Slides da palestra do Pierre Guillou "Inteligência Artificial : uma breve historia, usos e aplicações atuais & riscos para a democracia" ministrada em 26/04/2018 no primeiro encontro do Grupo de Pesquisa Tatá (conhecimento, ciência e tecnologia do Programa de Pós graduação em sociologia da Universidade de Brasília) com o Meetup " Inteligência Artificial Brasília" . Esse evento abriu uma série de debates em Brasília sobre "Impactos da inteligência artificial na sociedade".

1. Uma breve história
Grupo de Estudo Tatá / “Deep Learning Brasília” meetup | 26/04/18 (v1.1)
medium.com/@pierre_guillou
Impacte na democracia
Usos e aplicações atuais
Inteligência
Artificial

2. Agenda
Próximos encontros
Grupo de Pesquisa Tatá (ICS / Unb) + Meetup “Inteligência Artificial Brasília”
★ 9 de maio (17h) | Seminário : “Desafios da inteligência artificial na sociedade do conhecimento”
★ Junho | Curso de extensão : “Inteligência Artificial e Sociedade”
Atualmente
★ Terças e sábados | Grupo de Estudo do Deep Learning em Brasília (curso Fastai do Jeremy Howard)
★ Meetup “Deep Learning Brasília” sobre as técnicas da IA
Lançamento
★ Meetup “Inteligência Artificial Brasília” sobre o mundo dos negócios e da ética na IA

3. Prontos ?

8. Inteligência
Artificial…
já está aqui !

9. IA já está em toda parte do nosso cotidiano
IA

10. Inteligência
Artificial

11. Técnicas para máquinas atuarem como humanos
Fonte : A history of Deep Learning

12. A inteligência artificial não existe
1950 - 2000 1990 - 2020 Ficção-científica
IA especializada (fraca)
Supervised Learning
IA geral (forte)
Unsupervised Learning
Futuro

13. Uma definição que muda com as técnicas

14. Deep Learning : o algoritmo único ?

15. Deep Learning

16. DL : 30 anos de pesquisa antes do Big Bang de 2012
Geoffrey HINTON
mostrou que o algoritmo
BP é o método de
aprendizagem do DL
1986
Yann LECUN criou a
rede profunda ConvNet
inspirada pelo córtex
visual e usando o BP
1989
Geoffrey HINTON
venceu a competição
ImageNet com AlexNet,
uma rede ConvNet
2012
Yann LECUN e Yoshua
BENGIO criaram LeNet-5,
primeira ConvNet a ser
usada na vida real
1998
Andrew NG lançou o
primeiro MOOC gratuito em
Machine Learning (mais de
100 000 estudantes)
2011

17. Etapa 1 | Converter os dados em vetores de números
Imagem ?
Texto ?
Uma IA precisa de muitos
dados convertidos em
números.

18. Etapa 2 | Treinar a aprender em vez de programar
= gato
= cachorro
Programação de uma lista
de características
Uma IA aprende pelo
treinamento.

19. Etape 3 | Poder e velocidade de computação (GPU)
GPU
CPU
Uma IA precisa de
muita computação.
2010

20. Deep Learning : rede que aprende com seus erros
rosto
rosto
corpo
pé
mão
mão
rosto
erro !
BackPropagation do
gradiente do erro.
É o método de
aprendizagem de uma
rede neural profunda :
ela vai aprender com
seus erros.
1 2 3
4
5
Comparador
=

21. ConvNet : uma rede neural inspirada pelo cérebro
https://code.facebook.com/posts/384869298519962/artificial-intelligence-revealed/

23. Aplicações do
Deep Learning

24. Visão Linguagem Dados

25. Carros autônomos | Ver o mundo em tempo real
Fonte : Mask R-CNN (2017)
Outros setores de aplicação :
as câmeras de segurança, as
redes sociais...

26. Saúde | Decodificação do câncer
Detectar
Fonte : High-Resolution Breast Cancer Screening with
Multi-View Deep Convolutional Neural Networks (2017)
Prever
Fonte : Freenome

27. AI software que ajuda os médicos a diagnosticar
Pela primeira vez, a
FDA dos EUA aprovou
um dispositivo de
diagnóstico de IA que
pode detectar uma
forma de doença ocular
ao observar fotos da
retina.

