Nome: Guilherme Lobo de Oliveira - RA: 2024105382.

Contextualização:

Desejando inovar no setor automobilístico, a empresa Gazu resolveu iniciar o projeto de

desenvolvimento de um veículo autônomo. Para tanto, a equipe responsável deverá realizar uma
pesquisa prévia que traga informações suficientes para validar a viabilização do projeto. Inicialmente,
já foi constatada a viabilidade financeira, de instalações e recursos. Agora, é necessário elaborar a
pesquisa para a parte técnica do projeto, em que serão previstas questões relevantes, como a
possibilidade de criar um sistema seguro o suficiente para o usuário. Nesse sentido, a sua consultoria
será necessária, uma vez que você é especialista na área e poderá apontar questões bastante
relevantes para o projeto.

Situação-problema

Como garantir que uma aplicação baseada em inteligência artificial se comportará conforme o
esperado?

Título: IA e os Desafios para o Desenvolvimento de um Veículo Automobilístico.

Considerando a situação do estudo de caso, que seria a de inovação do setor automobilístico,

a empresa GAZU, está no projeto de desenvolvimento de um veículo, sendo levado em consideração
nesse projeto, o desenvolvimento de um sistema que seja seguro ao usuário final. Para isso, serão
levantadas questões muito importantes para o projeto. Como por exemplo, a utilização da
Inteligência Artificial, que pode ser uma ferramenta extremamente vital para o desenvolvimento do
veículo para o estudo de caso em questão.

A Inteligência Artificial por conceito, se refere a sistemas específicos e de máquinas

impreterivelmente inteligentes que visam a facilitar e auxiliar no desenvolvimento de produtos e
serviços para o cliente final. Podem ser citados com o uso da Inteligência Artificial, produtos como por
exemplo, nas “Casas Inteligentes”, “Cidades Inteligentes” e “Supermercado do Futuro”, que nesses
produtos, são feito as automatizações com a ajuda da Inteligência Artificial, podem ser citados
também vários setores da sociedade que usam a IA, como á área da saúde, educação,
entretenimento, entre outros setores. Tudo com o objetivo de poder prever tendências e de projetar
modelo de negócios mais estratégicos.

A IA tem seu histórico de surgimento, por volta da década de 1960, com o pesquisador Alan
Turing, que desenvolveu um sistema chamado “Jogo da Imitação”, com o objetivo de diferenciar a
Inteligência Humana da em comparação da Inteligência de um sistema computacional. Esse sistema
de Alan Turing, foi extremamente vital para o combatimento do avanço do nazismo durante a
segunda guerra mundial, além desse sistema se relacionar com as ideias de automação. Por
limitações da época, ele não era capaz de avaliar sistemas mais complexos, como o sistema de
Inteligência Artificial, de um veículo autônomo, porém foi vital para as grandes guerras mundiais.

O conceito da IA, é antiga, existem vários exemplos através da literatura, que revelam como
o conceito é antigo, visto que era necessário ferramentas que pudessem auxiliar e facilitar serviços
considerados repetitivos, e de facilitar o trabalho quotidiano, podendo ser considerado um substituto
da mão de obra humana. Existiram muitas invenções que acabaram tornando o dia a dia mais
eficiente, prático, como por exemplo, computadores e eletrodomésticos. Bem como máquinas, que
simulam um sistema inteligente de forma autônoma.

