O futuro da IA nos sectores verticais?

Para ser sincero, quando olho para os alegados agentes de IA "omnipotentes" de uso geral no domínio vertical, vejo-os repetidamente a bater na parede, mas tenho mais confiança no desenvolvimento da IA vertical. Recentemente, no domínio da medicina, o OpenEvidence é um exemplo perfeito - não é como uma retórica geral da IA, mas está a trabalhar honestamente na vertente vertical da medicina e, como resultado, criou uma ferramenta verdadeiramente inteligente que pode ser reconhecida pelos médicos. Isto faz-me lembrar o sentimento de um médico chefe de um hospital terciário quando participou numa cimeira sobre IA médica no ano passado: "O que precisamos é de uma IA que saiba ler filmes de TAC, não de uma IA que saiba escrever poesia".

Descobertas verticais em matéria de IA

Porque é que a IA vertical tem mais probabilidades de ser bem sucedida? A chave está na palavra "foco". O controlo do risco financeiro, por exemplo, no ano passado, um banco implementou um sistema inteligente de controlo do risco, através da aprendizagem profunda de milhões de dados de transacções, e pode agora identificar 98% de transacções fraudulentas em tempo real - este valor é mais do que uma ordem de grandeza superior ao de qualquer IA de uso geral. No fim de contas, a lógica comercial de uma vertical é como um relógio de precisão, em que todas as engrenagens têm de se encaixar perfeitamente, e como pode uma IA genérica tentar acertar em todas as peças com um único martelo sem problemas?

As barreiras de dados são o verdadeiro fosso.

Lembro-me de uma vez ter conversado com um amigo que trabalha com IA jurídica e que me disse que levou mais de um ano a organizar os dados dos processos do sítio Web de adjudicação num gráfico de conhecimentos utilizável, mas foi este processo aparentemente aborrecido que permitiu ao seu assistente jurídico inteligente citar com precisão leis e jurisprudência específicas. Pelo contrário, algumas IA genéricas, embora articuladas, começam a balbuciar quando se deparam com questões profissionais. Isto não pode deixar de fazer pensar: na era da IA, talvez a profundidade dos dados seja mais importante do que a amplitude algorítmica?

Desafios de aterragem da IA vertical

É claro que o desenvolvimento da IA vertical nem sempre é fácil. No ano passado, um projeto de IA para a indústria transformadora deparou-se com um problema típico - é difícil converter em dados a experiência operacional dos professores da fábrica. Isto também nos lembra que a IA não é uma panaceia, especialmente nas áreas que dependem do conhecimento tácito, a colaboração homem-máquina pode ser a melhor solução. Dito isto, não é exatamente aqui que a IA deve estar posicionada? Para ser o braço direito do ser humano, não um substituto.

Olhando para as áreas cada vez mais verticais da IA que começaram a surgir, penso que esta vaga de IA encontrou realmente a direção certa. Afinal, em vez de ser um "médico universal" que sabe tudo mas não sabe fazer nada, é melhor tornar-se um "consultor especializado" numa determinada área. O que é que acha?