve ser capaz de perceber o ambiente no qual está inserida para gerar resultados significativos, de forma independente e totalmente conectada com esse universo enorme de bancos de dados. Para isso, são usados machine learning, deep learning, processamento de linguagem natural e ciência de dados, entre outros avanços tecnológicos.
A inteligência artificial se caracteriza, portanto, pela possibilidade de as máquinas adquirirem a habilidade de reproduzir competências humanas, como raciocínio, planejamento, criatividade, aprendizagem e até mesmo interações.
Segundo o Google Trends, o termo tem se popularizado nos últimos cinco anos, refletindo a integração da tecnologia ao dia a dia da sociedade. Porém, a inteligência artificial foi cunhada há mais tempo do que isso, mesmo que em outros contextos e condições. Foi em 1955, quando o professor de matemática do Dartmouth College, John McCarthy, usou a nomenclatura pela primeira vez.
O que é machine learning?
Em tradução livre do inglês, o termo carrega o significado de “aprendizado de máquina”, que pode ser entendido como um método de análise de dados que automatiza a construção de modelos analíticos.
Com base nessa aplicação, compreende-se que o conceito está diretamente ligado a um ramo da inteligência artificial fundamentado na ideia de que sistemas podem aprender com dados, identificar padrões e tomar decisões com o mínimo de intervenção humana. Como as plataformas digitais, os sistemas de internet das coisas e outras inovações já conseguem fazer.
De modo geral, pode-se dizer que machine learning é uma tecnologia por meio da qual os computadores têm a capacidade de aprender de acordo com as respostas esperadas, com base em associações de diferentes dados, os quais podem ser imagens, números e tudo que essa tecnologia possa decodificar.
Qual a diferença entre ML e IA?
Embora estejam diretamente conectados, a IA e o ML não são a mesma coisa. Por isso, é importante destacar os pontos de divergência entre essas tecnologias, a fim de assegurar uma compreensão integral dos termos.
Enquanto a IA é um conceito mais amplo que aborda a capacidade de uma máquina ou sistema detectar, motivar, agir ou se adaptar como um humano, o ML refere-se a uma aplicação de IA que permite às máquinas extrair conhecimento dos dados e aprender com eles de maneira autônoma.
Podemos visualizá-las em uma dinâmica análoga ao estudo dos conjuntos: o ML está contido na IA. Ou seja, a IA é abrangente, cobre uma ampla variedade de abordagens e algoritmos específicos; já o machine learning é mais específico, ou seja, é uma tecnologia ligada a esse escopo genérico, porém, com associações outras, tais quais aprendizado profundo, robótica, sistemas de especialistas e processamento de linguagem natural.
A inteligência artificial abrange a ideia de uma máquina que pode imitar a inteligência humana. O ML tem como objetivo ensinar uma máquina a realizar uma tarefa específica e fornecer resultados precisos, identificando padrões.
Existem ainda outras diferenças significativas entre essas ferramentas, de acordo com o Google:
| Inteligência artificial | Machine learning |
| A IA permite que uma máquina simule a inteligência humana para resolver problemas. | O ML permite que uma máquina aprenda de maneira autônoma com dados passados. |
| O objetivo é desenvolver um sistema inteligente capaz de realizar tarefas complexas. | O objetivo é criar máquinas que possam aprender com dados para aumentar a precisão da saída. |
| Criamos sistemas que podem resolver tarefas complexas, como uma intervenção humana. | Treinamos máquinas com dados para realizarem tarefas específicas e fornecerem resultados precisos. |
| A IA tem ampla gama de aplicativos. | O machine learning tem escopo limitado de aplicativos. |
| A IA usa tecnologia em um sistema para imitar as tomadas de decisão humanas. | O ML usa algoritmos de autoaprendizado para produzir modelos preditivos. |
| A IA funciona com todos os tipos de dados: estruturados, semiestruturados e não estruturados. | O ML só pode usar dados estruturados e semiestruturados. |
| Os sistemas de IA usam lógica e árvores de decisão para aprender, raciocinar e se corrigir. | Os sistemas de ML dependem de modelos estatísticos para aprender e podem fazer correções automaticamente quando fornecidos com novos dados. |
O contexto do machine learning e da inteligência artificial no presente
No mercado como um todo, esses são avanços tecnológicos que figuram como verdadeiras promessas para a otimização de processos e a rentabilidade dos negócios. A exemplo disso, de acordo com um relatório da consultoria FrontierView, encomendado pela Microsoft, a inteligência artificial (IA) pode contribuir com o crescimento de 4,2% do PIB do Brasil até 2030.
Diante desses resultados e tendo como pano de fundo o lançamento do ChatGPT pela OpenIA, o ano de 2023 foi marcado por uma corrida intensa das gigantes de tecnologia em busca da incorporação da IA em seus produtos:
- A Microsoft incorporou a tecnologia do ChatGPT ao Bing;
- O Google lançou o Bard, depois alterado para Gemini;
- Elon Musk estruturou a empresa XAI para tentar emplacar sua versão de ChatGPT;
- E a Meta lançou o Llama.
Todas essas organizações se mantiveram proativas na esteira da adaptação a um novo contexto, no qual até os próprios usuários finais já utilizam as ferramentas da ML e IA no cotidiano.
Embora o ano de 2023 tenha sido marcado por esse escopo positivo, também foi o período que registrou algumas discussões importantes sobre o tema, como os protestos dos profissionais criativos contra a ferramenta e sua possível interferência nas vagas de trabalho e também a ausência de regulamentação para as novas tecnologias.
