O que esperar dos avanços da tecnologia em machine learning e inteligência artificial?
Durante o ano de 2018, acompanhamos um grande aumento das plataformas, ferramentas e aplicativos baseados em inteligência artificial. Essas tecnologias impactaram não apenas os softwares e as indústrias da Internet, mas também outros meios, como saúde, jurídico, financeiro, automobilística e agrícola. O Machine Learning esta começando a disseminar-se.
Continuaremos a ver o avanço das tecnologias relacionadas ao “machine learning” (ML) e inteligência artificial (IA) durante 2019 e no futuro. Empresas como Amazon, Apple, Facebook, Google, IBM e Microsoft estão investindo massivamente na pesquisa e desenvolvimento de IA, o que beneficiará o ecossistema em aproximar essa tecnologia dos consumidores.
Aqui estão algumas tendências da inteligência artificial a serem observadas ao longo de 2019
Aumento do número de chips habilitados para a Inteligência Artificial
Ao contrário de outros softwares, a inteligência artificial depende do desenvolvimento de processadores com características específicas para suas funções. Mesmo o mais rápido e avançado modelo pode não melhorar a velocidade de treinamento de um programa de IA. Durante a interação com o mundo, o produto com essa tecnologia precisa de hardware adicional para realizar cálculos matemáticos complexos, a fim de realizar tarefas como detecção de objetos e reconhecimento facial.
Em 2019, fabricantes de chips como Intel, NVIDIA, AMD, ARM e Qualcomm enviarão chips especializados que aceleram a execução de aplicativos habilitados para inteligência artificial. Esses chips serão otimizados para casos de uso específicos como cenários relacionados à visão computacional, processamento de linguagem e reconhecimento de fala. Os aplicativos da próxima geração dos setores de saúde e automotivo contarão com esses chips para fornecer inteligência aos usuários finais.
O ano que vem também será marcado pelo aumento em investimentos em chips baseados em FPGAs (Field Programmable Gate Arrays) e ASIC (Application Specific Integrated Circuits) por empresas como Amazon, Microsoft, Google e Facebook.
Esses chips serão fortemente otimizados para executar cargas de trabalho modernas baseadas em IA e computação de alto desempenho. Alguns desses componentes também ajudarão os bancos de dados da próxima geração a acelerar o processamento de consultas e a análise preditiva.
Estes são alguns dos projetos que já estão confirmados para o ano de 2019: Projeto Nitro da Amazon, Cloud TPUs do Google, Projeto Brainwave da Microsoft, Intel Myriad X VPU.
Convergência entre internet das coisas e a inteligência artificial
Em 2019, a IA fará parte integral dos produtos mais avançados habilitados com a tecnologia da chamada internet das coisas (IdC). A maioria dos modelos de inteligência artificial baseada na nuvem pública será implantada nesses dispositivos rapidamente.
A IdC industrial é o principal caso de uso para inteligência artificial que pode realizar detecção de outliers, realizar análises de causa raiz e gerenciar a manutenção preventiva de equipamentos.
Modelos de machine learning avançados baseados em redes neurais profundas serão otimizados para serem executados nos dispositivos topo de linha. Eles serão capazes de lidar com quadros de vídeo, síntese de fala, dados de séries temporais e dados não estruturados gerados por dispositivos como câmeras, microfones e outros sensores.
IdC está pronta para se tornar o maior impulsionador da inteligência artificial nas empresas. Os dispositivos Edge serão equipados com os chips dedicados à inteligência artificial especiais baseados em FPGAs e ASICs.
Neste campo, estes são alguns dos projetos esperados para 2019: Suporte para inferência de ML na borda pelo AWS Greengrass, o IA Toolkit para o Azure IdC Edge, o Google Cloud IdC Edge, o FogHorn Lightning Edge Intelligence e o Project Flogo pela TIBCO.
A comunicação entre redes neurais será fundamental
Um dos desafios críticos no desenvolvimento de modelos de redes neurais está na escolha do framework correto. Os cientistas e desenvolvedores de dados precisam escolher a ferramenta certa dentre uma infinidade de opções que incluem o Caffe2, o PyTorch, o Apache MXNet, o Microsoft Cognitive Toolkit e o TensorFlow. Uma vez que um modelo é treinado e avaliado em uma estrutura específica, é difícil portar o modelo treinado para outra estrutura.
A falta de portabilidade entre os conjuntos de ferramentas de inteligência artificial e machine learning está dificultando a adoção desta tecnologia. Para enfrentar esse desafio, a AWS, o Facebook e a Microsoft colaboraram para criar o Open Network Network Neuron (ONNX), que permite unir modelos de rede neural treinados em diferentes estruturas.
Em 2019, o ONNX se tornará uma tecnologia essencial para o setor. De pesquisadores a fabricantes de dispositivos de ponta, todos os principais participantes do ecossistema dependerão do ONNX como o tempo de execução padrão para inferência.
Dois exemplos que podemos citar que indicam essa tendência para o ano seguinte são: o Windows 10 é fornecido com o tempo de execução ONNX, e o kit de ferramentas OpenVINO da Intel suporta o ecossistema.
Machine learning automatizado ganhará destaque
Uma tendência que mudará fundamentalmente as soluções baseadas em machine learning (ML) é o AutoML. Isso capacitará analistas de negócios e desenvolvedores a projetar modelos de ML que possam abordar cenários complexos sem passar pelo processo típico de treinamento de modelos mais antigos.
Ao lidar com uma plataforma AutoML, os analistas de negócios permanecem focados no problema de negócios, ao invés de se perderem no processo e no fluxo de trabalho.
Essa técnica se encaixa perfeitamente entre APIs cognitivas e plataformas ML customizadas. Ele fornece o nível certo de personalização sem forçar os desenvolvedores a passar pelo fluxo de trabalho elaborado. Ao contrário das APIs cognitivas, muitas vezes consideradas como caixas pretas, o AutoML expõe o mesmo grau de flexibilidade, mas com dados personalizados combinados com portabilidade.
Primeiros indicadores - DataRobot, Google Cloud AutoML, APIs cognitivas personalizadas da Microsoft, Entidades personalizadas para o Amazon Comprehend.
Ferramentas de inteligência artificial irão automatizar operações de análise e pesquisa de dados
Aplicações e infraestrutura modernas estão gerando dados de registro que são capturados para indexação, pesquisa e análise. Os conjuntos de dados massivos obtidos de softwares e aplicativos podem ser agregados e correlacionados para encontrar insights e padrões. Quando os modelos de aprendizado de máquina são aplicados a esses conjuntos de dados, as operações de TI se transformam de reativas em preditivas.
Quando o poder da inteligência artificial for aplicado a essas operações, ele redefinirá a maneira como a infraestrutura é gerenciada. A aplicação de ML e IA em operações de TI fornecerá inteligência às organizações, ajudando as equipes a realizar análises mais precisas.
Aprendizado de máquina e inteligência artificial se tornarão as principais tendências tecnológicas de 2019. Os aplicativos ligados a negócios que tenham suporte à essas tecnologias poderão trazer um impacto significativo nos modelos de negócio.
