1. O documento discute as aplicações da inteligência artificial na saúde no passado, presente e futuro, incluindo como a IA pode ajudar as pessoas a permanecerem saudáveis e reduzir visitas ao médico. 2. A IA também pode ajudar profissionais de saúde a melhor entenderem os padrões e necessidades dos pacientes para fornecer melhores orientações. 3. Robôs têm potencial para revolucionar os cuidados no final da vida, ajudando as pessoas a permanecerem independentes por mais tempo.
3. HI + AI = SI
Human Intelligence +
Artificial Intelligence
= Super Intelligence
4.
5. O que é IA ?
Sistemas Computacionais que
atuam de forma considerada
inteligente quando efetuada
por um ser humano
• Termo Guarda Chuva cobrindo:
• Computer vision
• Natural language processing
• Virtual Assistants
• Robotic process automation
• Advanced machine learning
6.
7.
8.
9. • One of AI's biggest potential benefits is to help
people stay healthy so they don't need a doctor, or
at least not as often. The use of AI and the Internet
of Medical Things (IoMT) in consumer health
applications is already helping people.
• Technology applications and apps encourage
healthier behaviour in individuals and help with the
proactive management of a healthy lifestyle. It puts
consumers in control of health and well-being.
• Additionally, AI increases the ability for
healthcare professionals to better understand the
day-to-day patterns and needs of the people they
care for, and with that understanding they are able
to provide better feedback, guidance and support
for staying healthy.
10. • Beyond scanning health records to help providers
identify chronically ill individuals who may be at risk
of an adverse episode, AI can help clinicians take a
more comprehensive approach for disease
management, better coordinate care plans and help
patients to better manage and comply with their
long-term treatment programmes.
• Robots have been used in medicine for more than
30 years. They range from simple laboratory robots
to highly complex surgical robots that can either aid
a human surgeon or execute operations by
themselves. In addition to surgery, they’re used in
hospitals and labs for repetitive tasks, in
rehabilitation, physical therapy and in support of
those with long-term conditions.
11. • We are living much longer than previous
generations, and as we approach the end of life,
we are dying in a different and slower way, from
conditions like dementia, heart failure and
osteoporosis. It is also a phase of life that is often
plagued by loneliness.
• Robots have the potential to revolutionise end
of life care, helping people to remain
independent for longer, reducing the need for
hospitalisation and care homes. AI combined
with the advancements in humanoid design are
enabling robots to go even further and have
‘conversations’ and other social interactions with
people to keep aging minds sharp.
12.
13. Épocas e Tipos ( IA)
• Muitos teóricos de inteligência artificial, incluindo alguns
filósofos, teorizam a existência de basicamente três tipos de
inteligência artificial: ANI (artificial narrow intelligence), AGI
(artificial general intelligence), e ASI (artificial superintelligence).
16. What is a large
language model?
Figure 2:
Foundational model,
Source: ArXiv
17.
18. AI principles behind foundation models
Training data
Self-supervised learning
Overfitting
Parameters and weights
Fine-tuning and prompt engineering
Evaluation metrics
Neural networks
19. Princípios de IA por trás dos modelos de fundação
Dados de treinamento
Aprendizagem auto-supervisionada
Sobreajuste
Parâmetros e pesos, Engenharia de ajuste fino e rápida
Métricas de avaliação
Redes neurais
21. Extremely brief historical background and
development of LLMs
1950s–1990s Initial attempts are made to map hard rules around languages and follow logical steps to
accomplish tasks like translating a sentence from one language to another. While this works sometimes, strictly
defined rules only work for concrete, well-defined tasks that the system has knowledge about.
1990s Language models begin evolving into statistical models and language patterns start being analyzed, but
larger-scale projects are limited by computing power.
2000s Advancements in machine learning increase the complexity of language models, and the wide adoption of
the internet sees an enormous increase in available training data.
2012 Advancements in deep learning architectures and larger data sets lead to the development of GPT
(Generative Pre-trained Transformer).
2018 Google introduces BERT (Bidirectional Encoder Representations from Transformers), which is a big leap in
architecture and paves the way for future large language models.
2020 OpenAI releases GPT-3, which becomes the largest model at 175B parameters and sets a new performance
benchmark for language-related tasks.
2022 ChatGPT is launched, which turns GPT-3 and similar models into a service that is widely accessible to users
through a web interface and kicks off a huge increase in public awareness of LLMs and
generative AI.
