Este documento resume uma agenda de eventos sobre inteligência artificial, incluindo seminários, grupos de estudo e meetups. Ele também discute brevemente a história da IA, aplicações de aprendizado profundo, e desafios éticos emergentes à medida que a IA se torna mais avançada.

1. Uma breve história
+
Desafios na sociedade do
conhecimento
Inteligência
Artificial
Seminário SOL (ICS / UnB) "Desafios da inteligência artificial na sociedade do conhecimento" | 09/05/18
Meetup “Inteligência Artificial Brasília”
medium.com/@pierre_guillou

2. Agenda
Encontros do
Grupo de Pesquisa Tatá (ICS / Unb) + Meetup “Inteligência Artificial Brasília”
★ 26 de abril | Grupo Tatá / Meetup : “Impactos da Inteligência Artificial na democracia e nas finanças”
★ 9 de maio | Seminário ICS : “Desafios da inteligência artificial na sociedade do conhecimento”
★ Junho | Grupo Tatá / Meetup : “Impactos da IA na agropecuária”
★ Segundo semestre | Curso de extensão : “Impactos da IA na 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
★ Meetup “Inteligência Artificial Brasília” sobre o mundo dos negócios e da ética na IA
★ Slides do 26/04/18 sobre os “Impactos da Inteligência Artificial na democracia” estão online :-)

3. Inteligência artificial
Que tipo de IA ?
Para ajudar ou controlar
o ser humano ?

4. Terça, 8 de maio de 2018 (ontem…)
a IA do Google bateu
o Teste de Turing.

5. Teste de Turing ?
Capacidade de uma máquina exibir um
comportamento equivalente a um ser humano,
ou indistinguível deste.

7. ajudarA IA do Google bateu
o Teste de Turing…
… no caso de
uma ação específica
(agendando um corte num salão de beleza).

8. Em 3 e 5 de janeiro de 2018
a IA do Microsoft e da Alibaba
ultrapassaram humanos
no Teste de Leitura
da universidade de Stanford.

9. SQuAQ ?
O Dataset de Resposta a Perguntas de Stanford (SQuAD) é
um conjunto de dados de compreensão de leitura,
consistindo em questões colocadas por crowdworkers
relacionadas aos artigos da Wikipédia.
A resposta para cada questão é um segmento de texto ou
passagem da leitura correspondente (mais de 100.000
pares de perguntas e respostas em mais de 500 artigos).

10. O modelo de rede neural profunda
da Alibaba atingiu 82 440 pontos,
superando os melhores resultados
atingidos por humanos (82 304).
Um modelos semelhante da
Microsoft somou 82 650 pontos.
Aliba / Microsoft > 82 304
pela primeira vez !

11. A IA no
processamento
de linguagem natural (PLN)
pode nos ajudar.
Mas a IA não tem
uma compreensão do texto.
ajudar

12. Até 2020, a China terá o maior
sistema automático de vigilância e
punição do mundo.
Ele se chama “Social Credit System".

14. O “Social Credit System” é mais
que um sistema de vigilância.
É o desejo de controlar
os cidadãos e levá-los a ter um
"bom comportamento".
controlar

15. E agora,
um pouco de leveza :-)

17. Com a IA, somos todos iguais
em relação a arte.
Por isso, as pessoas com criatividade
vão se destacar.
ajudar

18. Inteligência
Artificial

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

20. Uma definição que evolui no tempo

21. Deep Learning

22. 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
=

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

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

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

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

27. Algumas aplicações do
Deep Learning
(saúde, visão, PLN)

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

29. Google Cloud AI | Serviços online de visão e PLN
Reconhecimento de visuais
● Google Cloud Vision
● Google Video Intelligence
PLN
● Google Cloud Natural Language
● Google Cloud Translation
● Google Cloud Speech
Em 20 de março de 2018, o Google anunciou
um investimento de US $ 300 milhões nos 3
próximos anos na Google News Initiative.
Essa iniciativa terá um impacto sobre o uso da
IA em todos os setores da sociedade com a
melhoria da IA e em particular, da IA no PLN.

30. Pelo treinamento, a IA encontra os vetores das palavras

31. Linguagem | Alguns usos da IA no PLN
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...

32. O futuro da
IA

33. Melhorar a IA fraca
● Hoje, cada IA deve ser treinada para um objetivo único.
● Precisamos muitos dados qualificados para treinamento de uma IA,
ao contrário de um ser humano + o treinamento precisa muito poder
de computação.
● A IA precisa de um instrutor humano para ser treinada.
● Nenhuma IA tem um senso comum e ainda menos, uma
consciência.
● Como evitar os vieses nos dados ?

34. 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

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

36. 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.

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

38. Desafios da IA

39. Vamos perder os nossos empregos ?

40. Vamos ser substituídos pelas máquinas ?

41. 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

42. Via privada | Facebook está perseguindo você…
… mesmo que não esteja no Facebook
Facebook envia um
email com um cookie
para seus amigos.
O cookie manda para
o Facebook o seu
computador id.
Um amigo seu marca
você num foto no
Facebook.
Você dá ao Facebook
a foto e o nome
do seu amigo.
Você consulta uma
página de um site Web
que tem o botão Like.
O Like manda para o
Facebook o histórico da
sua navegação Web.
Você dá ao Facebook
o nome e o email do
seu amigo.
Mesmo que não tinha
uma conta no
Facebook, ele
conhece
o seu nome, rosto,
email, computador id
e navegação Web.

43. Influenciar | Cambridge Analytica & a eleição nos EUA

44. Que respostas ?
Desemprego Planos de formação pelo governo e pelas empresas ?
Desigualdade Como impedir um mundo livre de todas as diferenças ?
Vida privada,
vigilância, controle
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 !

45. Propostas sobre
a vida privada e a ética

46. 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".

47. 23 Asilomar AI Principles
★ Research Issues
★ Ethics and Values
★ Longer-term Issues
https://futureoflife.org/ai-principles/

48. Obrigado,
mais...

49. 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