Há três fatores responsáveis pela revolução trazia pela inteligência artificial: (1) o constante aumento na capacidade computacional; (2) a acumulação de grandes volumes de dados gerando insights e possibilitando a criação de produtos orientados por dados; (3) o desenvolvimento da teoria de aprendizado estatístico e seus algoritmos. Este alinhamento de planetas permitiu um grande sucesso em tarefas desafiadoras, como o desenvolvimento de assistentes virtuais e chatbots, carros autônomos, tradução automática entre idiomas e a detecção precoce de anomalias não especificadas nos sinais vitais. Nesta apresentação, vou fornecer uma visão geral desses desenvolvimentos a partir de uma perspectiva histórica, concentrando-me na contribuição trazida pela Probabilidade e Estatística. Ilustrarei esta apresentação com exemplos de minha própria pesquisa.
O Poder da Computação para a Cultura (e vice-versa)
Internet das Coisas: 6G a IA
Árvore da Ciência: Uma Plataforma para Exploração da Genealogia Acadêmica Brasileira
Tecnologia Assistiva para Apoio à Comunicação entre Surdos e Ouvintes no Contexto de Saúde
Aprendizado de Máquina para Entendimento e Geração de Músicas
Quer saber como o “mundo gira”? Entenda a mobilidade!
A mobilidade tem um papel central nas diversas atividades relacionadas que fazemos, principalmente no trabalho, comércio, indústria e lazer. O estudo da mobilidade para diferentes finalidades (e.g., econômicas, serviços públicos, estudo acadêmico) deve ser feito de forma sistemática já que do ponto de vista científico é a questão mais fundamental a ser investigada para, a partir daí, usarmos essas soluções em diferentes cenários. Esta palestra irá discutir a mobilidade a partir do estudo de traços de mobilidade (mobility traces) e as questões associadas nesse estudo.
Otimização Combinatória e Ciência de Dados no Projeto de Usinas Eólicas de Geração de Energia
Nesta palestra, vamos apresentar alguns problemas de Otimização Combinatória que surgem no projeto ótimo de usinas de geração de energia, baseadas em fontes eólicas. Dentre estes problemas citamos a localização ótima de turbinas em uma fazenda, o projeto ótimo da rede de interconexão das turbinas e a integração dos dois em um único problema de otimização. Estes são problemas muito difíceis de serem matematicamente modelados e resolvidos. Além da natureza intrinsecamente combinatória dos mesmos, existem acoplamentos fortemente não lineares entre os mecanismos de conversão de energia. Outro aspecto complicador é que os dados para resolução dos problemas são incertos, de forma que é necessário o emprego de técnicas de Mineração e Ciência de Dados para alimentar os problemas de otimização. Assim sendo, tipicamente obtemos modelos de Programação Não Linear Inteira Mista Estocásticos para representar tais problemas. Apresentaremos alguns modelos para tratar versões dos problemas discutidos e delinearemos elementos básicos de classes de algoritmos capazes de resolver tais problemas. Mostraremos também como estes temas se integram às linhas de pesquisa em Otimização desenvolvidas pelo palestrante e como as matérias oferecidas no Programa de Pós Graduação em Ciência da Computação da UFMG fornecem instrumentos para capacitar pesquisadores para tratarem estes temas. Este projeto de pesquisa conta com o apoio da FAPEMIG, por meio do Edital de Demandas Estratégias, com foco em soluções para a cadeia produtiva de energia renováveis.
IA responsável em saúde
ChatGPT – Candidato 3
1) Print screen da interação com o problema
2) Qual o tipo de erro?
Erro de precisão (e.g., informação errada ou desatualizada)
3) Por que você acha que o ChatGPT cometeu esse erro?
“Falta de treino para entender que talvez dentro de um contexto dado pode ter outros contextos internos. mão é diferente de pé . ele entende que o corpo possuem membros que podem ter dedos, no caso em questão seriam duas mãos e dois pés , já que a informação dada é que possuo todos os membros do corpo.“
4) Qual sugestão você daria para que o problema fosse solucionado? (a solução não precisa ser técnica em termos de modelos, etc.)
“treinar o chatGPT para que entenda múltiplos contextos relacionados ao corpo humano, como : mão e pés possuem dedos. Assim ao ele dar a resposta consiga diferenciar que dentro do resultado seriam 20 dedos no total sendo 5 dedos em cada uma das mãos e 5 dedos em cada um dos pés“