2023 Open source LLMs begin showing increasingly impressive results with releases such as Dolly 2.0, LLaMA,
Alpaca and Vicuna. GPT-4 is also released, setting a new benchmark for both parameter
size and performance.
22. • 1. ÉPOCA PRÉ-HISTÓRICA
(Nesta época nada se conhecia sobre os mecanismos da mente, nem sob o prisma fisiológico nem psicológico e por
esta razão vai até 1875 quando Camilo Golgi visualizou o neurônio)
• 2. ÉPOCA ANTIGA (1875-1943)
Época em que a lógica formal apareceu (Russel, Gödel,etc) tudo poderia ser axomatizado e reduzido à Lógica.
Gödel abalou o mundo de Hilbert com seu teorema de imcompletude da aritmética. Foi a época em que, tal como os
filósofos gregos fizeram, são colocadas as bases da IAS e IAC, terminando com a publicação do trabalho de
McCulloch e Pitts modelando o neurônio.
• 3. ÉPOCA ROMÂNTICA (1943-1956)
(É o otimismo desordenado, que tam um jovem rapaz romântico crê que tudo é possível. Acaba com a reunião no
Darthmouth College)
• Objetivo: Simular a inteligência humana em situações pré-determinadas.
• Metodologia e conquistas: Inspiração na natureza. Nascimento Cibernético. Primeiros mecanismos imitando
funcionamento de redes de neurônios. Primeiros programas imitando comportamento inteligente.
• Limitações: Limitação das capacidades computacionais.
•
23. 4. ÉPOCA BARROCA (1956-1969)
(Tudo é fácil e será conseguido. tiveram grande interesse em desmistificar o
computador que na época chegou a ser chamado pelo grande público de " cérebro
eletrônico".
Objetivo: Expandir ao máximo as aplicações da IA tanto usando a abordagem simbólica
quanto a conexionista.
Metodologia e conquistas: Perceptron. Primeiros sistemas especialistas usando a
abordagem simbólica. Grandes esperanças da IAS.
Limitações: Dificuldades em técnicas de aprendizado de redes complexas.
5. ÉPOCA DA TREVAS (1969-1981)
Paralização de quase todas as pesquisas em IA por falta de verbas. Acabou quando em
outubro os japoneses anunciaram seus planos para a Quinta Geração de Computadores
e em outro ambiente Hopfield publica célebre artigo sobre redes neurais. Uma
característica interessante é que o renascimento da IA simbólica se fez em ambientes
de computação e o de redes neurais em um ambiente interdisciplinar.
Metodologia e conquistas: Sistemas especialistas. Aplicações principalmente em
laboratórios. Os computadores usados principalmente para aplicações administrativas
e numéricas. Interesse dos fabricantes de computadores de desmistificar a máquina
levando a pouco interesse em IA.
Limitações: Interesses econômicos.
24. 6. RENASCIMENTO (1981-1987)
(Começou a corrida para IA. Os resultados obtidos nas épocas anteriores atingiram o público em geral.
Sistemas especialistas se popularizaram. Primeira conferência internacional de Redes Neurais marca
final do período. Note-se que redes neurais evoluiu independente da IA Simbólica).
Objetivo: Renascimento da IA, simbólica e conexionista
Metodologia e conquistas: Popularidade da linguagem Prolog, adotada pelos japoneses. Crescimento da
importância da Lógica. Proliferação de máquinas suportando ferramentas para IA.
Alguns poucos pesquisadores continuaram seus trabalhos em RNAs, Grossberg, Kohonen, Widrow,
Hinton, etc. No final do período, trabalhos de Hopfield, do grupo PDP, etc., criaram condições para a
fase seguinte no que diz respeito às RNAs.
Limitações: a IAS e a IAC evoluindo separadamente.
7. ÉPOCA CONTEMPORÂNEA (1987- atual)
(Logo no início do período Gallant publica seu cérebre artigo sobre sistemas especialistas
conexionistas.
Objetivo: Alargamento das aplicações das IAs. Uso em tomografia, pesquisas em campos de petróleo, e
bases de dados inteligentes.
Metodologia e conquistas: Redes diretas como aproximador universal. Lógica nebulosa usada largamente
em indústrias para controle inteligente. Sistemas especialistas se torna tecnologia dominada. Bons
resultados em problemas mal definidos com sistemas usando hibridismo neural-nebuloso. Novo
paradigma de programação: programação conexionista.
Limitações: Quem sabe??? Uma possibilidade é uma grande expansão das bases de dados inteligentes.