Inteligência artificial pode prever com precisão quem desenvolverá demência

Inteligência artificial: a tecnologia de AI pode prever com precisão quem desenvolverá demência dentro de dois anos

Novos casos de demência podem ser previstos com 92% de precisão.

A técnica da IA chamada aprendizagem mecânica funciona através da deteção de padrões ocultos nos dados e da aprendizagem de quem está mais em risco.

A demência é uma síndrome associada a um declínio contínuo do funcionamento do cérebro.

Os sintomas podem incluir problemas com perda de memória, velocidade de pensamento, rapidez mental, linguagem, como o uso incorreto de palavras, ou problemas em falar, compreensão, humor, movimento, e dificuldades em fazer atividades diárias.

Investigadores da Universidade de Exeter analisaram dados durante um período de 10 anos de 15.300 pacientes que frequentaram uma rede de 30 clínicas de memória nos EUA.

Os participantes não tinham demência no início do estudo, embora muitos estivessem a ter problemas de memória ou outras funções cerebrais.

Entre 2005 e 2015, um em cada 10 participantes (1.568) receberam um novo diagnóstico de demência no prazo de dois anos após a sua visita.

O algoritmo de aprendizagem da máquina previu novos casos de demência com até 92% de precisão, significativamente mais precisos do que dois métodos de investigação alternativos existentes.

Diagnóstico errado 

Os investigadores também descobriram pela primeira vez que cerca de 8% (130) dos diagnósticos de demência pareciam ter sido feitos por erro, uma vez que o diagnóstico foi posteriormente invertido.

Os modelos de aprendizagem por máquinas identificaram com precisão mais de 80% destes diagnósticos inconsistentes, segundo o estudo, publicado na JAMA Network Open.

A inteligência artificial não só pode prever com precisão quem será diagnosticado com demência, como tem o potencial de melhorar a precisão dos diagnósticos, sugere a investigação.

Segundo a Alzheimer's Disease International, há mais de 55 milhões de pessoas em todo o mundo a viver com demência em 2020. E a organização acredita que este número irá quase duplicar a cada 20 anos, atingindo 78 milhões em 2030 e 139 milhões em 2050.

A aprendizagem mecânica utiliza a informação do paciente rotineiramente disponível nas clínicas, tais como memória e função cerebral, desempenho em testes cognitivos e fatores específicos do estilo de vida.

O Professor David Llewellyn afirmou: "Estamos agora em condições de ensinar computadores a prever com precisão quem irá desenvolver demência dentro de dois anos".

"Estamos também entusiasmados por saber que a nossa abordagem de aprendizagem por computador foi capaz de identificar pacientes que possam ter sido mal diagnosticados.

"Isto tem o potencial de reduzir o trabalho de adivinhação na prática clínica e melhorar significativamente a via de diagnóstico, ajudando as famílias a acederem ao apoio de que necessitam tão rápida e precisamente quanto possível".

O futuro dos diagnósticos da demência

Os investigadores esperam continuar a sua investigação para compreender a utilização prática da tecnologia da IA nas clínicas.

"A inteligência artificial tem um enorme potencial para melhorar a deteção precoce das doenças", disse a Dra. Rosa Sancho, chefe de investigação na Alzheimer's Research UK.

"[Isto] poderia revolucionar o processo de diagnóstico de pessoas preocupadas consigo próprias ou com um ente querido que apresente sintomas", acrescentou ela.

Como IoT aliada a Machine Learning pode mudar a nossa vida!

Embora não tenhamos noção, estamos rodeados por sensores. Certamente o nosso smarthpone possui sensor de luminosidade, acelerómetro, giroscópio, bússola, microfone, GPS, câmara, etc... Para além disso, podemos também adicionar muitos mais à nossa residência ou a outro espaço de interesse.

Através da IoT poderíamos ter todos esses dispositivos conectados, usando uma IA (inteligência artificial) para os controlar. Melhor ainda é não ter que lhes dar indicações. É aí que entra o machine learnig (aprendizagem de máquina).

Primeiramente, este conceito é  o "campo de estudo que dá aos computadores a habilidade de aprender sem serem explicitamente programados" - Arthur Samuel. Sendo assim, podemos ter previsões de dados.

Voltemos ao título do artigo. Em que é que isto muda a nossa vida? Imagine possuir um sensor cardíaco no seu smart watch que detete a que horas se costuma deitar e esse sensor comunicar esses dados às lâmpadas do seu quarto que vão diminuindo de intensidade conforme essa hora se aproxima. Para além disso, o seu despertador comunica a que horas irá tocar aos seus estores, que, por sua vez, levantarão gradualmente até à hora marcada. Todo isto sem ter que indicar nada, apenas deixar a IoT recolher os dados, transmiti-los entre si e o machine learning aprender e detetar as suas rotinas. Isto é apenas um exemplo entre muitos outros. Um futuro que está bem mais próximo do que pensa.

Imagem:

• URL
• consultada no dia 20/10/2019

Blogue pessoal sobre tech:

• https://blog-first-tech-pt.blogspot.com/

Fontes:

• https://medium.com/ensina-ai/iot-como-fonte-de-dados-para-machine-learning-842b1b23c828
• https://pt.wikipedia.org/wiki/Aprendizado_de_máquina
• Consultada no dia 20/10/2019

O que é a Inteligência Artificial?

