inteligência artificial

Inteligência Artificial

Será que as máquinas são capazes de pensar?

Desde 2017, há uma grande expectativa em torno da inteligência artificial (IA), como uma das principais áreas que irão evoluir dentro das tecnologias da informação. A IA já provou sua grande utilidade em uma ampla variedade de aplicações: assistentes virtuais, aplicativos, jogos mentais e muito mais.

Mas vamos voltar à nossa pergunta original: essas máquinas são realmente capazes de pensar? Questão que imediatamente nos leva a uma nova pergunta: o que exatamente é o pensamento? Não há uma definição única e direta deste conceito.


O que distingue a inteligência artificial da inteligência humana?

A única característica dos seres humanos (pelo menos no momento) é o seu pensamento criativo e inovador. As máquinas, no entanto, podem escolher entre opções de decisão existentes e podem processar uma quantidade incrivelmente grande de dados e informações. Além disso, elas também têm impressionante confiabilidade, precisão, continuidade e trabalham 24 horas por dia. Elas podem até mesmo realizar tarefas complexas se receberem a instrução correta. Os algoritmos, o alto poder de processamento e o crescimento exponencial dos dados a serem processados formam a base da inteligência artificial.

A partir daqui, é claro que a inteligência artificial tem um enorme potencial. O desenvolvimento contínuo de aprendizado das máquinas também tem consequências para o local de trabalho.

DOWNLOAD WHITEPAPER HERE

SSI_Whitepaper_AI_ENG_WEB.pdf

null

758.0 KB

CONCEITOS BÁSICOS RELACIONADOS À INTELIGÊNCIA ARTIFICIAL

Innovations and Trends in material handling and logistics

A inteligência artificial (IA) é um ramo da tecnologia da informação que lida com a automação do comportamento inteligente. IA é a tentativa de programar um computador ou máquina para que ele seja capaz de processar problemas de forma independente e semelhante à de um humano com o conhecimento apropriado. A resolução de problemas envolve a tomada de decisões que dão uma resposta adequada ao problema em questão e em um momento específico. Essas decisões são baseadas em bancos de dados de várias fontes (bancos de dados, sensores, câmeras de vídeo, etc.).

artificial_intelligence_04

O aprendizado de máquina (Machine Learning) é um termo coletivo para vários processos que são usados para determinar uma inter-relação desconhecida entre dados de entrada e saída. Além das aplicações tradicionais que permanecem importantes, como a análise de formação de grupos, regressão, fatores e séries temporais, esse aprendizado também integra métodos mais complexos, como redes neurais, abordagens evolutivas e máquinas de vetores de suporte.

INTELIGÊNCIA ARTIFICIAL NA LOGÍSTICA

Já estamos olhando para a logística do futuro, graças às novas oportunidades que a inteligência artificial está oferecendo. Descubra conosco o mundo da digitalização.

O QUE ACONTECERÁ NO FUTURO?

Já estamos olhando para a logística do futuro, graças às novas oportunidades que a inteligência artificial está oferecendo. Descubra conosco o mundo da digitalização.

INTELIGÊNCIA ARTIFICIAL

Aprenda mais sobre o assunto.

O que é Inteligência Artificial?

Uma máquina é capaz de pensar ou tomar suas próprias decisões? A inteligência artificial é onipresente - não apenas no mundo dos negócios, mas também em nosso ambiente privado. Você quer descobrir mais?

MACHINE LEARNING

Publicidade online personalizada ou o filtro automatizado de e-mails spam são ativados através do aprendizado de máquina (ou machine learning). Assista ao vídeo e saiba mais.

ESTRATÉGIAS DE APRENDIZADO

Um alto número de repetições e qualidade de dados desempenham um papel vital para a aprendizagem! Mas quais tipos diferentes de estratégias de aprendizado são aplicados?

Estratégias de aprendizado


DEEP LEARNING

A aprendizagem profunda é uma tecnologia que permite aos computadores adquirir uma capacidade que é natural para os seres humanos: aprender com a experiência. Isso é usado, por exemplo, no reconhecimento de imagem e voz. Saiba o que é o aprendizado profundo e como evoluiu nos últimos anos.

SOBRE OS AUTORES

Markus Klug - Especialista em IA na SSI SCHÄFER

Markus Klug estudou matemática técnica na Universidade Tecnológica de Viena (TU Wien), especializando-se em simulação, pesquisa operacional e estatística. Depois de concluir seus estudos, passou algum tempo em Glasgow, onde pesquisou métodos de kernel para uso em modelos de simulação de eventos discretos. Em 2001, se juntou ao centro de pesquisa Seibersdorf, primeiramente como gerente de projetos, mais tarde tornando-se chefe do grupo de trabalho "Otimização de processos", onde conduziu e gerenciou projetos de pesquisa nacionais e internacionais sobre logística de transporte, logística específica para local e cadeias globais de suprimentos. Enquanto ainda conduzia sua pesquisa, ele também começou a lecionar em várias instituições de ensino superior em toda a Áustria, que mais tarde veio a se tornar sua principal profissão.

Ele faz parte da SSI SCHÄFER IT Solutions GmbH desde 2013. Ele foi originalmente responsável pela construção da análise de dados e simulação dentro da empresa, uma função que mais tarde cresceu para englobar ciência de dados e inteligência artificial /machine learning. Como especialista militar em logística de forças de reserva, com foco particular em pesquisa de operações militares, ele também atua como consultor para o exército austríaco, fornecendo consultoria especializada sobre o desenvolvimento de modelos e processos matemáticos no setor militar. Markus tem extenso conhecimento e experiência, conforme demonstrado por suas várias publicações acadêmicas, palestras, participação em comitês de programa acadêmico, cadeiras de sessão em conferências acadêmicas e sua capacidade como revisor de periódicos especializados internacionais.

Georg Rief - Especialista em IA na SSI SCHÄFER

Georg Rief é bacharel em ciências computacionais e mestre em física. Seus estudos se concentraram principalmente na simulação e na ciência de dados, já que a inteligência artificial não era um assunto particularmente importante na época e, portanto, não era central em seus estudos. Ele obteve 8 anos de experiência em desenvolvimento de software em outros setores antes de chegar na SSI SCHÄFER em março de 2014. Inicialmente, trabalhou como desenvolvedor W4 para projetos de clientes, antes de ser transferido para o departamento de ciência / simulação de dados em dezembro de 2016.

New Content Item (1)

Karina Konrath estudou matemática técnica na Graz University of Technology e trabalha para a SSI SCHÄFER desde novembro de 2017. Como cientista de dados, ela é a grande responsável pela análise e preparação de dados, o que requer o uso intensivo de estatísticas e matemática.