As máquinas não aprendem por conta ou vontade própria. Elas precisam de muito esforço humano prévio em coletar, fazer curadoria e rotular os dados

Houve um avanço significativo no reconhecimento de imagens por algoritmos nos últimos anos. Mas as máquinas “enxergam” apenas pixels. E ainda cometem erros grosseiros

Patricia Frossard, country manager da Philips no Brasil, fala sobre o markeplace de algoritmos de inteligência artificial para diagnósticos que a marca deve lançar ainda este ano

Country manager da Philips no Brasil, Patricia Frossard fala ao Conexão CEO sobre a plataforma fruto de uma iniciativa global e que deve chegar ao País ainda neste ano para ser usada em diagnósticos

Temos muito mais a temer humanos que não pensam do que máquinas inteligentes. Estas vão gerar valor econômico, criando novos produtos, serviços e modelos de negócio. Não será humanos contra máquinas, mas sim humanos e máquinas

Há muito desconhecimento e misticismo em relação à tecnologia. É preciso entender que a IA tem um grande potencial, mas também um longo caminho a percorrer

As estimativas apontam que 80% dos projetos de machine learning não saem da fase de protótipo. Um guia prático (e técnico) dá o caminho das pedras para ser bem-sucedido nessa área

É preciso treinar os dados para que eles se tornem “inteligentes”. E isso é feito ainda de forma “manual”. Novas técnicas tentam driblar essa limitação. O problema? O custo econômico é enorme

Um grupo de cibercriminosos dos Emirados Árabes Unidos transferiu US$ 35 milhões usando a voz falsa do cliente, recriada com algoritmos de inteligência artificial. São as Deepfakes, que vão se tornar uma grande ameaça de segurança

Apesar dos impressionantes avanços que aparentemente colocam os computadores ao alcance da inteligência humana, suas operações internas desmentem o hype