Afinal, o que é a Inteligência Artificial? Para responder à pergunta, temos de recordar os motivos que a fizeram nascer como ciência entre os anos 40 e 60 do século passado. Na altura, os cientistas queriam compreender como funcionava o pensamento humano para desenvolver modelos que o pudessem imitar. Foi graças a esses modelos que surgiram os primeiros computadores.

Desde então, muita coisa aconteceu. A Inteligência Artificial (IA) tornou-se um ramo importante da engenharia que passou a investir fortemente na invenção e criação de ferramentas capazes de realizar tarefas com maior rapidez e mais eficiência do que um ser humano seria capaz. Mas os sistemas com IA vão muito além destas máquinas que fazem processamento de dados e executam tarefas pré-programados.

O objetivo atual para as máquinas com IA é que consigam adquirir, representar a manipular o próprio conhecimento. Falamos de sistemas parecidos com os assistentes virtuais como a Siri ou Alexa, aos quais podemos pedir pequenas tarefas, e de sistemas mais sofisticados com capacidade para elaborar diagnósticos médicos, processar comandos de voz e até capazes de reconhecer automaticamente alvos militares. As aplicações são imensas e as questões de ética que as envolvem também.





Consultei o site Observador no dia 10/03/2019.

ThisPersonDoesNotExist.com usa uma IA para gerar rostos falsos infinitos

A capacidade de uma inteligência artificial gerar visuais falsos ainda não é um conhecimento comum, mas um novo site - ThisPersonDoesNotExist.com - oferece uma educação rápida e persuasiva.

O site foi criado por Philip Wang, um engenheiro de software da Uber, e usa a pesquisa lançada no ano passado pela designer de chips Nvidia para criar um fluxo interminável de retratos falsos. O algoritmo por trás dele é treinado enum enorme conjunto de dados de imagens reais e, em seguida, usa um tipo de rede neural conhecida como rede adversária generativa (ou GAN) para fabricar novos exemplos.

“Cada vez que o site é atualizado, a rede gerará uma nova imagem facial do zero”, escreveu Wang num post no Facebook. Ele acrescentou em um comunicado à Motherboard "A maioria das pessoas não entende como as IAs serão boas a sintetizar imagens no futuro".

Alguns rostos de amostra, completamente falsos, criados pelo site.

O framework subjacente da IA, que alimenta o site, foi originalmente inventado por um pesquisador chamado Ian Goodfellow. O algoritmo da Nvidia, chamado StyleGAN, foi desenvolvido recentemente e provou ser incrivelmente flexível. Embora esta versão do modelo seja treinada para gerar rostos humanos, ela pode, em teoria, imitar qualquer fonte. Os investigadores já estão a experimentar outros alvos, incluindo personagens de anime, fontes e grafites.

Como já foi discutido, o poder de algoritmos como o StyleGAN levanta muitas questões. Por um lado, há aplicações criativas óbvias para essa tecnologia. Programas como este poderiam criar infinitos mundos virtuais, assim como ajudar designers e ilustradores, levando assim a novos tipos de arte. Depois, há as desvantagens. Como vimos nas discussões sobre deepfakes (que usam GANs para colar os rostos das pessoas nos vídeos-alvo, muitas vezes para criar pornografia não consensual), a capacidade de manipular e gerar imagens realistas em grande escala terá um efeito enorme sobre como as sociedades modernas pensam em evidências e confiança. Esse software também pode ser extremamente útil para criar propaganda política e campanhas de influência. Em outras palavras, ThisPersonDoesNotExist.com é apenas a introdução educada a essa nova tecnologia. O despertar rude vem depois.


Sites consultados:
The Verge

Redes Neuronais – o que são?

Redes Neuronais – o que são?

O tema da IA (Inteligência Artificial) cobre um conjunto de tópicos, nomeadamente aprendizagem automática

(Machine Learning - ML). Dentro do ML também se incluem vários tópicos, nomeadamente as redes

neuronais (neural networks) que são usadas em muitas áreas, desde os carros autónomos, até à internet das

coisas (IoT).

Modelos criados inicialmente por McCulloch e Pitts em 1943, baseados em algoritmos matemáticos

designados por lógica limite.

Embora existam vários tipos de redes neuronais, as redes neuronais profundas (Deep Neural Networks –

DNN) são as mais relevantes.

Estas redes consistem de várias camadas, incluindo de input e output, entre as quais existem camadas

“escondidas”. O número de nós depende da aplicação, tendo cada nó um peso associado.

Estas redes são normalmente “treinadas”, ou seja, cria-se/desenha-se uma DNN e depois treina-se.

O treino consiste na alimentação de dados do lado do “input” e fazer corresponder a estes dados, resultados,

de modo a que os “pesos” que existem em cada nó se ajustem de acordo com a informação.

Embora a arquitetura de uma DNN seja simples, o mesmo não se pode dizer do design e da implementação.

