Inteligência Artificial: um guia para iniciantes

Todo mundo está falando sobre inteligência artificial. Isso é compreensível - afinal, de repente existem ferramentas gratuitas (ou baratas) prontamente disponíveis para criar uma variedade de conteúdo gerado por IA, incluindo texto e imagens, em uma variedade ilimitada de estilos e aparentemente em segundos.

Claro que é emocionante.

Mas pare por um momento e pergunte a si mesmo algumas perguntas:

• Eu realmente sei o que é IA?
• Eu sei há quanto tempo ele existe?
• Eu sei a diferença, se houver, entre IA e aprendizado de máquina?
• E eu sei o que diabos é aprendizado profundo?

Se você respondeu afirmativamente a todas essas perguntas, este artigo pode não ser para você. Se você hesitou sobre alguns deles, continue a ler.

A revolução da IA ​​começa... agora?

Vamos começar preenchendo alguns antecedentes.

A IA é algo novo?

Não. Conceitualmente, pelo menos, a IA data de 1950 (mais sobre isso depois). Como atividade prática, começou a florescer nas décadas de 1960 e 1970, quando os computadores se tornaram mais rápidos, baratos e amplamente disponíveis.

A IA no marketing é algo novo?

Não. Vale a pena ter em mente que a IA há muito tem muitas, muitas aplicações em marketing além da criação de conteúdo. As recomendações de conteúdo e recomendações de produtos são alimentadas por IA há anos. Análise preditiva - usada para prever o comportamento do usuário com base em grandes conjuntos de dados de comportamento passado, bem como para prever a próxima melhor ação (mostre a ela um white paper relevante, mostre a ele um boné de beisebol vermelho, envie um e-mail) - tem sido AI -alimentado por um longo tempo.

Fornecedores conhecidos vêm inserindo IA em suas soluções há quase uma década. O Adobe Sensei e o Salesforce Einstein datam de 2016. O envolvimento da Oracle com IA remonta pelo menos até agora e provavelmente ainda mais; simplesmente nunca deu um nome bonito. Outro implementador veterano de IA é a Pega, usando-o primeiro para prever as próximas melhores ações em sua oferta de gerenciamento de processos de negócios e, posteriormente, em sua plataforma de CRM.

Bem… a IA generativa é algo novo?

IA generativa. IA conversacional. Ferramentas de escrita de IA. Todas as frases do momento, todas sobrepostas em significado. A IA generativa gera textos (ou imagens, ou mesmo vídeos). A IA conversacional gera textos em interação com um interlocutor humano (pense em chatbots com inteligência artificial). As ferramentas de escrita AI visam criar textos personalizados sob demanda. Todas essas soluções usam, de uma forma ou de outra, “prompts” — isto é, elas esperam que uma pergunta seja feita ou que uma tarefa seja definida.

Tudo isso é novo? Não. O que há de novo é sua ampla disponibilidade. O processamento de linguagem natural (NLP) e a geração de linguagem natural (NLG) já existem há anos. O primeiro denota interpretação de textos com IA; o último, criação de textos com IA. Já em 2015, com base em meus próprios relatórios, o NLG com IA estava criando relatórios escritos para médicos e para operações industriais – e até mesmo gerando previsões meteorológicas para o Met Office, o serviço meteorológico nacional do Reino Unido.

Entrada de dados, saída de texto. Apenas não tão amplamente disponível quanto algo como ChatGPT.

Vídeo também. Pelo menos em 2017, a IA estava sendo usada para criar, não apenas conteúdo de vídeo personalizado, mas individualizado – gerado quando o usuário clica em reproduzir, tão rápido que parece estar sendo transmitido de uma biblioteca de vídeos existente. Novamente, não amplamente disponível, mas sim uma oferta corporativa cara.

Vá mais fundo: ChatGPT : um guia de marketing

O que é IA: a versão simples

Vamos explicar do zero.

Comece com algoritmos

Um algoritmo pode ser definido como um conjunto de regras a serem seguidas em cálculos ou outras operações de resolução de problemas ou de conclusão de tarefas, especialmente por um computador. “Algoritmo” vem do grego? Não, na verdade é parte do nome (al-Khwārizmī) de um matemático árabe do século ^IX . Mas isso não importa.

