Executando verificação de segurança...
3

[AJUDA] Por onde começar a esturar IA em 2024?

Olá pessoal!

Recentemente em uma das reuniões da empresa em que trabalho, um dos assunto mais falados foi o objetivo de automatização de processos internos da empresa e a possibilidade de utilização de IA para ajudar.

Então fiquei pensando, poxa, já sou dev a 2 anos, trabalho no backend com Node.js, como que eu poderia começar a estudar e apreder IA para aplicar no meu serviço? comecei a fazer pesquisas no google mas a maioria deles só me jogava para cursos e mais cursos.

Queria saber por onde começar, quais são os conhecimentos que eu preciso ter para entender como que uma IA é feita e como que funciona por tras dos panos.

Comecei a ler um livro chamado introdução a IA, uma forma não tecnica, isso esta me dando um norte de como que as coisas funcionam porém gostaria de saber como que consigo aprender de forma concreta para aplicar no dia a dia.

Obrigado desde já a todos que contribuirem com esse post!

Carregando publicação patrocinada...
3
2
2
1
1
2

"como que uma IA é feita e como que funciona por tras dos panos.". Tive a mesma dúvida que você há alguns anos, leoCastr0.

Na primeira vez em que ouvi falar em Inteligência Artificial (IA) dentro do contexto que explorava a potencialidade das redes neurais artificiais em determinada área, senti-me um pouco intimidado pelos conceitos envolvidos, notação pesada que vinha da Matemática entre outros tópicos essenciais presentes nas ferramentas utilizadas no processo de treinamento. Aos poucos, estudando por conta o assunto assim como você também tem feito, percebi que as IA dependem de um encadeamento de construções elementares (entenda o menor elemento para então poder começar entender o todo). Combinadas de maneira estruturada, juntas podem "aprender" (ao meu ver, um best fitting) com base em uma fonte de informações com exemplos (é assim que se chama as amostras utilizadas para treinamento: examples). Com o tempo, percebi o mesmo que o Akita fala em alguns de seus vídeos, ou seja o tema se tornou hype mas é mais antigo do que muitos de nós aqui no TabNews. É um assunto elementar para os pesquisadores. Parodiando Anhanguera, é "água que pega fogo" aos olhos de (...).

Hoje suspeito que se uma IA com mais neurônios que o menor inseto classificado como inteligente não consegue realizar as tarefas mais básicas ou semelhantes é por alguns motivos (minhas suspeitas):

  • exemplos utilizados no treinamento foram mal escolhidos e/ou pobres em detalhes (conjunto viciado);
  • ineficiência do treinamento ou modelo escolhido;
  • falta de informações que melhor descrevam o contexto (mais variáveis independentes poderiam ser incluídas);
  • ...

Debruçar-se sobre um livro no assunto é um ótimo começo. Implementar os proto-exercícios para entender o funcionamento de um elemento da rede é essencial, entendendo o que são entradas, pesos e funções de ativação associados à cada um deles (elementos). Posteriormente, entender como ocorre a interação de cada elemento dentro de uma pequena rede, o que ocorre durante as fases de treinamento e geração de respostas, vai te trazer um pouco mais de familiaridade com o assunto. Inicialmente descartei usar bibliotecas prontas como (TensorFlow, PyTorch etc.) pois, como você, eu quis ver cada unidade elementar em cada etapa.

Ainda não domino todo o assunto (é muito denso), pois diferentes pesquisas ainda estão trazendo novidades para esta área que está alcançando as mãos de muitos. Se não me engano, o desafio atual é fazer uma rede neural desaprender um conteúdo em face de certas polêmicas (...). Sabemos remover a influência de uma amostra na resposta da função média aritmética (desde que saibamos qual o número de elementos que participaram e qual amostra deve ser removida), mas será que saberemos também fazer isso com uma rede neural artificial? É algo que ainda não fui consultar qual o status das pesquisas.

Desta forma, lembrando-se das palavras do Syndrome em The Incredibles: “With everyone super, no one will be”, ou seja, dentro do contexto desta thread aqui, quando todos tiverem domínio do conhecimento de IA, acabou a sensação, o hype. Contudo, para isto ocorrer, requer dedicação de cada interessado assim como você tem feito, perguntando, investigando, estudando a fundo e ainda, o mais importante, buscando uma aplicação prática em seu ofício! (Você tem uma motivação para pesquisar o assunto. Estabeleça um cronograma incluindo as principais millestones para não se perder muito em um determinado assunto).

No começo eu sequer sabia a diferença entre:

  • Inteligência Artificial;
  • Redes Neurais Artificiais;
  • Aprendizado de Máquina (machine learning)
  • e diversos outros termos que eu confundia.

Assim, procure no Google por "Artificial Inteligence map" e vai se espantar com a diversidade de assuntos em que o termo principal se subdivide!

Desejo muito trabalho e sucesso para você neste desafio em que se envolve. Aproveite sua iniciação no assunto para tomar nota de todas as suas dúvidas, das mais simples às mais complexas sem respostas. Se pelo menos não sair um diário de Harry Jones (segundo o Akita), você publica um livro com suas descobertas, desafios, referências e criações : ).


PS: Não encontrei no dicionário o termo "esturar" utilizado em seu título.

1

Aqui você encontra todos os modelos liberados de IA
https://huggingface.co/

Interface para rodar isso em qualquer PC (depende claro do modelo, pois varia em memoria, processamento etc, além de um conhecimento prévio sobre as abordagens de modelos como tensors, GPTQ etc)
https://github.com/oobabooga/text-generation-webui

Tutorial interessante para rodar no Windows:

https://www.youtube.com/watch?v=V5joNtXdqcY

Eu testei no windows e consegui rodar um GPT2 sem muitos recursos, mas não se engane para rodar modelos mais complexos com mais de 7 Bilhões de parametros precisa de investimento.

Eu recomendo que comece estudando o seguinte (em Python claro praticamente tudo para IA é Python e C, C++).
PyTorch: https://pytorch.org/
TensorFlow: https://www.tensorflow.org/
Keras: https://keras.io/
Scikit-learn: https://scikit-learn.org/
NumPy: https://numpy.org/