Como o machine learning e a inteligência artificial podem impactar o setor de TI? Veja 4 exemplos.
O setor de TI não só respira as inovações e as transformações digitais como é o responsável por criá-las. Portanto, não é difícil entender que a IA e o ML já fazem parte da rotina de trabalho de equipes dessa área e tendem a se tornar cada vez mais abrangentes.
A computação cognitiva – que desenvolve mecanismos de previsão comportamental e fornece respostas rápidas para questões complexas que exigem um aprendizado contínuo – é um exemplo desse contexto.
No entanto, existem outros domínios nos quais a IA e o ML podem prosperar ou impactar a área de TI. Veja, a seguir, 4 competências:
1) Implicações na cibersegurança
Com os novos contornos da transformação digital acelerada, profissionais de TI preveem que a IA generativa (a que produz conteúdo) seja capaz de transformar visceralmente a sociedade já nos próximos meses.
Embora tal popularização tenha ganhado força recentemente, a ferramenta já está presente há bastante tempo nas organizações, como nas análises de e-mails, que utilizam princípios de IA para fazer a detecção de spam. Ou seja, a IA, que já fazia parte da rotina dos especialistas em segurança da área de TI, agora será ainda mais empregada nesse ambiente, seja na perspectiva defensiva, seja no lado ofensivo, sendo o último o que mais tem se destacado.
A associação IA generativa + abordagens digitais ofensivas pode ocasionar o crescimento de ataques de engenharia social (aqueles capazes de hackear o próprio ser humano), visto que a tecnologia automatiza essa tarefa.
Até então, a engenharia social demandava a ação, a configuração e o gerenciamento humano contínuos. Com o advento da IA, essa lógica se altera e passa a viabilizar uma possível automatização da geração de golpes e ameaças e a torná-los ainda mais específicos.
Os phishings direcionados, por exemplo, podem ser produzidos automaticamente, em escala industrial. Há também a previsão do aumento de chamadas telefônicas com áudios sintéticos e da propagação da deep fake, entre outros modelos de ataque.
Nesse contexto, pelo menos por enquanto, nota-se que o uso da IA prevalece no lado ofensivo.
No defensivo, o desenvolvimento ainda é direcionado para ferramentas de correlacionamento de evento, análise de logs, análise de tráfego de redes e detecção de intrusão.
Porém, é preciso equilibrar essas forças e direcionar a IA generativa para o combate da sofisticação dos cibercrimes.
O que os especialistas da ESR consideram é que, em breve, a IA será utilizada não só como um copilot para o invasor, como também representará um copilot para quem está preocupado com a segurança.
Nas mãos de quem tem bons fundamentos e experiência de mercado, a IA é uma excelente ferramenta!
2) Otimização de tarefas manuais
A IA e o ML têm o potencial de otimizar e automatizar tarefas manuais no setor de TI. Isso inclui processos como monitoramento de sistemas, gerenciamento de ativos de hardware e software, provisionamento de recursos em nuvem e resolução de problemas de infraestrutura.
Ao utilizar algoritmos inteligentes, as equipes de TI podem reduzir o tempo gasto em tarefas repetitivas e liberar recursos para atividades mais estratégicas e criativas.
3) Estabelecimento de sistemas autogerenciáveis
A IA e o ML também podem impulsionar a criação de sistemas autogerenciáveis no setor de TI. Esses sistemas são capazes de monitorar, diagnosticar e corrigir problemas de forma autônoma, sem intervenção humana direta. Por exemplo, algoritmos de aprendizado de máquina podem ser implementados em sistemas de monitoramento de rede para identificar padrões de tráfego suspeitos e tomar medidas preventivas automaticamente. Com isso, há um aumento na eficiência operacional e um fortalecimento da resiliência e da segurança dos sistemas de TI.
4) Discussão sobre a regulação das ferramentas
À medida que a inteligência artificial e o aprendizado de máquina se tornam integrados às operações de TI, surge a necessidade de uma discussão abrangente sobre a regulação dessas ferramentas. E questões éticas, de privacidade e segurança estão no centro desse debate em evolução.
A regulação das ferramentas de IA e ML no setor de TI envolve a definição de padrões e diretrizes para seu desenvolvimento, implementação e uso responsável. Requisitos de transparência algorítmica, garantia de imparcialidade e equidade, proteção de dados sensíveis e prestação de contas por decisões automatizadas podem fazer parte desse mapeamento. Além disso, a regulação também aborda preocupações sobre o impacto dessas tecnologias na força de trabalho, incluindo questões relacionadas com a substituição de empregos, treinamento e requalificação de profissionais afetados.
O diálogo entre governos, empresas, especialistas em tecnologia e sociedade civil é e será fundamental para desenvolver políticas e regulamentações que promovam o uso ético e responsável da IA e do ML no setor de TI, garantindo, ao mesmo tempo, a inovação contínua e a proteção dos direitos individuais e coletivos.
| ❗ Você também pode gostar: Por que uma empresa deve se preocupar com privacidade e ética no uso de dados e qual o papel do profissional de TI nesse cenário? |
_________________________________________________
Além dessas áreas, o ML e a IA serão bastante utilizados nos processos de recrutamento e seleção em TI.
Fique por dentro de outras novidades em TI
Acompanhe o lançamento semanal de conteúdos da Escola Superior de Redes (ESR) sobre o universo da TI nas mais diversas frentes.
Acesse o nosso #Blog e baixe nosso material gratuito para ter acesso a um conteúdo comprometido com a qualidade e com a disseminação de conhecimento na área.