O que importa é que usar algoritmos para um cálculo ou uma tarefa não é – repito, não – o mesmo que usar IA. Um algoritmo é facilmente criado; vamos dar um exemplo simples. Digamos que eu administre uma livraria online e queira oferecer recomendações de produtos. Posso escrever centenas de regras (algoritmos) e treinar meu site para executá-las. “Se ela procurar por Jane Austen, mostre também a ela Emily Bronte.” “Se ele procurar por livros da 1ª Guerra Mundial, mostre também livros da 2ª Guerra Mundial.” “Se ele procurar por Agatha Christie, mostre a ele outra ficção policial.”

Vou precisar ter meus volumes de ficção policial devidamente etiquetados, é claro, mas até agora tudo bem. Por um lado, essas são boas regras. Por outro lado, não são regras “inteligentes”. Isso porque eles estão gravados em pedra, a menos que eu volte e os mude. Se as pessoas que procuram livros da Primeira Guerra Mundial ignoram consistentemente os livros da Segunda Guerra Mundial, as regras não aprendem e não se adaptam. Eles continuam fazendo o que lhes foi dito para fazer.

Agora, se eu tivesse os recursos da Amazon, faria minhas regras inteligentes — ou seja, capazes de mudar e melhorar em resposta ao comportamento do usuário. E se eu tivesse a participação de mercado da Amazon, teria um dilúvio de comportamento do usuário com o qual as regras poderiam aprender.

Se os algoritmos podem aprender sozinhos – com ou sem alguma supervisão humana – temos IA.

Mas espere. Isso não é apenas aprendizado de máquina?

IA versus aprendizado de máquina

Para o purista, IA e aprendizado de máquina não são originalmente a mesma coisa. Mas - e é um grande mas - os termos são usados ​​de forma tão intercambiável que não há como voltar atrás. Em vez disso, o termo “IA geral” é usado quando as pessoas querem falar sobre IA pura, IA em seu sentido original.

Vamos voltar a 1950 (eu avisei que faríamos). Alan Turing foi um brilhante cientista da computação. Ele ajudou os Aliados a vencer os nazistas por meio de seu trabalho de inteligência de quebra de códigos. Sua recompensa foi ser abominavelmente tratado pela sociedade britânica por sua (ainda ilegal) homossexualidade, tratamento que resultou em um pedido oficial de desculpas do primeiro-ministro Gordon Brown, mais de 50 anos após sua morte: “Em nome do governo britânico, e de todos aqueles que vivem livremente graças ao trabalho de Alan, tenho muito orgulho de dizer: Sentimos muito. Você merecia muito mais.

Então e a IA? Em 1950, Turing publicou um artigo histórico, “Computing machines and intelligence”. Ele o publicou, não em uma revista científica, mas na revista de filosofia “Mind”. No centro do artigo está um tipo de experimento mental que ele chamou de “o jogo da imitação”. Agora é amplamente conhecido como “o teste de Turing”. Em termos mais simples, propõe um critério para inteligência de máquina (ou artificial). Se um interlocutor humano não consegue distinguir entre as respostas às suas perguntas de uma máquina e as respostas de outro ser humano, podemos atribuir inteligência à máquina.

É claro que existem muitas, muitas objeções à proposta de Turing (e seu teste nem mesmo foi projetado de maneira inteligente). Mas isso lançou a busca para replicar – ou pelo menos criar o equivalente a – inteligência humana. Você pode pensar no IBM Watson como uma busca contínua desse objetivo (embora tenha muitos casos de uso menos ambiciosos e mais lucrativos).

Ninguém realmente pensa que uma máquina de recomendação de produto semelhante à Amazon ou um mecanismo de criação de conteúdo semelhante ao ChatGPT seja inteligente da maneira que os humanos são. Por um lado, eles são incapazes de saber ou se importar se o que estão fazendo é certo ou errado – eles fazem o que fazem com base em dados e estatísticas preditivas.

Na verdade, toda a IA discutida aqui é realmente aprendizado de máquina. Mas não vamos impedir ninguém de chamar isso de IA. Quanto à busca de nível humano ou “IA geral”, há boas razões para pensar que não está ao virar da esquina. Veja, por exemplo, “O mito da inteligência artificial: Por que os computadores não podem pensar como nós” de Erik J. Larson.

