Na indústria 4.0, o grande desafio da tecnologia reside em analisar os dados e utilizá-los para aprimorar a infraestrutura de produção. Para isso, usa-se o machine learning, que é um subconjunto de tecnologias de inteligência artificial que utiliza estatísticas para permitir que as máquinas aprendam com as experiências.
Neste artigo, traremos um debate entre Claudio Goldbach, conselheiro da ABII -Associação Brasileira de Internet Industrial, Muriel Mazzetto, cientista de dados e professor, e Luiz Buzzi, coordenador de engenharia na Pollux Part of Accenture, no podcast Boteco 4.0, para mostrar a realidade do uso da inteligência artificial na indústria.
Confira as aplicações utilizadas atualmente e as oportunidades de uso!
Inteligência artificial quase inteligente
As indústrias no Brasil estão mais digitalizadas do que há cinco anos, o que indica que o país está caminhando para a transformação digital, mesmo em ritmo mais lento que outros países. De acordo com o Índice Global de Inovação (IGI) de 2021, o Brasil ocupa a posição 57ª no ranking em investimento em soluções tecnológicas e em formação de profissionais qualificados.
É fato que o setor manufatureiro está à frente de outras indústrias quando se trata da geração de dados. As tecnologias de inteligência artificial têm capacidade de analisar grandes quantidades de dados, por isso é natural que os fabricantes adotem essa tecnologia.
Segundo relatório da Markets and Markets, estima-se que a inteligência artificial global no mercado de manufatura atinja US$ 16,7 bilhões até 2026, crescendo 57,2%.
O crescimento da inteligência artificial baseada em dados, o avanço no aprendizado profundo e a necessidade de alcançar autonomia robótica para se manter competitivo no mercado global são os principais motores desse desenvolvimento.
Na indústria 4.0, as tecnologias de inteligência artificial mais utilizadas são softwares especialistas voltados para melhorar alguma aplicação. “Inteligência artificial é um conceito e, na verdade, não existe ainda o aprendizado do algoritmo. Tudo que temos, apesar de não ser muito inteligente, são aplicações muito específicas para otimizar alguma variável. E isso é extremamente válido”, diz Mazzetto.
O sistema especialista é um software de inteligência artificial integrado aos sistemas de computador que usam os dados armazenados em uma base para resolver problemas complexos. O software utiliza tecnologias de inteligência artificial como aprendizado de máquina, processamento de linguagem natural, visão computacional e aprendizado profundo.
Na indústria, o aprendizado de máquina e as redes neurais artificiais são empregados para dar suporte à manutenção preditiva de equipamentos industriais críticos, prevenindo o mau funcionamento dos ativos. Assim, eles ajudam a tomar medidas oportunas para restaurar o equipamento e evitar paradas não planejadas e dispendiosas.
O que se aplica, de acordo com Mazzetto, é o aprendizado por reforço. “É o mais próximo de soltar uma inteligência artificial em um ambiente aberto e mandar que se vire, aprenda e tente fazer uma ação bem executada”.
Nesse caso, os desenvolvedores utilizam um método de recompensa para os comportamentos desejados e de punição aos comportamentos negativos.
“Ou seja, essa quase inteligência já traz muito valor, mas também muitas limitações. E embora tenha valor, é difícil fazer com que os empresários entendam este valor, já que em vez de considerar o processo como uma otimização ou predição, esperam uma premonição ou um resultado absoluto. Isso quebra a expectativa das empresas”, justifica Mazzetto.
O caso mais emblemático na indústria é o de controlador de motor, em que o desenvolvedor entra com os dados necessários para imprimir uma certa velocidade no aplicativo e, no final, a máquina entrega o resultado.
“Este é o conceito da inteligência artificial, que olha o conjunto de dados e encontra um padrão de acordo com a solução necessária. Ela analisa esta base de dados históricos, enquanto o desenvolvedor tem diversas aplicações, desde a parte de visão computacional até o reconhecimento de fala, para treinar os parâmetros da rede de forma que entregue uma saída. Ou seja, ela pode resolver pequenos problemas onde modelos convencionais de controle não conseguem atuar”, explica Buzzi.
Desafio do cientista de dados
Os dados estão por toda parte e, todos os dias, novas informações são disponibilizadas para as pessoas. Portanto, é preciso que as empresas saibam utilizá-las da maneira correta e é aí que surgem os desafios.
O cientista de dados extrai significado e consegue interpretá-los, utilizando ferramentas e métodos de estatística e aprendizado de máquina. Mas gasta muito tempo na tarefa de coleta, limpeza e distribuição de dados, porque as bases são muito poluídas.
Trata-se de um processo que requer persistência e habilidades de engenharia de software, que também são necessárias para entender os vieses nos dados e para depurar a saída de registro do código.
Buzzi dá o exemplo de uma predição de falha em um robô: “Podemos ter uma base de dados consolidada, porém se não tivermos o cuidado de mudar, por exemplo, uma variável de falha, o processo não dará certo. Em todo processo de inteligência artificial, temos de fazer um trabalho pesado para entender a base de dados e corrigi-la para que a rede entregue um resultado aproveitável”.
Por isso, a experiência humana é indispensável, diz ele. “O cientista de dados é especializado em olhar para a base de dados, independentemente do processo. Ao desenvolver uma rede em uma indústria de processos, é preciso conhecer muito sua cadência, variáveis, entre outros. É tudo muito complexo”, ressalta.
