A Inteligência Artificial ganhou maior destaque nos últimos meses. Deixou de ser apenas parte dos laboratórios de pesquisa e desenvolvimento de empresas e universidades e chegou às mãos das pessoas que possuem um dispositivo com acesso à internet. No entanto, este tipo de ferramenta reflete apenas uma parte de seu potencial e de uma revolução tecnológica que está há anos sendo gerada.

De fato, existem diversas áreas de pesquisa científica nas quais a Inteligência Artificial tem aplicação e onde tem adquirido cada vez mais relevância, impactando, influenciando e melhorando atividades cotidianas.

É importante esclarecer que, embora ouçamos cada vez mais o termo Inteligência Artificial, em determinados contextos seria mais adequado falar em Aprendizado de Máquina (mais conhecido como Machine Learning), que é uma disciplina dentro da Inteligência Artificial. No entanto, o que observamos é que, para despertar maior interesse algumas vezes tendemos a usar o termo Inteligência Artificial como sinônimo.

Machine Learning, um campo indispensável da Inteligência Artificial

Em um sentido amplo do conceito, Inteligência Artificial se refere a sistemas ou máquinas que imitam a inteligência humana para realizar atividades que podem ser melhoradas a partir da informação que coletam. No entanto, emular as capacidades humanas é uma tarefa complexa e envolve múltiplos elementos.

Inteligência Artificial é um termo geral aplicável à ideia de que uma máquina inteligente pode aprender e tomar decisões de forma independente com base na informação fornecida em seu ambiente e ser capaz de agir sem supervisão humana. No entanto, esta ideia na atualidade é mais próxima do âmbito da ficção científica do que do que podemos encontrar na realidade.

Se os computadores começarem a "pensar por si mesmos", estaremos diante de um futuro com possibilidades infinitas onde muito do que antes era considerado inimaginável pode se tornar possível. No entanto, por enquanto, a Inteligência Artificial autossustentável ainda parece estar muito distante desse cenário.

Ao contrário, a parte da Inteligência Artificial conhecida como Aprendizado de Máquina tem sido o elemento de maior desenvolvimento em múltiplas áreas e as pessoas têm experimentado em primeira mão, através de ferramentas que se tornaram muito populares, como o ChatGPT, o progresso que este avanço tecnológico pode significar para a humanidade. Isso foi possível em parte graças ao aumento na capacidade de processamento, ao uso de grandes volumes de dados e ao desenvolvimento de algoritmos, que aceleraram o processo de melhoria das capacidades dessa tecnologia em uma grande quantidade de indústrias.

O Aprendizado de Máquina concede às máquinas a capacidade de encontrar padrões em grandes quantidades de dados, classificá-los e agir sobre eles. Devido a essas características, importantes desenvolvimentos do que identificamos como Inteligência Artificial, têm como base o Machine Learning.

Por exemplo, as ferramentas que agora permitem gerar imagens, vídeos ou texto que se tornaram populares recentemente estão baseadas na denominada Inteligência Artificial Generativa, que, como o nome indica, permite gerar novos dados a partir de dados existentes. Embora se apresente como Inteligência Artificial, trata-se de um tipo de algoritmo de Aprendizado de Máquina.

Machine Learning aplicado à cibersegurança

No campo da cibersegurança, o Machine Learning também trouxe vários benefícios, incluindo uma varredura eficiente e detecção mais rápida e precisa. De fato, algumas empresas de cibersegurança têm usado essa tecnologia há anos para melhorar as capacidades de identificação, classificação e detecção.

Retomando as principais ideias que explicamos em 2017, quando publicamos uma série de artigos sobre o estado da Inteligência Artificial no campo da cibersegurança, a seguir explicamos como o Machine Learning é aplicado no desenvolvimento de tecnologias para proteção dos usuários.

Na cibersegurança, e em particular na indústria antimalware, o Machine Learning se refere a tecnologias integradas em uma solução que foi alimentada com grandes quantidades de amostras limpas e maliciosas devidamente rotuladas e que aprendeu a diferenciá-las. Devido a este treinamento (Aprendizado de Máquina Supervisionado), os algoritmos são capazes de analisar, identificar e agir contra a maioria das ameaças potenciais.

A automação desse processo por meio do Machine Learning torna a solução de segurança mais rápida e ajuda os especialistas humanos a lidar com um grande volume de amostras que aparecem a cada dia e que cresceram exponencialmente nos últimos anos. Na ESET, o Aprendizado de Máquina Supervisionado foi denominado "detecção automatizada".

Os algoritmos que não possuem esse treinamento (Aprendizado de Máquina Não Supervisionado) são praticamente inúteis para a segurança. A razão é que eles classificam os dados em suas próprias categorias e não necessariamente distinguem entre elementos inofensivos e malware. Na verdade, eles são mais adequados para encontrar semelhanças ou anomalias em uma grande quantidade de informações que dificilmente poderiam ser identificadas pelas pessoas.

A experiência humana, um fator chave

Como dissemos, existem vários elementos que permitiram esse desenvolvimento: grandes volumes de informação (Big Data), disponibilidade de algoritmos de Machine Learning e enormes bases de dados de amostras corretamente rotuladas. Tudo isso contribuiu para o aumento das taxas de detecção, baixas (ou nulas) taxas de falsos positivos e para tornar o processo mais rápido e eficaz.

Além disso, não devemos deixar de lado o conhecimento e a experiência humana adquiridos ao longo de mais de três décadas; sem esse conhecimento, os elementos divergentes do conjunto de amostras dificilmente poderiam ser rotulados pelo Machine Learning. Por isso, estamos convencidos de que nem mesmo o melhor Aprendizado de Máquina pode substituir os pesquisadores, que construíram as bases e continuam melhorando as ferramentas.

Neste contexto, todo o trabalho de pesquisa e desenvolvimento tem um objetivo comum: criar um espaço digital cada vez mais seguro e proteger o progresso tecnológico. Mas não devemos deixar de lado que, juntamente com a tecnologia aplicada às soluções de segurança, são necessários mais elementos importantes, como educação, conscientização, legislação, pesquisa ou desenvolvimentos cada vez mais seguros, apenas para mencionar alguns dos vastos aspectos do ambiente de segurança digital.