Bloomberg Línea — A inteligência artificial (IA) industrial promete ser mais abrangente do que os modelos baseados em linguagem natural, fortemente dependentes de idiomas como o inglês. Esta é a visão da diretora global de pesquisa em IA Industrial da Siemens, Olympia Brikis.
Apesar do avanço significativo de modelos criados para interpretar e recriar a linguagem humana, como o ChatGPT, por exemplo, esse tipo de tecnologia ainda apresenta algumas barreiras para determinadas tarefas.
“Quando se trata de engenharia e dados físicos do mundo real, o desafio será menor, porque os padrões que usamos na indústria são universais em todos os idiomas”, disse a executiva em entrevista à Bloomberg Línea.
⟶ Assine as newsletters da Bloomberg Línea e receba as notícias do dia em primeira mão no e-mail.
Brikis é mestre em Ciências da Computação pela Universidade Ludwig-Maximilians, de Munique, na Alemanha, e desde 2015 leciona sobre inteligência artificial, além de atuar como consultora da Comissão Europeia para a área.
Ela conta que sua jornada na área da IA não foi linear. “Comecei estudando matemática, não sabia que acabaria programando ou escrevendo códigos.”
Conforme estudava matemática, ela percebeu que a resolução de problemas do mundo real usando os conceitos de pensamento analítico era sua grande motivação.
No final da graduação, Brikis acabou mudando o curso para Ciências da Computação e também estudou, em paralelo, filosofia. “Além do campo técnico, eu sentia que precisava ampliar as minhas perspectivas, pensar os problemas de maneira mais holística.”
Para a executiva, o desenvolvimento de sua carreira em torno da IA acabou sendo coerente. “Agora, olhando para trás, vejo que matemática, filosofia e ciências da computação convergem em torno da IA — o campo onde essas três disciplinas se encontram”, avalia.
Ela acrescenta que o salto na sua carreira para a IA industrial, também chamada de IA física, foi guiado principalmente pelo fato de ela ter feito um estágio na Siemens durante o seu mestrado.
Em meados de 2017, quando o campo da IA possuía ainda menos mulheres nesse tipo de pesquisa, Brikis chegou à Siemens para atuar em automação e engenharia. “Cheguei à empresa com toda uma bagagem, mas conheci uma indústria onde a IA praticamente não era usada”, afirma.
Leia mais: Êxodo de empreendedores do Brasil para o Vale do Silício impõe desafio a fundos de VC
Neste contexto, ela explica que a indústria no geral era uma “slow adopter” de IA. “No setor de consumo, víamos muito mais a adoção de IA, mas a indústria era um ambiente muito conservador para esse tipo de tecnologia, havia pouquíssimos exemplos reais de implementação”, diz.
Na Siemens, ela lidera o desenvolvimento da próxima geração de IA – incluindo modelos generativos – aplicada a operações, automação, engenharia, eletrificação e mobilidade, com foco em modelos capazes de compreender sistemas físicos complexos e operar com segurança em ambientes regulados.
Em sua avaliação, existe um consenso de que a próxima fronteira da IA é o mundo físico, mas não será trivial trazer essa tecnologia para o ambiente industrial.
Segundo a executiva, antes mesmo da popularização do ChatGPT já existia a aplicação da chamada “narrow AI” (IA estreita ou limitada, utilizada em segmentos como de indicação de compras ou filmes) na indústria. Ela explica que diferentes modelos – de manutenção ou previsão preditiva – são aplicados a determinadas máquinas de fábricas ou tipos específicos de rede de energia.
“Essas aplicações existem há muito tempo. A Siemens já vem criando soluções desse tipo para os clientes”, esclarece.
O que mudou desde a popularização do ChatGPT, em meados de 2022, foi a evolução para um modelo de IA que resolve tarefas que não foram “ensinadas”, indo além do treinamento.