Confira o podcast completo sobre o tema:
Transformers: a PNL de ponta
De acordo com Mazzetto, a pesquisa mais recente na área de aplicações de inteligência artificial está nos modelos chamados transformers. Trata-se de uma rede neural que aprende o contexto e, assim, o significado, rastreando relacionamentos em dados sequenciais de textos, imagens e vídeos.
É um modelo de deep learning que adota o mecanismo de autoatenção, usando um conjunto de técnicas matemáticas. Atualmente, é aplicado nas áreas de processamento de linguagem natural (PNL) e visão computacional. “Isso tem gerado os melhores sistemas de tradução quase em tempo real que existem hoje”, explica.
Criados com grandes conjuntos de dados, os transformadores fazem previsões precisas que impulsionam seu uso mais amplo, gerando mais dados que podem ser usados para criar modelos ainda melhores.
Dentro do campo de deep learning, o que há hoje de mais avançado em termos de inteligência artificial generalizada é o modelo Gato, da Deepmind. Ele foi treinado para realizar mais de 600 tarefas, entre elas, aprender a jogar videogame, gerar texto realista, processar imagens e controlar braços robóticos para empilhar blocos.
O modelo funciona como uma rede multimodal, multitarefa e multicorporativa, o que significa que ele tem uma única arquitetura com um só conjunto de parâmetros. Apesar de ser semelhante ao modelo GPT-3, especialista em PNL da OpenAI, o Gato contém apenas cerca de 1% da quantidade de parâmetros, ou seja, 1,2 bilhão. Mesmo assim, do total de 604 tarefas, ele consegue desempenhar 450 bem melhor que um expert em 50% das vezes.
Ainda não é possível precisar, segundo Mazzetto, se aumentando a quantidade de tarefas, o modelo e o quanto ele vai aprendendo ao longo do processo a quantidade de acertos crescerá.
“Precisa ser melhor estudado, mas na atuação em jogos, o modelo tem boa performance. Digo jogos porque são uma forma muito boa para treinar inteligência artificial para controle de ambiente, onde é preciso mapear seu fluxo, entender as recompensas, qual será a próxima ação. A inteligência artificial ainda não tem habilidade de abstração, de lógica e de raciocínio”, afirma Mazzetto.
Ainda assim, a aplicação de redes neurais no chão da fábrica é uma alternativa cada vez mais viável. “Estamos falando de computação de borda, recursos e capacidade de processamento limitados, além de custos altos dos equipamentos. Mas estamos chegando lá. E a cereja do bolo é a promessa da tecnologia 5G, que reduzirá o processamento da borda, com uma latência baixa e parte das redes na computação em nuvem e outra parte em um data center”, garante Buzzi.
Para ele, haverá uma massificação da inteligência artificial na indústria, porque as tecnologias habilitadoras estão ficando cada vez mais próximas do chão de fábrica. “Assim, com os modelos emergentes somados às aplicações especialistas, veremos cada vez mais projetos de inteligência artificial na indústria”, conclui.
ABII integra a Rede MCTI/Embrapii
A ABII continua exercendo seu papel como protagonista da transformação digital. Recentemente, passou a integrar a Rede MCTI/Embrapii de Inovação em Inteligência Artificial, como membro do conselho consultivo, que definirá a estratégia e diretrizes de atuação no país. A iniciativa foi criada pelo Ministério da Ciência, Tecnologia e Inovações (MCTI) e a Empresa Brasileira de Pesquisa e Inovação Industrial (Embrapii), organização vinculada ao ministério.
A proposta da rede é incentivar o uso de tecnologias avançadas no processo produtivo da indústria nacional. Para isso, oferecerá um ecossistema de inovação com competências tecnológicas complementares, que contará com recursos não reembolsáveis e centros de pesquisas com infraestrutura e profissionais qualificados para apoiar a indústria a inovar, as chamadas Unidades Embrapii.
Lançada em outubro de 2022, neste início, a rede será composta por 17 Unidades Embrapii, que compartilharão infraestrutura, competências e recursos humanos no desenvolvimento de soluções em diversas áreas: Machine Learning, Internet das Coisas, Big Data, Analytics, entre outras.
Em cinco anos, devem-se destinar R$ 70 milhões de recursos à rede, sendo R$ 20 milhões com foco em inteligência artificial aplicada ao setor automotivo e ao agronegócio. Os recursos são provenientes da Lei de Informática e do Programa Rota 2030. O modelo de atuação da Embrapii prevê o coinvestimento do setor empresarial. Assim, estima-se que a criação da Rede gere cerca de R$ 140 milhões em inovações.
Para ficar por dentro das tendências mais atuais na indústria 4.0, continue acompanhando nosso blog, pois estamos sempre antenados com o futuro.
Sobre a ABII
A ABII – Associação Brasileira de Internet Industrial, fundada em agosto de 2016, atua com o objetivo de promover o crescimento e o fortalecimento da internet industrial das coisas e da indústria 4.0 (IIoT & I4.0) no Brasil. Coordena um ecossistema com provedores, usuários e especialistas em tecnologia e instituições de ensino. Num ambiente colaborativo reúne empresas protagonistas do mercado e é referência no movimento de transformação digital. Fomenta o debate entre setores privado, público e acadêmico, a geração de conhecimento e o intercâmbio tecnológico e de negócios.