Novidades em Inteligência Artificial da Gartner Hype Cycle de 2022

Ciclo de Hype para a Inteligência Artificial, 2024

O Ciclo de Hype™ da Gartner para a Inteligência Artificial (IA), 2022, identifica inovações essenciais na tecnologia de IA que vão além da IA quotidiana, acrescentando inteligência a aplicações empresariais, dispositivos e ferramentas de produtividade anteriormente estáticas.

“É de salientar que o Ciclo de Hype para IA está repleto de inovações que deverão gerar benefícios amplos e até transformadores”, afirmou Afraz Jaffri, analista principal da Gartner. “É dada especial atenção às inovações que deverão alcançar uma adoção generalizada dentro de dois a cinco anos, incluindo a IA composta, a inteligência de decisão e a IA de ponta. A adoção antecipada destas inovações pode gerar uma vantagem competitiva significativa e valor comercial, além de mitigar problemas associados à fragilidade dos modelos de IA.”

Descarregue agora: Um guia detalhado das 10 principais tendências tecnológicas estratégicas da Gartner para 2023

Inovações em IA em quatro categorias

Espera-se que a vasta gama de inovações em IA impacte as pessoas e os processos dentro e fora da empresa, tornando importante que muitas partes interessadas, desde líderes empresariais a equipas de engenharia corporativa responsáveis pela implementação e operação de sistemas de IA, compreendam estas inovações.

No entanto, os líderes de dados e analítica (D&A) podem obter os maiores benefícios utilizando a perspetiva do Hype Cycle para desenvolver uma estratégia de IA para o futuro e utilizando tecnologias que estão a ter um impacto significativo hoje.

As inovações em IA no Hype Cycle refletem prioridades complementares e, por vezes, conflituantes em quatro categorias principais:

IA centrada em dados

IA centrada em modelos

IA centrada em aplicações

IA centrada no ser humano

Hype Cycle para IA 2022

Saiba mais: Guia Executivo para a IA

IA centrada em dados

A comunidade de IA concentra-se tradicionalmente em melhorar os resultados das soluções de IA, ajustando os próprios modelos de IA, mas a IA centrada em dados muda o foco para melhorar e enriquecer os dados utilizados para treinar algoritmos.

A IA centrada em dados rompe com a gestão de dados tradicional ao abordar considerações de dados específicas da IA, mas as organizações que investem em IA em escala evoluirão para manter as ideias clássicas e perenes de gestão de dados e estendê-las à IA de duas formas:

Adicionar os recursos necessários para facilitar o desenvolvimento de IA para um público focado em IA que não está familiarizado com a gestão de dados.

Utilize a IA para melhorar e melhorar os conceitos clássicos de governação de dados, persistência, integração e qualidade de dados.

As inovações na IA centrada em dados incluem dados sintéticos, gráficos de conhecimento, rotulagem de dados e anotações.

Descarregue agora: Uma estrutura para captar o valor comercial da IA

Por exemplo, os dados sintéticos são dados gerados artificialmente, em vez de serem obtidos através da observação direta do mundo real. Os dados podem ser gerados utilizando diferentes métodos, como a amostragem estatisticamente rigorosa de dados reais, métodos semânticos e redes adversárias generativas, ou através da criação de cenários simulados onde modelos e processos interagem para criar conjuntos de dados de eventos inteiramente novos.

A adoção de dados sintéticos está a aumentar em setores com áreas de aplicação de visão computacional e linguagem natural, mas a Gartner prevê que a utilização de dados sintéticos aumente significativamente, uma vez que:

Evitar o uso de informação de identificação pessoal ao treinar modelos de aprendizagem automática (ML) com variações sintéticas dos dados originais ou substituição sintética de partes dos dados;

Reduzir os custos de desenvolvimento de ML e poupar tempo, pois é mais barato e rápido de adquirir;

Melhorar o desempenho da aprendizagem automática, pois mais dados de treino levam a melhores resultados;

IA centrada em modelos;

Embora as abordagens de IA se tenham voltado para o foco nos dados, ainda é necessário dar atenção aos seus modelos para garantir que os seus resultados continuam a ajudar-nos a tomar ações mais inteligentes. As inovações nesta área incluem a IA baseada na física, a IA composta, a IA causal, a IA generativa, os modelos fundacionais e a aprendizagem profunda.

A IA composta refere-se à fusão de diferentes tecnologias de IA para melhorar a eficiência da aprendizagem e ampliar o nível de representação do conhecimento. Como nenhuma tecnologia de IA é omnipotente, a IA composta irá eventualmente fornecer uma plataforma para resolver uma gama mais ampla de problemas de negócio de forma mais eficiente.

