Tendências de IA para os próximos 10 anos

Por Ricardo Martinho (*)

Imagine iniciar o seu dia em 2035.

Terá um assistente inteligente controlado por voz, conectado a todos os aspetos da sua vida que pode começar por lhe recomendar um plano de refeições familiares para a semana, adaptado às preferências de todos, depois diz-lhe qual o estado atual da sua despensa, solicitando mantimentos se necessário.

O seu trajeto para o local de trabalho torna-se automático à medida que o seu motorista virtual navega pela rota mais eficiente, ajustando-se ao trânsito e ao clima em tempo real. No seu local de trabalho, um parceiro de IA analisa as tarefas diárias e fornece insights acionáveis, ajuda nas tarefas rotineiras e atua como um banco de dados de conhecimento dinâmico e proativo.

A nível pessoal, a tecnologia de IA pode criar entretenimento personalizado, gerando histórias, música ou artes visuais personalizadas de acordo com o seu gosto. Se quiser aprender algo, a IA pode fornecer tutoriais em vídeo adaptados ao seu estilo de aprendizagem, integrando texto, imagens e voz.

Atualmente, a Inteligência Artificial (IA) já iniciou o seu caminho. Não é apenas uma moda. Não é uma fase. Na realidade, mais de 60 países já desenvolveram estratégias nacionais de IA para aproveitar os benefícios desta tecnologia, mitigando também os seus riscos. Isto significa um investimento substancial em investigação e desenvolvimento, na revisão e adaptação de normas e quadros regulamentares relevantes e na garantia de que a tecnologia não prejudica o mercado de trabalho justo e a cooperação internacional.

A comunicação entre humanos e máquinas está a tornar-se mais fácil, permitindo aos utilizadores de IA realizar mais, com mais conhecimento. Prevê-se que a IA acrescente 4,4 biliões de dólares à economia global.

Até 2034, a IA tornar-se-á um elemento presente em muitos aspetos da nossa vida pessoal e profissional.

Os avanços da IA para os próximos 10 anos deverão incluir:

• Status quo multimodal: enquanto a IA unimodal se centra num único tipo de dados, como são exemplos o Processamento de Linguagem Natural (PLN) ou a visão computacional, a IA multimodal assemelha-se mais à forma como os humanos comunicam, compreendendo os dados através de imagens, voz, expressões faciais e inflexões vocais. Tem o poder de potenciar assistentes virtuais e chatbots avançados que compreendam queries complexas e possam responder de forma mais customizada.
• Democratização da IA e criação mais fácil de modelos: a IA tornar-se-á ainda mais integrada nas esferas pessoal e profissional, impulsionada por plataformas de fácil utilização que permitem que mesmo quem não seja especialista possa utilizar a IA em empresas, tarefas individuais, investigação e projetos criativos. Para as empresas, a criação mais fácil de modelos significa ciclos de inovação mais rápidos, com ferramentas de IA personalizadas para cada função da empresa. As ferramentas de IA acessíveis fomentarão uma nova vaga de inovação individual, permitindo que se desenvolvam aplicações de IA para projetos pessoais.
• Seguro contra alucinações: à medida que a IA generativa se torna mais usual nas organizações, as empresas podem começar a oferecer um “seguro contra alucinações de IA”. Apesar do treino intensivo, os modelos de IA podem levar a resultados incorretos ou enganadores devido a suposições erradas ou enviesamento. As seguradoras poderão cobrir os riscos financeiros e de reputação associados a estes erros, à semelhança do que fazem com as fraudes financeiras e as violações de dados.
• A IA no C-Suite: a tomada de decisões e a modelação de previsões da IA avançarão até ao ponto em que os sistemas de IA funcionarão como parceiros comerciais estratégicos, ajudando os executivos – CEO, CFO, COO, … – a tomar decisões informadas e a automatizar tarefas complexas. O PLN melhorado permite que a IA participe em conversas com a liderança, oferecendo aconselhamento baseado na modelação preditiva e no planeamento de cenários.
• Saltos quânticos: a IA quântica, usando as propriedades únicas dos qubits, pode quebrar as limitações da IA ​​clássica, resolvendo problemas que antes eram insolúveis devido a restrições computacionais. A computação quântica vai oferecer uma via promissora para a inovação em IA, uma vez que pode reduzir drasticamente o tempo e os recursos necessários para treinar e executar grandes modelos de IA.
• Ir para além do binário: esta abordagem aborda o desafio da energia ao permitir que a IA processe a informação de forma mais eficiente, baseando-se em múltiplos estados em vez de dados binários (0s e 1s), utilizando parâmetros ternários. Isto pode resultar numa computação mais rápida e com menor consumo de energia.
• Regulamentação e ética da IA: os modelos de IA, especialmente os generativos e de grande escala, poderão ter de cumprir normas de transparência, robustez e cibersegurança. É provável que estas orientações se expandam a nível mundial, na sequência do EU AI Act, que estabelece normas para os setores da saúde, financeiro e das infraestruturas críticas. Os sistemas de IA serão obrigados a incluir a supervisão humana, proteger os direitos fundamentais, abordar questões como o preconceito e a equidade e garantir uma implementação responsável.
• Agentic AI: a IA que antecipa proativamente as necessidades e tomada de decisões de forma autónoma, provavelmente tornar-se-á uma parte essencial da vida pessoal e empresarial. Refere-se a sistemas compostos por agentes especializados que operam de forma independente, cada um dos quais desempenhando tarefas específicas, permitindo às empresas automatizar processos complexos, como o apoio ao cliente ou o diagnóstico de redes. A sua capacidade de antecipar necessidades de forma autónoma, tomar decisões e aprender com o seu ambiente pode torná-los mais eficientes e rentáveis, complementando as capacidades gerais dos LLMs e aumentando a acessibilidade da IA ​​em todas as indústrias.
• Utilização de dados: à medida que os dados gerados por seres humanos se tornam escassos, as empresas já estão a mudar para dados sintéticos – conjuntos de dados artificiais que imitam padrões do mundo real sem as mesmas limitações de recursos ou preocupações éticas. Os dados de treino de IA incluirão imagens de satélite, dados biométricos, registos de áudio e dados de sensores IoT. As empresas investirão na garantia da qualidade dos dados para que tanto os dados reais como os sintéticos cumpram elevados padrões de fiabilidade, precisão e diversidade, mantendo o desempenho da IA ​​e a robustez ética.
• Moonshot thinking: com a evolução da IA, estão a surgir ideias inovadoras ambiciosas “fora da caixa” para endereçar as limitações atuais e alargar as fronteiras do que a IA pode alcançar. Existem já algumas em áreas disruptivas como a computação neuromórfica, a computação ótica, a internet da IA, ou a computação post-Moore.

Não tenho dúvidas, à medida que a adoção da IA aumenta e a tecnologia evolui, o seu impacto nas operações globais será imenso, designadamente nos desafios climáticos, automação aperfeiçoada, disrupção nos empregos, deepfakes e desinformação, impactos emocionais e sociológicos e escassez de dados humanos.

(*) Presidente da IBM Portugal