28. Nvidia cria uma IA para restaurar fotos “corrompidas”

29. Art | Style transfert

30. Criatividade | Da imitação para a criação
Fonte : Synthesizing Obama: Learning Lip Sync from Audio (2017) | (Video (1:47s) sobre o processo)

32. Visão Linguagem Dados

33. Comunicação | Tradução em tempo real
Fonte : Skype Translator – How it Works (2014) | Vídeo
DL DL

34. Jornalismo | Está lendo um artigo escrito por uma IA
Fonte : Recode: The Washington Post will use robots to write stories about the Rio Olympics (2016)

35. Educação | Ensino e aprendizado personalizado
Professores
● avaliação semi-automática dos exames
● análise do conteúdo do curso
● pesquisa de cursos semelhantes
Estudantes
● adaptação do conteúdo por nível
● ajuda de um instrutor IA (chatbot)
● ajuda a procurar informações
● detecção de outros estudantes
Metodologias
de ensino e de aprendizado
● mais interações / experimentos
● mais questões / respostas
● aprendizado em mobilidade

36. Linguagem | Para cada problema, há um DL
Fonte : 7 Applications of Deep Learning for Natural Language Processing (2017)
Classificação de texto spam, idioma, género…
Modelagem de linguagem geração de título, de textos…
Reconhecimento de fala transcrever um discurso...
Geração de legendas imagens, vídeos...
Tradução em tempo real tradução....
Resumo de documentos criar um título/resumo para um documento...
Respostas a perguntas responder a perguntas sobre artigos da Wikipédia, de
notícias, papeis médicos...

37. Visão Linguagem Dados

38. Comércio | Sem caixas, nem vendedores
Fonte : Amazon Go | Vídeo

39. Indústria | Economizar e otimizar mais com os dados
Fonte : DeepMind AI Reduces Google Data Centre Cooling Bill by 40% (2016)
Com o DL, o Google reduziu
sua conta de refrigeração de
seus centros de dados em 40%

40. Ciência | Uma IA ajudou a descobrir um novo planeta
Fontes :
Grâce à l’intelligence artificielle, la NASA et Google identifient deux nouvelles exoplanètes (2017)
Earth to exoplanet: Hunting for planets with machine learning (2017)

41. O futuro da
IA

42. Reinforcement Learning
Treinamento : um agente
executa ações em um
ambiente para maximizar
uma recompensa
Jogo de Go
Objetivo: ganhar o jogo !
● Estado: posição de todas as peças
● Ação: onde colocar a próxima peça
● recompensa: 1 se vencer no final do jogo, o
caso contrário

43. Unsupervised Learning
Treinamento : aprender a
detectar a estrutura oculta
de dados "não rotulados"

44. Generative Adversarial Networks (GANs)
GANs são compostas por duas redes
separadas: uma que gera as imagens
com base nos dados de treinamento e
uma segunda rede discriminadora (o
adversário) que verifica se elas são
reais.
Ao trabalhar em conjunto, essas duas
redes podem produzir algumas
falsificações surpreendentemente boas.
E não apenas faces - objetos e
paisagens do dia-a-dia também podem
ser criados.

45. CapsNet : uma rede neural “mais humana”
Fontes : Geoffrey Hinton talk "What is wrong with convolutional neural nets ?" (2014) | Google’s AI Wizard Unveils a New Twist on Neural Networks (2017)

46. Um dia : um verdadeiro neurônio artificial
Fonte : Artificial neurons compute faster than the human brain (2018)

47. Riscos da IA na
democracia

48. Vamos perder os nossos empregos ?

49. Vamos ser substituídos pelas máquinas ?

50. A noção de vida privada vai desaparecer ?

51. Cambridge Analytica influenciou a eleição nos EUA ?

52. “Social Credit System" na China : maior sistema de
vigilância e de punição automática do mundo

54. Estudo de caso

55. Exemplo do DL nos carros autônomos
Limites técnicos
✓ Problemas de reconhecimento de situações incomuns e de lugares
não estruturados (ex : por causa da neve)
✓ Hacking do sistema de DL + vieses nos dados
✓ As redes neurais profundas são uma caixa preta (mas a pesquisa
universitária já começou)
Questões sociais e econômicas
✓ Responsabilidade em caso de acidente
✓ Desemprego de motoristas de caminhões
✓ Reorganização da indústria automobilística e das cidades
✓ Vida privada por causa de todos os dados gravados pelas câmeras dos
carros autônomos

56. Que respostas ?
Desemprego Planos de formação pelo governo e pelas empresas ?
Desigualdade Como impedir um mundo livre de todas as diferenças ?
Vida privada Como proteger nossa vida privada ?
Ética Construir uma IA ao serviço do ser humano !
Responsabilidade Um algoritmo de DL é uma caixa preta ?
Quem é responsável ?
Armas Impedir as armas autônomas !
Humanidade Fortalecer a nossa criatividade e a nossa diversidade !

57. Há soluções para
proteger a vida
privada !

59. Europa em 25/05/18 : Regulamento Geral de
Protecção de Dados Pessoais (RGPDP)
Extracto : "o seu consentimento para
abrir uma conta numa rede social por
exemplo não pode ser considerado
como requisito válido para a
justificação de tratamento de dados
pessoais".

60. 23 Asilomar AI Principles
★ Research Issues
★ Ethics and Values
★ Longer-term Issues
https://futureoflife.org/ai-principles/

61. Obrigado,
mais...

62. Obrigado por atuar contra as armas autônomas !!!
Stop Autonomous Weapons
Pierre GUILLOU
IA | Brasília - Paris
m.me/pierre.guillou.fr
@pierre_guillou
linkedin.com/in/pierreguillou
medium.com/@pierre_guillou