Como cobrir Inteligência Artificial

e entender seu impacto no jornalismo



Instrutor: Guilherme Jardim



Em parceria com:


Esta página de recursos apresenta conteúdo do MOOC “Como cobrir Inteligência Artificial e entender seu impacto no jornalismo”, oferecido pelo Centro Knight para o Jornalismo nas Américas em parceria com a Microsoft. Este curso massivo em português de quatro semanas aconteceu de 19 de novembro a 16 de dezembro de 2018. Agora, disponibilizamos o conteúdo gratuitamente para os alunos que fizeram o curso e para qualquer pessoa interessada em inteligência artificial (IA) e seu impacto na indústria de notícias.


O curso foi ministrado por Guilherme Jardim. O conteúdo do curso inclui aulas em vídeo e tutoriais, leituras e muito mais.


Os materiais estão divididos em quatro módulos:

  • Módulo 1: Familiarizar o estudante com os principais conceitos relativos à Inteligência Artificial e sua evolução, sobretudo nos últimos anos.
  • Módulo 2: Apresentar as técnicas e ferramentas aplicadas em Inteligência Artificial, bem como seus fundamentos conceituais e estatísticos, com enfoque em aprendizagem de máquina e aprendizagem profunda.
  • Módulo 3: Apresentar as principais aplicações de Inteligência Artificial na sociedade e no mercado.
  • Módulo 4: Ensinar aspectos da evolução da IA, o que pode ser hype e o que não, bem como problemas éticos e sociais trazidos pelo advento da nova tecnologia.

Ao revisar esta página de recursos, incentivamos você a assistir aos vídeos e verificar as leituras conforme o seu tempo permitir. Os materiais do curso se complementam, mas os vídeos e as leituras também funcionam como recursos autônomos que podem ser consultados de acordo com a necessidade de cada um.


Esperamos que você aproveite os materiais e os compartilhe com outras pessoas interessadas em aprender a lidar com Inteligência Artificial e seu impacto no jornalismo. Se você tiver alguma dúvida, entre em contato conosco pelo e-mail knightcenter@austin.utexas.edu.



SOBRE OS INSTRUTOR



Guilherme Jardim é editor de dados no Jota. Atuou anteriormente como cientista de dados no Itaú iCarros e no Jornal “O Estado de S. Paulo”. Doutor em Direito Constitucional pela Universidade de São Paulo. Ministra aulas sobre R, python, machine learning e modelos preditivos. Tem interesse em causalidade, inferência bayesiana, deep learning e blockchain.





Conceitos básicos de IA


Ao final da primeira semana, você terá aprendido:

  • O que é inteligência artificial
  • A história da IA: o caminho recorrido desde os tempos de Alan Turing até agora
  • O que não é IA: práticas ou produtos que se apresentam como tal, mas não são
  • Tipos de IA: Modelo de IA Fraca x IA Forte.
  • IA e resolução de problemas
  • Representação do conhecimento: base do conhecimento. Principais características
  • Aprendizagem automática: o conceito de “Machine Learning”
  • Processamento de linguagem natural (PLN): interação entre o computadores e a linguagem humana

Vídeo-Aulas (Obrigatórias)

1. O que é inteligência artificial

2. História da Inteligência Artificial

3. Limitações da Inteligência Artificial

4. IA forte e IA fraca

5. Aprendizagem de máquina

6. PLN


Leituras (Obrigatórias)

1. O que é aprendizagem de máquina[medium]

2. Além do hype: onde estamos e para onde vamos com a inteligência artificial[medium]

3. Jordan: cuidado com o hype da Inteligência Artificial[impa]

4. Algoritmos de aprendizado de máquina - qual deles escolher?[medium]


Materiais de referência

1. Inteligência Artificial: o que é aprendizado de máquina? [GAZETA DO POVO]

2. Descobertas em aprendizagem de máquina crescem, e pesquisadores buscam formas de democratizar seus benefícios [Microsoft]

3. Aplicação prática da inteligência artificial que pode transformar a cibersegurança [Microsoft]

4. The rise of 'pseudo-AI': how tech firms quietly use humans to do bots' work [the Guardian]

5. Why everyone is hating on IBM Watson—including the people who helped make it [GIZMODO]

6. The history of artificial intelligence [University of Washington]

7. An introduction to reinforcement learning [medium]




Ferramentas e técnicas de IA


Ao final da segunda semana, você terá aprendido:

  • Quais ferramentas e/ou técnicas podemos usar?
  • Busca: O uso de algoritmos na resolução de problemas
  • Lógica: A recriação do comportamento humano
  • Métodos de estatística
  • Machine Learning: Exemplos na indústria jornalística
  • Machine Learning: supervisionado vs não-supervisionado
  • Redes neurais artificiais: a recriação da rede neural do cérebro biológico

Vídeo-Aulas (Obrigatórias)

1. Introdução - Técnicas utilizadas

2. Lógica em ambientes artificiais

3. Métodos estatísticos

4. Técnicas de aprendizagem de máquina

5. Redes neurais


Leituras (Obrigatórias)

1. O que são redes neurais artificiais profundas ou deep learning?  [Deep Learning Book]]

2. Aprendizagem de maquina: supervisionada ou não supervisionada? [medium]

3. Os três tipos de aprendizado de máquina [LAMFO]

4. Regressão logística em: a menor deep learning do mundo [curso-r]


Materiais de referência

1. Regressão, classificação, e aprendizado por máquina [Estadão]

2. Teste a API de visão computacional (Tutoria) [Microsoft]



Principais aplicações


Ao final da terceira semana, você terá aprendido:

  • Aplicações da IA na sociedade
  • Como se usa atualmente IA, desde API até Internet das coisas (IoT)
  • Como se usa IA na indústria: desde o cuidado da saúde até vendas

  • Vídeo-Aulas (Obrigatórias)

    1. Introdução ao módulo

    2. Aplicações na indústria

    3. Aplicações no jornalismo I

    4. Aplicações no jornalismo II

    5. Aplicações no serviço público


    Leituras (Obrigatórias)

    1. Jornalismo inteligente: inteligência artificial nas redações [EJO]

    2. Dicas do Nicar 2018: as máquinas que fazem jornalismo e anti-jornalismo [Abraji]

    3. Órgãos públicos usam inteligência artificial para combater corrupção [Agência Brasil]



    Materiais de referência

    1. Como funciona a operação serenata de amor [medium]



    Até onde vai a IA?


    Ao final da terceira semana, você terá aprendido:

  • O futuro da IA
  • Gestão e recuperação de desastres
  • Medicina personalizada
  • Serviços Cognitivos
  • Exemplos de cómo a IA está impactando o jornalismo
  • Problemas éticos relacionados à IA
  • As seis leis da robótica da UE
  • Debate com especialistas sobre o impacto da IA no emprego

  • Vídeo-Aulas (Obrigatórias)

    1. Futuro da IA

    2. Algoritmos e desigualdade

    3. Relações de causa e efeito

    4. IA e desemprego


    Leituras (Obrigatórias)

    1. Preconceito das máquinas: como algoritmos podem ser racistas e machistas[noticias]

    2. Como fórmulas matemáticas fomentam desigualdade e discriminação, segundo ex-analista de dados de Wall Street[BBC]

    3. O problema da causalidade[medium]

    4. Para construir máquinas verdadeiramente inteligentes, ensinar-lhes a causa e o efeito[medium]



    Materiais de referência

    1. Inteligência artificial reduz discriminação nos processos seletivos[UOL]

    2. Inteligência artificial criará legião de desempregados?[UOL]

    3. Inteligência Artificial pode trazer desemprego e fim da privacidade[UOL]