4 tipos de dados para aplicar Inteligência Artificial

Existem 4 tipos de dados para a Inteligência Artificial (IA). Entendê-los não apenas nos dará uma ideia dos dados que serão necessários para nosso projeto de IA, mas também nos fornece uma visão muito relevante dos casos de uso que podemos implementar.

Os 4 tipos de dados para a inteligência artificial são:

1. Dados de imagem
2. Dados de linguagem natural
3. Dados de sensores
4. Dados transacionais

Dados da imagem

Embora os humanos possam ver uma foto e reconhecer imediatamente qualquer objeto, isso para os computadores não era nada fácil até muito recentemente. A programação informática tradicional exigia que os desenvolvedores dessem instruções detalhadas aos computadores sobre o que fazer exatamente em qualquer situação.

Atualmente, já podemos programar computadores para que aprendam coisas a partir de sua própria experiência. Isso é graças aos avanços realizados em Machine Learning (ML), assim como à maior capacidade de computação e de armazenamento dos computadores que permite aos cientistas de dados o uso de abordagens como as que são utilizadas no próprio cérebro humano (redes neurais).

Alguns exemplos de casos de uso com dados de imagens são:

• Verificação da identidade por meio de comparação facial
• Análise do uso de equipamentos de proteção e máscaras no local de trabalho
• Detecção de milhares de objetos como, por exemplo, logotipos de marcas

Na verdade, qualquer um de nós está utilizando esse tipo de algoritmos quando subimos imagens para o Google Fotos ou Photos da Amazon. Além disso, os carros modernos utilizam esse tipo de algoritmos para detectar o que acontece ao seu redor. A novidade mais recente e que chamou muita atenção no campo da IA de imagem é o DALL-E-2, capaz de criar imagens a partir de um texto.

Dados de linguagem natural

O processamento de linguagem natural (NLP) é um campo da inteligência artificial em que os computadores analisam, compreendem e derivam o significado da linguagem humana. NLP é outro exemplo de um problema simples para os humanos, mas muito difícil para a informática tradicional. Compreender a linguagem humana é compreender não somente as palavras, mas também os conceitos e como se vinculam entre si para criar significado.

A PNL é comumente usada para extração de texto, tradução automática e resposta automática a perguntas com chatbots de atendimento ao cliente. Também para transcrever voz para texto ou incorporar vozes realistas em nossas aplicações, e até mesmo para fazer "análise de sentimento", ou seja, conhecer o estado de ânimo de nossos clientes e melhorar o atendimento aos mesmos.

Dados dos sensores

Hoje em dia, a proliferação da Internet of Things (IoT) tanto no âmbito doméstico quanto profissional levou a que quase qualquer dispositivo que usamos em nossas casas, escritórios, fábricas ou até mesmo em nossos corpos (wearables) possa estar online e conectado. Nossas cidades estão sensorizadas (smart cities) e medem o tráfego, a qualidade do ar, o ruído e todo tipo de dados que ajudam a melhorar a qualidade de vida do cidadão.

Em nível empresarial, IoT tem enormes implicações na forma como fabricamos bens, fornecemos serviços, vendemos aos clientes e acompanhamos com suporte. As fábricas inteligentes e as plantas de logística estão cada vez mais automatizadas. Por exemplo, a aplicação de inteligência artificial aos dados de sensores permite a manutenção preditiva, isto é, prever onde ocorrerão falhas antes que aconteçam para substituir e reparar de maneira mais eficiente os equipamentos defeituosos, e até mesmo a prescrição de tarefas aos nossos operadores facilitando a tomada de decisões em determinados momentos da cadeia operacional.

Dados Transacionais

Os dados transacionais são as informações registradas das transações realizadas pelos nossos usuários. Uma transação é uma sequência de troca de informações que satisfaz uma solicitação, por exemplo, uma compra em um ecommerce ou uma visualização em uma plataforma de streaming.

Os dados dos nossos cartões de crédito são dados transacionais. Por isso, um campo importante para a inteligência artificial baseada em dados transacionais é a detecção de fraudes e a análise de transações de pagamentos. Também, através da aplicação de inteligência artificial nesse tipo de dados, podemos realizar previsões de vendas em lojas e previsões de rupturas de estoque em armazéns. Outros casos de uso comuns são as recomendações personalizadas para nossos usuários (como as recomendações feitas para nós pela Amazon, Youtube, Netflix ou Spotify), assim como a realização de promoções personalizadas e vendas cruzadas.

Vimos os diferentes tipos de dados para a IA. Começar por entender os dados é uma maneira muito útil de vislumbrar o tipo de aplicações que a IA nos oferece.