• Assistentes inteligentes (como Siri e Alexa)
• Mapeamento de doenças e ferramentas de previsão
• Robôs de fabricação e drones
• Recomendações de tratamento de saúde otimizadas e personalizadas
• Bots de conversação para marketing e atendimento ao cliente
• Robo-assessores para negociação de ações
• Filtros de spam em e-mail
• Ferramentas de monitoramento de mídia social para conteúdo perigoso ou notícias falsas
• Recomendações de músicas ou programas de TV do Spotify e Netflix

A IA estreita está ao nosso redor e é facilmente a realização de inteligência artificial de maior sucesso até hoje. Com seu foco na execução de tarefas específicas, a Narrow AI experimentou inúmeras inovações na última década que trouxeram “benefícios sociais significativos e contribuíram para a vitalidade econômica da nação”, de acordo com “Preparando-se para o Futuro da Inteligência Artificial”, a Relatório de 2016 divulgado pela Administração Obama.

Alguns exemplos de Narrow AI incluem:

• pesquisa do Google
• Software de reconhecimento de imagem
• Siri, Alexa e outros assistentes pessoais
• Carros autônomos
• Watson da IBM

Muito do Narrow AI é alimentado por avanços em aprendizado de máquina e aprendizado profundo. Entender a diferença entre inteligência artificial, aprendizado de máquina e aprendizado profundo pode ser confuso. O capitalista de risco Frank Chen fornece uma boa visão geral de como distingui-los, observando:

“Inteligência artificial é um conjunto de algoritmos e inteligência para tentar imitar a inteligência humana. O aprendizado de máquina é um deles, e o aprendizado profundo é uma dessas técnicas de aprendizado de máquina.”

Simplificando, o aprendizado de máquina alimenta um computador com dados e usa técnicas estatísticas para ajudá-lo a “aprender” como se tornar cada vez melhor em uma tarefa, sem ter sido programado especificamente para essa tarefa, eliminando a necessidade de milhões de linhas de código escrito. O aprendizado de máquina consiste em aprendizado supervisionado (usando conjuntos de dados rotulados) e aprendizado não supervisionado (usando conjuntos de dados não rotulados).

O aprendizado profundo é um tipo de aprendizado de máquina que executa entradas por meio de uma arquitetura de rede neural de inspiração biológica. As redes neurais contêm uma série de camadas ocultas através das quais os dados são processados, permitindo que a máquina vá “fundo” em seu aprendizado, fazendo conexões e ponderando dados para obter os melhores resultados.

A criação de uma máquina com inteligência de nível humano que pode ser aplicada a qualquer tarefa é o Santo Graal para muitos pesquisadores de IA, mas a busca por AGI tem sido repleta de dificuldades.

A busca por um “algoritmo universal para aprender e agir em qualquer ambiente” (Russel e Norvig 27) não é nova, mas o tempo não facilitou a dificuldade de essencialmente criar uma máquina com um conjunto completo de habilidades cognitivas.

A AGI tem sido a musa da ficção científica distópica, na qual robôs superinteligentes invadem a humanidade, mas os especialistas concordam que não é algo com que precisamos nos preocupar tão cedo.