E quanto a 'aprendizagem profunda'?

“Aprendizado profundo” é outro termo relacionado à IA que você pode encontrar. É diferente do aprendizado de máquina? É sim; é um grande passo além do aprendizado de máquina e sua importância é que melhorou muito a capacidade da IA ​​de detectar padrões e, assim, lidar com imagens (e vídeos) com a mesma competência com que lida com números e palavras. Isso fica complicado; aqui está a versão curta.

O aprendizado profundo é baseado em uma rede neural, uma camada de neurônios artificiais (pedaços de matemática) que são ativados por uma entrada, comunicam-se uns com os outros sobre isso e, em seguida, produzem uma saída. Isso é chamado de “propagação direta”. Como no aprendizado de máquina tradicional, os nós descobrem a precisão da saída e ajustam suas operações de acordo. Isso é chamado de “retropropagação” e resulta no treinamento dos neurônios.

No entanto, há também uma multiplicação do que é conhecido como “camadas ocultas” entre a camada de entrada e a camada de saída. Pense nessas camadas sendo literalmente empilhadas: é simplesmente por isso que esse tipo de aprendizado de máquina é chamado de “profundo”.

Uma pilha de camadas de rede acaba sendo muito melhor em reconhecer padrões nos dados de entrada. O aprendizado profundo ajuda no reconhecimento de padrões, porque cada camada de neurônios decompõe padrões complexos em padrões cada vez mais simples (e também há esse processo de treinamento de retropropagação).

Existem fornecedores de IA no espaço martech?

Depende do que você quer dizer.

Fornecedores usando IA

Estima-se que existam mais de 11.000 fornecedores no espaço martech. Muitos deles, talvez a maioria deles, usam IA (ou podem argumentar que é isso que estão fazendo). Mas eles não estão usando IA por si só. Eles estão usando isso para fazer alguma coisa.

• Para criar recomendações de comércio.
• Para escrever linhas de assunto de e-mail.
• Para recomendar as próximas melhores ações para profissionais de marketing ou representantes de vendas.
• Para alimentar chatbots.
• Para escrever textos publicitários.
• Para gerar conteúdo para testes multivariados em larga escala.

A lista não tem fim.

O que quero dizer é que a IA é um pouco como o sal. O sal é adicionado aos alimentos para torná-los mais saborosos. A maioria de nós, pelo menos, gosta do uso adequado de sal em nossa alimentação. Mas quem disse: “Vou comer sal no jantar” ou “Tenho vontade de um lanche; Vou querer um pouco de sal.

Colocamos sal na comida. Colocamos IA na tecnologia de marketing. Além, talvez, para fins de pesquisa, o sal e a IA não são muito usados ​​por conta própria.

Então, sim, existem inúmeros fornecedores de martech usando IA. Mas existem fornecedores de martech vendendo IA como um produto independente?

Fornecedores que vendem IA

A resposta é, no espaço martech, muito poucos. IA como produto realmente significa software de IA projetado por engenheiros que pode ser incorporado e usado no contexto de alguma outra solução. É fácil encontrar fornecedores de engenharia que vendem software de IA, mas na maioria das vezes eles estão vendendo para organizações de TI em vez de organizações de marketing, e vendendo-o para ser usado para uma ampla gama de propósitos de back-office, em vez de permitir marketing ou vendas.

Há uma ou duas exceções por aí, claramente direcionando seus produtos para os profissionais de marketing. Não o suficiente, no entanto, para criar uma categoria populosa em um cenário de tecnologia de marketing.

Nós arranhamos a superfície

É tudo o que este artigo pretende fazer: arranhar a superfície de um tópico extremamente complexo com uma história rica por trás e um futuro imprevisível pela frente. Existem questões éticas a serem abordadas, é claro, como os casos quase inevitáveis ​​em que os modelos de aprendizado de máquina serão treinados em conjuntos de dados tendenciosos, bem como o plágio igualmente inevitável de conteúdo humano por IA generativa.

Mas espero que isso seja o suficiente para mastigar por enquanto.