Resumo:

A maioria das aplicações de Inteligência Artificial (IA) é projetada para uma tarefa específica e bem delimitada. No entanto, existem muitos cenários que exigem uma IA mais geral, capaz de resolver uma ampla variedade de tarefas sem ter sido especificamente projetada para cada uma delas. O termo Sistemas de Inteligência Artificial de Propósito Geral (do inglês, GPAIS – General Purpose Artificial Intelligence Systems) foi definido para se referir a esses sistemas de IA. Até hoje, a possibilidade de uma Inteligência Artificial Geral, suficientemente poderosa para realizar qualquer tarefa intelectual como um ser humano — ou até mesmo superá-lo — tem permanecido como uma aspiração, ficção e um risco potencial para a sociedade. Embora ainda possamos estar longe de alcançar esse nível, os GPAIS já são uma realidade e estão na linha de frente da pesquisa em IA.

Nesta palestra, apresentarei uma definição de GPAIS que permite uma diferenciação gradual entre os tipos de GPAIS, de acordo com suas propriedades e limitações. Vamos distinguir entre GPAIS de mundo fechado e de mundo aberto, caracterizando seus graus de autonomia e capacidade com base em vários fatores, como adaptação a novas tarefas, competência em domínios para os quais não foram intencionalmente treinados, capacidade de aprender com poucos dados e reconhecimento proativo de suas próprias limitações. Para ilustrar a transição da IA tradicional para os GPAIS, começarei falando sobre alguns projetos interdisciplinares nos quais trabalhei, incluindo aplicações de big data em colaboração com parceiros industriais como a Unilever e a E.ON, abrangendo setores como energia, transporte e saúde. Em seguida, focarei em minha pesquisa mais recente sobre modelos generalizáveis que podem ajudar a acelerar a adoção da IA. Por fim, destacarei a necessidade crítica de um desenvolvimento de IA responsável e confiável à medida que avançamos neste cenário em constante evolução.