Entendendo a Inteligência Artificial
Gravado no evento Semana de Ciência e Tecnologia IFNMG - Campus Almenara · 1 h 43 min de gravação
Sobre o conteúdo
A atividade tem início com a abertura realizada pelo professor João Alison de Oliveira, representando a comissão organizadora da Semana de Ciência e Tecnologia IFNMG - Campus Almenara. O professor contextualiza a importância da realização do evento de divulgação científica em formato virtual e apresenta uma intervenção cultural com a canção autoral 'Castelo de Beligerantes', executada pela aluna Maria Cláudia Ottoni de Paula. Em seguida, o professor introduz o palestrante convidado, Mauricio Onoda, destacando sua formação acadêmica na UFRJ e sua trajetória profissional no desenvolvimento de soluções de aprendizado de máquina e ciência de dados no Instituto SENAI de Inovação e no mercado corporativo.
Mauricio Onoda inicia sua apresentação 'Entendendo a Inteligência Artificial' desmistificando o imaginário futurista associado à tecnologia, ressaltando que o cotidiano profissional envolve intensa programação, gestão e análise de processos. O palestrante fundamenta a discussão na estatística divulgada pelo Gartner Group, segundo a qual apenas 53% dos projetos que partem de protótipos de inteligência artificial chegam efetivamente ao ambiente de produção. A partir desse cenário, propõe-se uma retrospectiva histórica dividida em fases: a primeira onda (1995-2010), focada em data mining e bancos de dados relacionais estruturados com relatórios de BI, e a segunda onda (a partir de 2010), impulsionada pela explosão das tecnologias de Big Data e computação em nuvem, que viabilizou o aprendizado de máquina moderno e o deep learning.
O palestrante detalha como a viabilidade de iniciativas de inteligência artificial depende intrinsecamente de um pipeline de Big Data estruturado, passando pelas etapas de ingestão, carga e transformação de dados antes de alimentar modelos estatísticos e analíticos. Ele demonstra que um modelo preditivo necessita de integração contínua e retroalimentação de fluxo de dados em um ciclo data-driven para manter-se operacionalmente útil. Em seguida, Onoda ilustra casos reais em esportes, mercado financeiro, diagnósticos médicos e bioquímica, com ênfase especial nas oportunidades e desafios no agronegócio, abrangendo sensores em pecuária, visão computacional para detecção de fitopatologias, assistentes digitais, gêmeos digitais e otimização de cadeias de suprimento.
Na etapa final, João Alison modera a sessão de perguntas do público e de docentes da instituição. Mauricio Onoda responde a questionamentos sobre a absorção da inteligência artificial na educação, a distinção entre perfis profissionais de engenheiros, cientistas e analistas de dados, e as preocupações éticas envolvendo viés algorítmico, Lei Geral de Proteção de Dados (LGPD) e small data. Também são abordados os limites da automação em tarefas críticas em comparação ao julgamento humano e os impactos históricos e tendências de aplicação da inteligência artificial na construção civil e na engenharia, encerrando com os agradecimentos e orientações sobre a continuidade da programação do evento.
O que é abordado
- Abertura do evento e apresentação cultural
- Apresentação do palestrante Mauricio Onoda
- Expectativa versus realidade na Inteligência Artificial
- Primeira onda da IA: Data Mining (1995-2010)
- Surgimento do Big Data e empresas Data Driven
- Segunda onda da IA: Machine Learning e Deep Learning
- O Pipeline de Big Data e a importância da infraestrutura
- Aplicações de IA: esportes, finanças, medicina e agricultura
- O segredo do sucesso: fluxo e integração contínua de dados
- Sessão de perguntas: futuro, trabalho e educação
- Sessão de perguntas: ética, autonomia humana e construção civil
- Considerações finais e encerramento
Dúvidas que o conteúdo responde
Por que, segundo o Gartner Group, apenas 53% dos projetos de inteligência artificial chegam à produção?
Segundo o palestrante, a maior parte dos projetos não avança porque foca unicamente na construção de algoritmos de aprendizado de máquina isolados, desconsiderando a necessidade de uma arquitetura robusta de Big Data com integração constante e um fluxo contínuo de retroalimentação de dados no ambiente operacional.