Espera-se que a IA composta alcance uma aplicação generalizada em dois a cinco anos, e os seus benefícios comerciais podem ser transformadores, capacitando todas as esferas da vida, dando origem a novos modelos de negócio e, por fim, levando a uma grande mudança no panorama do setor. Por exemplo, a IA composta:

Leva o poder da IA a um grupo mais vasto de organizações que não têm acesso a grandes quantidades de dados históricos ou rotulados, mas possuem uma rica perícia humana.

Ajuda a expandir o âmbito e a qualidade das aplicações de IA (ou seja, podem ser incorporados mais tipos de desafios de raciocínio).

A IA causal inclui uma variedade de tecnologias, como gráficos causais e simulações, que ajudam a revelar relações causais para melhorar a tomada de decisões. Embora sejam necessários 5 a 10 anos para que a IA causal alcance uma aplicação generalizada, espera-se que os seus benefícios comerciais sejam muito significativos – proporcionará novas formas de executar processos horizontais ou verticais, aumentando significativamente a receita da empresa ou poupando custos. Os benefícios da IA causal incluem:

Aumentar a eficiência dos modelos de IA causal com conjuntos de dados mais pequenos, adicionando conhecimento do domínio

Melhoria da tomada de decisões e autonomia dos sistemas de IA

Melhorar a explicabilidade, captando relações causais facilmente interpretáveis

Permitir maior robustez e adaptabilidade, alavancando relações causais que se mantêm válidas em ambientes em mudança

Reduzir os enviesamentos nos sistemas de IA, tornando as relações causais mais explícitas

IA centrada em aplicações

As inovações aqui incluem engenharia de IA, inteligência de decisão, sistemas operacionais de IA, ModelOps, serviços de IA na nuvem, robôs inteligentes, processamento de linguagem natural (PLN), carros autónomos, aplicações inteligentes e visão computacional.

Espera-se que a inteligência de decisão e a IA de ponta alcancem uma adoção generalizada dentro de dois a cinco anos, com benefícios empresariais transformadores.

A inteligência de decisão é uma disciplina prática que melhora a tomada de decisões, compreendendo e projetando explicitamente como as decisões são tomadas e como avaliar, gerir e melhorar os resultados através do feedback.

A Inteligência de Decisão ajuda a:

Reduzir a dívida técnica, melhorar a visibilidade e aumentar o impacto dos processos de negócio, melhorando significativamente a sustentabilidade dos modelos de decisão organizacionais com base na relevância e na qualidade da transparência, tornando as decisões mais transparentes e auditáveis.

Reduzir a imprevisibilidade dos resultados das decisões, captando e contabilizando adequadamente a incerteza no ambiente empresarial e tornando os modelos de decisão mais resilientes.

Descarregue já: Como Elaborar Estratégias para o Seu Processo de Decisão.

A IA de Borda refere-se à incorporação de tecnologias de IA em endpoints, gateways e servidores de borda da Internet das Coisas (IoT) para aplicações que vão desde carros autónomos a análises de streaming. Os seus benefícios comerciais incluem:

Aumentar a eficiência operacional, como por exemplo sistemas de inspeção visual de fabrico.

Melhorar a experiência do cliente.

Reduzir a latência das decisões com análises locais.

Reduzir os custos de conectividade e o tráfego de dados entre a edge e a cloud.

As soluções estão sempre disponíveis, independentemente da conectividade da rede.

IA centrada no ser humano.

Este grupo de inovações inclui a Gestão da Confiança, Risco e Segurança em IA (TRiSM), IA Responsável, Ética Digital e Kits Educativos e de Criação de IA.

Quando a IA substitui a tomada de decisão humana, amplifica os bons e os maus resultados. A IA responsável aborda a tensão entre a entrega de valor e a assunção de riscos para alcançar os resultados certos. A IA responsável é um termo abrangente que abrange todos os aspetos da tomada de decisões comerciais e éticas adequadas ao adotar a IA, incluindo o valor comercial e social, o risco, a confiança, a transparência, a justiça, a mitigação de preconceitos, a explicabilidade, a prestação de contas, a segurança, a privacidade e a conformidade regulamentar. A IA responsável levará cinco a dez anos a ser adotada de forma generalizada, mas, em última análise, terá um impacto transformador nos negócios.

A ética digital é uma tendência de curto prazo (dois a cinco anos) que pode ter um impacto significativo nos negócios. A ética digital abrange um sistema de valores e princípios éticos para as interações eletrónicas entre pessoas, organizações e coisas. Estas questões, especialmente as relacionadas com a privacidade e os enviesamentos, continuam a ser o foco de muitos. As pessoas estão cada vez mais conscientes do valor da sua informação e sentem-se frustradas com a falta de transparência, o uso indevido de informação e a fuga de informação. As organizações estão a tomar medidas para reduzir os riscos na gestão e proteção de dados pessoais, e os governos estão a implementar legislação mais rigorosa.