Contudo é necessário saber diferenciar os termos “Aprendizado de Máquina” da

“Inteligência Artificial”, que são termos apesar de por nomenclatura serem parecidos, são conceitos
diferentes. A Inteligência, por conceito envolve, diversos fatores, atividades, como por exemplo,
interação, aprendizado de máquina, compreensão, discernimento de significados, racionalização,
entre outros. Lembrando que todas essas atividades, estão relacionadas a forma que o sistema
necessita para conseguir se tornar inteligente e conseguir executar atividades que a tornarão
eficientes e úteis para o cliente final.
Podemos então mencionar que a IA, então seja capaz de conseguir seguir com as seguintes
características, como por exemplo, ter acesso as informações para o objetivo que ela foi definida,
saber manipular os dados e informações de forma que que possa gerar associações mais consistentes,
saber quando o objetivo foi alcançado, definir os objetivos a serem priorizados dentre todos que
foram definidos, modificar os objetos de acordo com a necessidade e relevância, entre outras
características.
Os estudos da IA, também é considerado de suma importância de ser mencionado, como por
exemplo, desenvolver algoritmos, aprender a simular o comportamento humano, categorizar os
diferentes tipos de Inteligência. No quotidiano como a utilização dos assistentes de voz, mecanismos
de pesquisa, da utilização de carros autônomos, e das redes sociais, muito tem sido discutido o uso da
IA bem como os limites éticos do seu uso, e do papel que elas são desempenhadas na sociedade
atual.
É necessário aprendermos como funciona a Inteligência Artificial, para podermos explanar ao
caso da Atividade N1, a IA acontece por meio da coleta e da combinação do grande volume de dados
seguindo determinados padrões no conjunto de informações. É utilizado um conjunto de algoritmos
pré-determinados e pré-programados, para que seja possível, o sistema conseguir tomar decisões e
realizar tarefas de forma autônoma.
Sendo assim, a IA usa duas ferramentas que permitem reproduzir o comportamento
humano, sendo respetivamente, o Machine Learning, que por conceito, seria o aprendizado de
máquina, que se trata de do funcionamento de forma automatizada. Todo processo de
reconhecimento e da reprodução de padrões são realizados pela IA, com base na experiência
adquirida, através da utilização dos algoritmos. O Exemplo que pode ser citado, seria o Machine
Learning através dos mecanismos de pesquisa na internet.
Outra ferramenta que pode ser citada seria, a ferramenta Deep Learning, que usa as redes
neurais, para unidades conectadas em uma rede que faz a análise do banco de dados e das
informações. O Deep Learning, faz esse uso, para simular de forma similar a tomada de decisão o
cérebro humano. Ele é utilizado como base para a maioria das aplicações de IA na sociedade
atualmente. Podemos mencionar que o Deep Learning seria uma vertente da Ciência de Dados, que
utilizam muitas aplicações e de serviços que melhoram a automação, de forma que as tarefas são
realizadas de forma analíticas e físicas, sem a intervenção humana. Viabilizando muitos produtos e
serviços que são utilizados no quotidiano, sendo as assistentes digitais, controle remoto de TV via voz,
carros autônomos, entre outros.
Existe a Teoria da Aprendizagem Computacional, que seria uma vasta gama de estudos que
foram realizados por diferentes pesquisadores para conseguir compreender os possíveis modelos
pelos quais os seres humanos processam a informação, além de adquirir conhecimento.
Já a Lógica Fuzzy por conceito, seria uma tentativa de aproximar o processamento da
máquina das múltiplas decisões que o cérebro humano realiza diariamente. Vale ressaltar que a
Lógica Fuzzy foi desenvolvida para expressar o conceito de verdade parcial, de forma que se possa
determinar os valores entre o limite “Completamente Verdadeiro” e “Completamente Falso”.
Sobre os Aprendizados de Máquina, vale ressaltar que com a introdução do aprendizado de
máquina que seria da Língua Inglesa para Machine Learning, é uma modalidade que auxilia a treinar
algoritmos de forma que sejam desenvolvidos sistema inteligentes, e vem sendo amplamente
utilizada devido aos volumosos e crescentes bases de dados. Sobre as características dos sistemas
inteligentes, é possível definir listas de prioridades, manipular dados, saber diferenciar o certo do
errado.
O Aprendizado de Máquina possui muitos tipos e subtipos, existindo três (03) classificações,
de acordo com Shalve-Shwartz e Ben-David (2014), sendo respectivamente, o supervisionado, não
supervisionado, semisupervisionado ou por reforço, a aprendizagem ativa ou passiva e o aprendizado
com modelo adversário. Vale lembrar que a IA e o Aprendizado de Máquina são coisas diferentes, o
Aprendizado de Máquina seria uma sub-disciplina da IA, envolvendo um campo de estudos mais
abrangente.
 No Aprendizado de Máquina, é possível dividir as tarefas em supervisionado e não
supervisonado, de acorco com Shalev-Shwartz e Ben-David (2014), os algortimos devem ser
alimentados de forma que ele possa aprender a comportamentos humanos, por exemplo, em um E-
mail, distinguir o que seria de fato um E-mail do que seria Spam.
Os Algoritmos no Aprendizado de Máquina, existem 3 tipos de estruturas de decisão, sendo
simples, composta e múltipla. Na simples, apenas uma instrução é avaliada, no algoritmos composto,
a instrução é avaliada pelo algoritmo, podendo realizar uma ação “Verdadeira” ou “Falsa”,
dependendo de como foi configurado. Na decisão múltipla, alinha uma estrutura de decisão
composta, o que é possível fazer com que opções exclusivas possam ser executadas. No
agrupamento de dados, é utilizado pelo aprendizado de máquina com o foco em analisar e agrupar os
objetos (Dados), de acordo com a semelhança. Sendo assim, dados e informações, como vídeo,
imagem, áudio, podem ser agrupados de acordo com a sua semelhança e homogeneidade.
No Aprendizado de Máquina não supervisionado, não ocorre um treinamento prévio com os
elementos rotulados. Pelo fato que nem sempre existe uma base de dados coletados de forma que
possibilitasse o treinamento supervisionado. Os algoritmos nesse caso, devem se comportar de forma
que deverá encontrar um padrão que seja interessante seguir. Existe a Clusterização dos elementos,
de forma a categorizar e separar os elementos em conjuntos semelhantes. Podendo ser realizado com
palavras, imagens, sons, etc. A separação ocorrerá a partir de instruções prévias que faz com que o
sistema identifique, os itens que são similares, de forma a serem agrupadas. Nesse caso, por exemplo,
os sistemas de recomendação dos filmes, de música, sugestões de timeline de Redes Sociais, são
algoritmos que fazem uso do aprendizado não supervisionado.
Podemos citar também que existe além do modelo supervisionado e não supervisionado, o
aprendizado semisupervisonado, Que por conceito seria para treinamento do algoritmo, utilizar tanto
dados rotulados, quanto não rotulados. De acordo com Shalev-Shwartz e Ben-David (2014), quando
se trata do aprendizado por reforço, o algoritmo necessita escolher qual seria melhor tomada de
decisão, esse modelo é denominado de aprendizagem por reforço, porque o Algoritmo quando toma
uma decisão ruim, ele recebe a notificação de que de “Falhou”, vale a mesma coisa para caso do
algoritmo acertar. Esse sistema pode ser aplicado em várias situações, como na análise do Mercado
Financeiro, para ensinar um veículo autônomo sobre as melhores decisões, conforme o cenário, para
que possa aprender a evitar os obstáculos.
De acordo com Shalev-Shwartz e Ben-David (2014), os sistemas ativos e passivos, no ativo, irá
interagir com o ambiente, seja para inserir informações ou realizar experimentos. Já no sistema
passivo, ele apenas irá observar e se relacionar as informações e os dados, sem interferir no
ambiente. Existe também o modelo adversário, esse sistema é treinado para simular situações e
cenários que seja desfavoráveis, para testar qual seria a melhor decisão, ou o tipo de informação que
o algoritmo iria gerar a partir desse contato.
Considerando o caso da Atividade, para responder a situação-problema, Como garantir que
uma aplicação baseada em inteligência artificial se comportará conforme o esperado? Podemos dizer
que questões necessitam ser resolvidas, como o aumento da taxa de acidentes, falta de mobilidade
eficiente, e o excesso de poluição emitidos pelos automóveis e o uso dos Veículos Inteligente visam
resolver esse problemas mencionados anteriormente. Vale ressaltar que para as próximas décadas, o
uso dos veículos autônomos serão popularizados com o passar do tempo.