Qual é a principal diferença conceitual entre o Machine Learning tradicional e o Deep Learning apresentada na palestra?
No Machine Learning tradicional (ou Data Mining), as características e variáveis dos dados precisam ser definidas e extraídas manualmente pelo especialista. No Deep Learning, muito aplicado ao processamento e visão computacional de imagens, a própria rede neural é capaz de extrair diretamente essas características dos dados brutos.
A inteligência artificial irá substituir profissionais como agrônomos ou motoristas?
Mauricio Onoda explica que a substituição completa em tarefas críticas esbarra na incapacidade dos modelos garantirem 100% de precisão sem erros. Em áreas técnicas como a agronomia, a tecnologia tende a atuar como ferramenta de apoio à decisão, valorizando e diferenciando o profissional que souber utilizá-la em vez de eliminá-lo.
Quais são as carreiras em dados em alta demanda no mercado atual?
O palestrante destaca o engenheiro de dados, encarregado da infraestrutura, arquitetura e pipelines de Big Data, como a função mais requisitada na área de computação. Para profissionais de outras áreas de negócio que queiram ingressar no campo analítico, a carreira de analista de dados desponta como bastante acessível e valorizada.
Como as questões éticas têm sido abordadas no desenvolvimento de algoritmos de inteligência artificial?
O palestrante ressalta que modelos preditivos baseados em dados históricos podem reproduzir vieses e preconceitos humanos, como discriminações de gênero em contratações. Em virtude disso, crescem ferramentas, métodos de ponderação de variáveis sensíveis e pesquisas em small data, além de exigências regulatórias como a LGPD para garantir consentimento e mitigar discriminações.
Assuntos
Palestrantes

Mauricio Onoda
Palestrante
Profissional com mais de 15 anos de experiência em Machine Learning. Trabalhei 9 anos em projetos de P&D na Universidade Federal do Rio de Janeiro (COPPE/UFRJ), desenvolvendo soluções de Data Science para as áreas de óleo & gás, telecom e energia. Nos últimos anos atuei em projetos de Big Data na nuvem em empresas de classificados, mídia e entretenimento e, atualmente, sou pesquisador no Instituto SENAI de Inovação em Sistemas Virtuais de Produção (ISI SVP), trabalhando em aplicações de IA para a indústria. Sou graduado em Computação (1989) pelo ITA - Instituo Tecnológico de Aeronáutica e…

João Alison de Oliveira
Mediador(a)
Engenheiro Agrônomo pela Universidade Estadual de Montes Claros (2012). Possui Mestrado em Fitotecnia (2014) e Doutorado em Fitotecnia (2018) pela Universidade Federal de Viçosa. Tem experiência na área de Agronomia, com ênfase em Fruticultura, atuando principalmente nos seguintes temas: Fisiologia pós-colheita de frutas, manejo de fruteiras (mangueira, bananeira, citros, anonáceas, pessegueiro, ameixeira), melhoramento genético de fruteiras (pêssego, nectarina e ameixa) e propagação de fruteiras. Atualmente é professor efetivo do Instituto Federal do Norte de Minas Gerais, Campus Almenara…
Outros conteúdos deste evento
Gravados no evento Semana de Ciência e Tecnologia IFNMG - Campus Almenara
Uso da Inteligência Artificial em Tempos de Pandemia
Gravado no evento Semana de Ciência e Tecnologia IFNMG - Campus Almenara
Durante a Semana de Ciência e Tecnologia IFNMG - Campus Almenara, a mesa-redonda aborda o tema "Uso da Inteligência Artificial em Tempos de Pandemia". A primeira apresentação…
Ver resumo e capítulosInteligência Artificial e Sustentabilidade no Contexto da Economia 4.0
Gravado no evento Semana de Ciência e Tecnologia IFNMG - Campus Almenara
A mesa-redonda aborda o impacto e as aplicações da inteligência artificial e tecnologias digitais na sustentabilidade e na Economia 4.0. O professor Anderson Dourado Sisnando…
Ver resumo e capítulos
