Os verdadeiros impactos da inteligência artificial na indústria 4.0

A pandemia do coronavírus (SARS-CoV-2) assombrou o mundo nos últimos tempos e trouxe consigo um cenário de milhões de mortes pelo globo. A principal ferramenta de combate à pandemia é, sem dúvidas, a vacina. Porém, o processo de criação de vários imunizantes contou com um importante recurso tecnológico de outra área como aliado: a inteligência artificial. 

Todas as revoluções ocorridas na indústria ao longo dos anos foram motivadas por eventos revolucionários, que chegaram para trazer um novo potencial de inovação e produtividade. Entendida como a capacidade de analisar dados e utilizá-los para o aprimoramento da infraestrutura de produção, o fenômeno da inteligência artificial (IA) — ou machine learning (aprendizado de máquina) — é um advento crucial da indústria 4.0.

No caso das vacinas, inicialmente, a IA atuou resumindo publicações feitas ao redor do mundo. Com o enorme volume de dados produzido, seria impossível que tudo fosse analisado sem o auxílio dela.

As ferramentas de inteligência artificial ajudaram no processo de mapeamento genético de milhares de amostras coletadas do vírus, fazendo a tarefa de entender a sua estrutura. A partir desta análise, puderam ser estudados componentes para as vacinas, em tempo recorde.

Inteligência artificial na indústria 4.0

Para entender mais sobre os impactos da inteligência artificial, a Associação Brasileira de Internet Industrial (ABII), conversou com um especialista no assunto: Luiz Henrique Buzzi, analista de produto da Pollux Part of Accenture, empresa referência em indústria 4.0 na América. 

No início do bate-papo, Buzzi foi questionado sobre o motivo pelo qual o aprendizado de máquina não se encontra destacado entre as nove tecnologias habilitadoras da indústria 4.0. De acordo com o analista, “o machine learning e o deep learning estão embutidos dentro de outra área. Eles são parte do Big Data e Data Analytics, onde há um universo muito maior de exploração dos dados”.

Sendo de fato uma tecnologia habilitadora da indústria 4.0, o Data Analytics tem o potencial de transformar a capacidade de interpretar os acontecimentos da produção, por meio de leituras profundas e contínuas dos dados.

Machine learning X Deep learning

Para diferenciar machine learning e deep learning, termos citados acima, Luiz explica que o interesse do ser humano em querer desenvolver algo que pensasse como ele data de antes da década de 50. “No princípio, essas soluções eram baseadas em algoritmos simples. Com o passar do tempo, descobriu-se que era possível ir além dentro do machine learning. Os estudos biológicos do cérebro humano e a evolução dos algoritmos permitiram recriar um modelo simplificado da cognição, que mais se assemelha ao pensamento da mente humana: as redes neurais”. 

Em resumo, entende-se o machine learning como um subconjunto de tecnologias de Inteligência Artificial que usa estatísticas para permitir que as máquinas aprendam com as experiências. Já o deep learning, ou “aprendizagem profunda”, consiste em um subconjunto de machine learning que usa Redes Neurais para resolução de problemas mais complexos.

Como a IA pode auxiliar a indústria 4.0 com seu potencial de aprendizagem contínua?

“Pense em um robô. Quando ele é novo, dificilmente apresenta problemas. Depois de alguns anos, ele começa a apresentar manutenção devido à sua utilização. Se você não consegue prever a falha, isso pode ser prejudicial, ocasionando paradas não planejadas da sua linha produtiva”, exemplifica Buzzi, “mas se você conseguir prever, com base em dados e na inteligência artificial, então você poderá atuar de forma preventiva na sua linha”.

Observa-se que a inteligência artificial não oferece mudanças na indústria 4.0 por si só, porém, indica os caminhos para que outras tecnologias possam atuar no momento certo. 

Conforme explicado pelo entrevistado, nem sempre será possível utilizar modelos simples para interpretar as situações. O aprendizado de máquina surge como solução para que os dados possam ser utilizados de uma forma mais abrangente, utilizando métodos de aprendizado de máquina para encontrar relações entre as variáveis do processo. Essas tecnologias são muito utilizadas na manutenção preventiva, possibilitando analisar falhas e oferecer um monitoramento constante.

No caso da indústria, explica Luiz, “em cenários em que se exige uma inspeção muito complexa, o deep learning pode ser utilizado. A tecnologia pode aprender, por meio da análise de milhares de imagens, quais são os padrões ideais para cenários de realização de solda ou do fechamento de embalagens, por exemplo”. A precisão no aprendizado de padrões faz do deep learning uma tecnologia muito importante para que se possa entender estes padrões e aprimorar os processos, sobretudo daqueles com análises muito complexas.

Os maiores desafios para a indústria

Toda nova tecnologia é acompanhada por novos desafios. Com o machine learning e o deep learning não poderia ser diferente. Luiz Buzzi explica que o grande desafio da tecnologia não está no seu custo de implantação, já que a tecnologia não é muito cara, mas em treiná-la para que obtenha o aprendizado esperado. “A maior dificuldade está relacionada ao volume de dados catalogados que a ferramenta precisa. Como eu vou treiná-la? Para aplicações em sistemas de visão é preciso ter imagens (exemplos de resultados) o suficiente para que ela possa aprender. Quanto mais complexo for o problema, maior deve ser o volume dos dados”.

*Fonte: ABII (adaptado)