Brikis observa que a IA generativa funciona bem para linguagem, vídeo e imagens, modalidades com muitos dados já inseridos na internet. No entanto, para particularidades da indústria como leitura de sensores, séries temporais, diagramas técnicos, esquemas elétricos, entre outros, a LLM ainda não entende profundamente.
“Dizemos na Siemens que esses modelos ainda não falam a linguagem da engenharia e da manufatura.”
Alguns especialistas argumentam que modelos de vídeo já começam a entender o mundo físico. “Isso é verdade em certa medida, mas para aplicações reais, a exatidão exigida é muito maior. O engenheiro precisa de precisão absoluta.”
Vantagem da IA física
Diferentemente dos modelos de linguagem, na indústria há poucos elementos textuais. “A maior parte [dos dados] é composta de números. Nas simulações, há ainda menos dependência de idioma, não é como ocorre na geração de imagens, por exemplo”, diz a executiva. “Quando construirmos modelos industriais fundamentais, eles provavelmente serão mais universais e menos dependentes da língua humana”, acrescenta.
Para Brikis, a transformação decorrente da IA industrial será enorme. “A IA física é como se fosse uma inteligência com ‘corpo’, que vai interagir com o mundo real, tomar decisões neste corpo. Para tanto, precisaremos de muito mais hardware: sensores, infraestrutura, dispositivos que permitam que a IA veja, ouça e toque”, esclarece.
Outra mudança significativa está relacionada à infraestrutura. Hoje, a maior parte da computação de IA acontece em grandes data centers. Já com a IA física, a “inferência” (processo em que a máquina, já treinada, aplica o conhecimento adquirido a novos dados para gerar previsões, decisões ou conclusões em tempo real) estará por toda parte: desde fábricas até casas e carros. “Isso aumenta muito a demanda por energia e computação localizadas.”
Atualmente, quando o modelo LLM roda no computador, isso ocorre através de um data center, que pode estar muito distante. “No futuro, a IA física rodará em milhares de dispositivos pelo mundo”, diz.
O benefício, aponta a especialista, é a automação acelerada. “Tarefas antes difíceis de automatizar finalmente poderão ser cobertas pela IA física.”
No entanto, para os treinamentos, os países ainda precisarão investir em “fábricas de IA”. Com a natureza mais distribuída da IA física, contudo, as barreiras de adoção à tecnologia devem diminuir, permitindo a implantação mais localizada, caso a caso.
No caso da Siemens, ela aponta que as soluções de IA industrial incluem visão computacional para inspeção de qualidade, análise de dados, manutenção preditiva e assistência baseada em IA no ciclo completo de engenharia, da concepção à manufatura. “Seguimos desenvolvendo modelos cada vez mais potentes”, diz.
Disseminação da IA física
Na visão de Brikis, a IA generativa já reduziu drasticamente as barreiras à inovação. “Tarefas que exigiam uma equipe grande e muito investimento agora podem ser prototipadas por uma única pessoa com ferramentas avançadas”, explica.
No entanto, ela alerta que a barreira só cairá de fato se as pessoas usarem as ferramentas. “Os dados mostram que poucos realmente usam.”
Sobre uma eventual substituição da mão de obra – de engenheiros principalmente, no caso da indústria – ela afirma que o medo ainda existe.
“Não quero ignorá-lo. Mas pessoalmente vejo como uma oportunidade, os engenheiros sempre têm mais trabalho do que conseguem executar”, destaca. Em sua avaliação, tornando o trabalho mais rápido, o engenheiro não ficará sem tarefas. “O projeto avançará mais rapidamente. O risco real é para quem não adotar essas ferramentas, esses sim ficarão para trás.”
Leia também:
Esta startup usa IA para checar antecedentes de fornecedores. E agora atraiu a Totvs
É um dos melhores momentos para investir em anos, diz head da General Atlantic no país
Na Roche, área de diagnósticos já fatura R$ 1,5 bi. O CEO vê espaço para crescer mais