Os Carros Autônomos, por conceito, seriam os veículos que possuem as mais novas
Tecnologias no setor automotivo, anulando praticamente a existência de uma figura humana sob o
controle do automóvel. Esses veículos são capazes de realizar o processo da locomoção de forma
independente. São utilizadas placas de computador, inteligência artificial para que seja possível os
carros autônomos.
Eles são desenvolvidos através da robótica móvel e dos sistemas inteligentes de transportes.
Sendo capazes de mapear as suas imediações, identificar objetos, controlar velocidade, tomar
decisões rápidas de acordo com as sinalizações, bem como os imprevistos que envolvem pedestres.
Existem os tipos de Veículos Autônomos, de acordo com a SAE (InternationalThis link will trigger a
popup message), que é um órgão responsável pelos estudos sobre engenharia automobilística e de
indústrias montadoras de automóveis.
 Nível 0, ou sem autonomia, é um modelo de veículo não autônomo, porque ele exige
controle total do motorista, podem existir alguns sinalizadores que emitem os avisos, podendo
intervir de forma momentânea. Vale lembrar que a maioria dos veículos são considerados do nível 0.
Já o nível 1, ou assistência à direção, possui algumas tecnologias de automação, como por exemplo,
os freios automáticos, o controle de velocidade, aceleração e o controle da potência do motor. Nesse
nível, o condutor precisa estar atento o tempo todo, pronto para retomar a direção a qualquer
momento.
O nível 2, ou automação parcial, possibilita o controle do motor e do volante. O motorista
pode ficar sem mexer no volante por um determinado tempo, desde que a todo momento
supervisionando o automóvel. O Nível 3, ou semi autônomo, nesse caso, o motorista pode não
necessariamente supervisionar o carro durante o trajeto. Os carros do nível 3, podem identificar e
reagir às situações mais imediatas. O Nível 4, ou alto nível de automação, seriam os carros que pode
realizar trajetos que não necessita da interferência dos motoristas. Eles funcionam de forma segura
em trajetos e vias limitadas, bem como tráfego controlas.
Por fim, o Nível 5, ou autonomia completa, nesse modelo, não é necessário uma intervenção
humana durante o processo de condução do carro. Os comandos podem se transmitidos por sinais ou
comandos de voz. Vale lembrar que ainda não é realidade a compra de carros 100 % autônomos
devido às regulamentações e da segurança dos motoristas e pedestres. Sobre todos os modelos que
foram mencionados, e considerando as formas de garantir que uma aplicação baseada em
inteligência artificial se comportará conforme o esperado, é importante definir qual método será
utilizado no aprendizado de máquina. Porque é através dele, que serão desenvolvidos o sistema capaz
de aprender sem ser explicitamente programado.
Então para garantir que o comportamento e do funcionamento de uma aplicação baseada
em IA. É necessário que seja desenvolvidos algoritmos que sejam inteligentes e suficientemente
capazes de auxiliar as máquinas e dos sistemas na tomada de decisão. Podendo simular o raciocínio
humano, com o objetivo de tomar as decisões baseadas no seu aprendizado.
Também é necessário que provar a eficiência, através de testes de qualidade, elaborando
padrões com o objetivo de transformar em um sistema independente, para assim ser possível, ter a
capacidade de localizar, reconhecer o ambiente, para melhor tomada de decisão com base nos
padrões já definidos. É necessário se mencionar que um dos maiores desafios para que a IA dos
veículos autônomos possa vir fazer parte do quotidiano seria o de desenvolver veículos autônomos
com sensores que possui a capacidade da percepção das condições de trânsito melhor do que o do
ser humano com o objetivo de garantir que todos os pedestres e ciclistas estejam seguros.
De acordo com o estudo da “Mobilidade do Futuro”, da Alliaz Partners, até 2040 o cenário e
expectativa seja de que os veículos autônomos, seja amplamente utilizada com segurança de forma
robusta, que garanta a segurança de todos os pedestres, ciclistas, marcas como Volvo por Exemplo,
está amplamente com o objetivo de zerar as mortes nos carros em que ela fabrica.

