A inteligência artificial (IA) preditiva refere-se ao uso do aprendizado de máquina para identificar padrões em eventos passados e fazer previsões sobre eventos futuros.
Após ler este artigo, você será capaz de:
Conteúdo relacionado
O que é inteligência artificial (IA)?
O que é aprendizado de máquina?
O que é LLM? | Large Language Model
O que são embeddings?
Banco de dados vetorial
Assine o theNET, uma recapitulação mensal feita pela Cloudflare dos insights mais populares da internet.
Copiar o link do artigo
Inteligência artificial (IA) preditiva é a capacidade de um programa de computador de usar análise estatística para identificar padrões, antecipar comportamentos e prever eventos futuros. O campo da estatística tem sido usado há muito tempo para fazer previsões sobre o futuro; a IA preditiva torna a análise estatística mais rápida e (teoricamente) mais precisa por meio do aprendizado de máquina e do acesso a grandes quantidades de dados. Embora não haja garantia de que suas previsões sejam corretas, a IA preditiva pode ajudar as empresas a se prepararem para o futuro e personalizarem experiências para seus clientes.
Imagine que o Joey é um pescador e precisa saber como estará o tempo antes de sair com seu barco. Nos últimos meses, toda vez que Joey vê um céu vermelho pela manhã, ele enfrenta uma tempestade.Joey começa a concluir que, sempre que vê um céu vermelho, deve interpretar isso como um aviso de que uma tempestade está chegando.A IA preditiva chega a conclusões semelhantes, mas analisando milhares de fatores (em vez de apenas a cor do céu) e décadas de dados (em vez de apenas alguns meses).
A IA preditiva é apenas um dos muitos recursos oferecidos pela IA, que se refere a um conjunto de habilidades que os computadores podem ter e que imitam a cognição humana.
Em estatística, mais dados geralmente resultam em uma análise mais precisa. Por exemplo, uma pesquisa de opinião deve ter um número mínimo de entrevistados para ser considerada confiável, e estudos científicos precisam ser repetidos várias vezes para serem considerados estatisticamente significativos.
Da mesma forma, a IA preditiva requer acesso a grandes quantidades de dados — "big data" — como costumam ser chamadas. Quanto mais dados forem fornecidos, melhores serão as previsões. Uma pesquisa de opinião pode ter alguns milhares de entrevistados. Um modelo de IA preditiva poderia levar em conta milhares ou milhões de pesquisas de opinião realizadas no passado para fazer previsões sobre a opinião pública ou as próximas eleições.
O aprendizado de máquina é um subconjunto da IA. É um método para treinar um programa de computador para identificar dados sem intervenção humana. Com exemplos suficientes do comportamento do usuário em um site, por exemplo, um modelo de aprendizado de máquina poderia aprender a separar o tráfego automatizado de bots do tráfego humano no site. Ou, com um número suficiente de fotos do céu e informações sobre o clima, um modelo de aprendizado de máquina poderia aprender a identificar um céu "vermelho" e associar determinados tipos de céu a uma tempestade.
Na IA preditiva, o aprendizado de máquina é aplicado às vastas coleções de dados descritas anteriormente. Um modelo preditivo de IA pode processar enormes conjuntos de dados sem supervisão humana.
Assim como Joey, o pescador, identificou que o padrão de céus vermelhos pela manhã estava associado à aproximação de uma tempestade, a IA preditiva aprende a associar determinados tipos de dados ou determinadas ocorrências. A IA preditiva pode analisar centenas ou milhares de fatores para identificar padrões, que indicam eventos que podem se repetir no futuro.
Os aplicativos para IA preditiva são vastos e abrangentes. Ter alguma ideia do que está por vir no futuro pode ser uma grande vantagem para uma empresa, mesmo que essas previsões nem sempre sejam precisas. Alguns dos possíveis casos de uso de IA preditiva incluem:
Tanto a IA preditiva quanto a IA generativa usam o aprendizado de máquina, combinado ao acesso a uma grande quantidade de dados, para produzir seus resultados. No entanto, a IA preditiva usa o aprendizado de máquina para extrapolar o futuro, enquanto a IA generativa usa o aprendizado de máquina para criar conteúdo. A versão de IA preditiva de João, o pescador, avisa a seus companheiros de pesca quando uma tempestade está chegando. A versão de IA generativa de João escreve um romance que imagina várias interações entre o clima e as viagens de pescaria.
De certa forma, a IA generativa é semelhante à IA preditiva, pois usa análise estatística para "prever" quais palavras e conceitos combinam entre si. Mas os objetivos da IA generativa e preditiva são diferentes, os modelos de aprendizado de máquina que elas usam e os casos de uso são diferentes.
Como a maioria dos tipos de IA, a IA preditiva requer a capacidade de consultar bancos de dados de forma rápida e eficiente e de encontrar relações entre itens de dados semelhantes. Um banco de dados de embeddings possibilita consultas de similaridade.
As incorporações são uma forma de armazenar informações em um formato que permite a identificação de semelhanças e relacionamentos. Criadas por camadas de redes neurais não supervisionadas, as incorporações transformam os itens de informação em vetores ao colocá-los em um espaço matemático com relação a outros itens de informação no conjunto de dados.
Os embeddings que acabam agrupados podem ser considerados relevantes uns para os outros, o que permite a rápida identificação de padrões. Se "céu vermelho", "nuvem de tempestade" e "clima ruim" estiverem todos próximos uns dos outros em um banco de dados de embeddings, um modelo de IA preditivo poderá começar a identificar quando uma tempestade estiver chegando.