Inteligência artificial utiliza chat para se comunicar

Cada vez mais as linguagens de programação estão incorporando a ideia de inteligência artificial (IA) para criar seus próprios códigos. Em matéria de IA, a área que mais está crescendo é machine learning, também chamado de "aprendizagem de máquina". Por meio de alguns conceitos de aprendizado reforçado, é possível que um programa corrija seus próprios erros e aprenda sozinho a se programar e evoluir.

Esse conceito já existe há muitos anos, mas nos últimos dois anos é que o machine learning mostrou grandes avanços, culminando no deep learning. A empresa Deep Mind (comprada pelo Google em 2014), por exemplo, utilizou deep learning para criar o Alpha Go, um software que aprendeu a jogar GO sozinho e venceu o melhor jogador de GO do mundo.

A melhor forma de colocar o conceito de machine learning em prática é utilizando Python. Baixe e instale o Python SciPy e obtenha o pacote mais útil para a aprendizagem de máquinas no Python. Depois, carregue um conjunto de dados e compreenda sua estrutura usando resumos estatísticos e visualização de dados. Não esqueça de criar 6 modelos de aprendizagem de máquinas, escolha o melhor e crie a confiança de que a precisão é confiável. Mais tarde, use métodos estatísticos para estimar a precisão dos modelos que criamos em dados não supervisionados. Também procure por uma estimativa mais concreta da precisão do melhor modelo em dados não vistos, avaliando-o em dados reais não supervisionados. Ou seja, vamos compilar alguns dados que os algoritmos não conseguirão ver e usaremos esses dados para obter uma segunda e independente ideia de quão precisa o melhor modelo pode ser. Posteriormente, iremos dividir o conjunto de dados carregado em dois blocos, dos quais 80% usaremos para treinar nossos modelos e 20% que nos manteremos como um conjunto de dados de validação.

Após instalados os pacotes e introduzidos os códigos iniciais, uma maneira de fazer predições é com o código:

knn = KNeighborsClassifier()

knn.fit(X_train, Y_train)

predictions = knn.predict(X_validation)

print(accuracy_score(Y_validation, predictions))

print(confusion_matrix(Y_validation, predictions))

print(classification_report(Y_validation, predictions))

Um bom exemplo de chat que utiliza machine learning é o Chatterbot, confira a documentação.

Alguns bots criados para conversar entre si começaram a utilizar uma nova forma de linguagem. Os bots Alice e Bob começaram a se comunicar de forma confidencial, utilizando criptografia. Foi a primeira vez na história em que duas entidades diferentes conseguiram criar um meio para se comunicar secretamente. Entenda melhor o que aconteceu com esse vídeo:

Outro vídeo muito interessante sobre inteligência artificial, que explica muito bem o conceito de machine learning, criação, composição e ideias (arte) criada a partir de uma IA é esse:

Assistindo esse último vídeo você terá um bom panorama sobre os perigos da inteligência artificial como um todo, os avanços e a tecnologia atual.

Não é à toa que Elon Musk, presidente da Testa e da Space X, fundador do Paypal, está trabalhando para regulamentar a IA a todo o custo. Atualmente ele tem despendido muito tempo na empresa recém-criada Open AI, que tem como objetivo compartilhar os avanços alcançados no mundo da inteligência artificial, de forma que todo progresso nessa área fique descentralizado, sem pertencer a um grupo pequeno de pessoas.