Respondendo a pergunta da situação problema, para garantir que uma aplicação baseada em
Inteligência Artificial possa se comportar de forma o esperado, seria o de desenvolver algoritmos que
seja inteligentes o suficiente para que os veículos autônomos possa ter a correta tomada de decisão.
Com o objetivo de tomar o raciocínio humano baseadas no seu aprendizado. Realizar os testes de
qualidade, provando a eficiência dos sistemas e aplicações de Inteligência de Artificial possam ser
seguros. Sendo aplicados todos esses testes de qualidade, bem como o uso de algoritmos
inteligentes, com certeza a empresa Gazu irá conseguir desenvolver o projeto de desenvolvimento de
um veículo autônomo com sucesso, tendo êxito em seu projeto. Além de trazer carros seguros para
os usuários finais.

Referências Bibliográficas:
Guitarrara, Paloma. Brasil Escola: Inteligência Artificial. Disponível em: Inteligência artificial: o que é,
como funciona, tipo. Acesso em: 05 dez. 2024 às 21:00.
Holdsworth, Jim. Scapicchio, Marcos. O que é deep learning? IBM Brasil. Disponível em: O que é deep
learning? | IBM. Acesso em: 05 dez.2024 às 21:56.
Carros autônomos: entenda o futuro da mobilidade!. Heliar Blog. Carros autônomos: entenda o
futuro da mobilidade! | Baterias Heliar. Acesso em: 06 Dez. 2024 às 10:44.
Carro autônomo. UOL. Disponível em:
https://www.uol.com.br/carros/reportagens-especiais/transporte-do-futuro---carro-autonomo/
#page3. Acesso em: 06 Dez. 2024 às 15:03.
Carros autônomos: uma realidade cada vez mais próxima. Redação Mobilidade.
https://mobilidade.estadao.com.br/inovacao/carros-autonomos-uma-realidade-cada-vez-mais-
proxima/. Acesso em: 06 Dez. 2024 às 15:29.
Acelerando o Futuro Dos Veículos Definidos Por IA. NVIDIA. https://www.nvidia.com/pt-br/self-
driving-cars/. Acesso em: 06 Dez. 2024 às 15:31.