O sistema pode ser afetado por um conjunto de fatores como o formato, dimensão e qualidade do input e do

output desejado. O processo de treino assume que existirá uma convergência no tempo à medida que mais

exemplos vão sendo alimentados no sistema.

De um modo geral, depois do treino os pesos resultantes são usados como um sistema de inferência e o

sistema não será alterado a partir daí, a menos que seja novamente treinado para se actualizar.

Existem vários tipos de DNNs, a CNN (Convolutional Neural Network) que é mais usada em reconhecimento

de imagem e as RNN (Recurrent Neural Networks) desenhadas para responder a comportamentos temporais,

para resolver problemas ligados a reconhecimento de fala e escrita.

Spiking Neural Networks (SNN) tem nós que disparam quando um limite é atingido. Os outputs podem ser um

treino resultante de sinais do sistema, sendo uma aproximação de como o cérebro funciona, sendo

consideradas a próxima geração de inteligência artificial, permitindo no futuro, resolver problemas de IA com

uma fração dos recursos usados hoje em dia.

Nenhuma das soluções existente funciona idealmente para todas as solicitações, por isso o desafio é

conseguir conjugar as diversas opções quando isso é necessário.

Referências:

https://www.electronicdesign.com/embedded-revolution/neural-network-hardware-drives-latest-machine-learning-craze

https://en.wikipedia.org/wiki/Artificial_neural_network

O que é a Inteligência Artificial?

O que é a Inteligência Artificial?

A Inteligência Artificial (IA), é definida em ciências computacionais como o estudo de agentes inteligentes – qualquer dispositivo que se

aperceba e analise o seu ambiente e tome ações/decisões que maximizem as probabilidades de atingir

os seus objectivos.

Há outras definições que incluem a aprendizagem e uma abordagem adaptativa a novas tarefas.

À medida que certas tecnologias ficam dominadas acabam por ser excluídas do âmbito da IA, um exemplo são

as tecnologias de reconhecimento de caracteres, que hoje estão banalizadas e deixaram de ser incluídas na

área da IA.

Algumas das áreas que são consideradas dentro da IA é o reconhecimento de voz, jogar jogos estratégicos,

operar carros autónomos, simulações militares, etc.

Alguns dos problemas principais que a IA pretende resolver:

- Raciocínio e resolução de problemas – embora numa fase inicial tenham sido usados algoritmos para

resolver determinados problemas, nomeadamente usando probabilidades e regras de otimização.

Verificou-se que estas abordagens sistemáticas se tornavam muito lentas quando a dimensão dos problemas aumentava.

- Representação de conhecimento – a representação e organização do conhecimento é central a muitas áreas

de IA. São usadas as ontologias para organizar e relacionar conhecimento dentro de contextos.

- Planeamento – conseguir estabelecer objetivos e atingi-los, o que implica conseguir visualizar o futuro,

bem como adaptar-se a mudanças.

- Aprendizagem – aprenderem de forma contínua processos e regras

- Processamento de linguagem natural – permite às máquinas perceberem a linguagem humana

- Percepção – coisas como reconhecimento facial e de objectos, reconhecimento de voz, visão artificial,

usando um conjunto de sensores como sinais, microfones, câmaras, radar, etc.

- Movimento e manipulação – conseguirem deslocar-se em situações distintas e manipulares toda a espécie

de objectos e equipamentos (nomeadamente cirúrgicos).

- Inteligência social -conseguirem entender emoções humanas e responderem de acordo.

- Inteligência genérica – conseguir de alguma forma replicar a complexidade da inteligência humana,

agregando as diversas áreas focadas atrás. Projectos como o Deep Mind da IBM vão nesse sentido.

As aplicações da IA são as mais diversas, estando neste momento a entrar em áreas como a saúde, a indústria

automóvel, a defesa, área financeira, jogos de computador, publicidade, auditorias e até na arte…

Os benefícios potenciais são muitos, mas os riscos também são significativos. Há utopias e distopias

associadas à IA. Desde cenários de que os sistemas inteligentes autónomos tomam conta do mundo, outros

em que os humanos usam a IA para criar instrumentos de destruição maciça, até aos cenários em que eles

eliminam o esforço do trabalho físico e do trabalho repetitivo, deixando para os humanos as atividades mais

interessantes e compensadoras.

É um tema complexo que merece ser debatido e acompanhado, nas várias questões que levanta.

Referências:

https://en.wikipedia.org/wiki/Artificial_intelligence

https://futureoflife.org/background/benefits-risks-of-artificial-intelligence/?cn-reloaded=1

IA a nova tendência tecnológica para 2018

 A IA, isto é a inteligência artificial tem revelado um grande potencial, uma vez que consegue ser melhor a tomar decisões do que um software normal, e ainda é capaz de reinventar modeles de negocio. Com todas estas características positivas não admira que o mercado comece a tender para este tipo de tecnologia, o que se irá reflectir com a maior disponibilização do capital de certas empresas  nas IA. Para que esta tecnologia consiga executar futuramente as tarefas desejadas pelo usuário terão que ser usadas em harmonia a Programação, a Ciência de dados e a gestão de negócios.

Artigo publicado por: Francisco Rodrigues; nº9; 12º2ª