Focam-se no que as máquinas nos vão roubar – empregos, privacidade, liberdade – e não naquilo que nos podem dar: empregos diferentes e melhores, fim do trabalho duro, novas conveniências, locais de trabalho mais seguros, melhores cuidados de saúde, menos barreiras linguísticas, novas ferramentas de aprendizagem e de tomada de decisões.

Máquinas inteligentes irão sempre precisar de pessoas inteligentes. Este livro ensina-nos a pensar um pouco mais como uma máquina, isto é, a tomar decisões usando dados e as leis da probabilidade. E o melhor de tudo é que não precisamos de saber matemática avançada. Os autores, cientistas de dados, garantem: a matemática envolvida na IA é surpreendentemente simples e acessível à maioria de nós.

Inteligência Artificial: Como Funciona e como Podemos Usá-la para Criar um Mundo Melhor (ed. Vogais | 336 pp. | 20,99€) oferece uma visão acessível da IA, ancorada em histórias em vez de equações.

A Vogais disponibiliza as primeiras páginas para leitura aqui.

SOBRE O LIVRO
Se quer compreender o mundo moderno, precisa de conhecer um pouco da linguagem matemática falada pelas máquinas inteligentes. É o que explica este livro, escrito por dois dos principais cientistas de dados da atualidade, através de histórias e não de equações. Ficará a conhecer um elenco fascinante de personagens históricas que têm muito a ensinar-lhe sobre dados, probabilidade e raciocínio. Verá como essas mesmas ideias se estão a desenrolar na era moderna de big data e de máquinas inteligentes — e como essas tecnologias em breve o ajudarão a superar algumas das suas fraquezas cognitivas, permitindo-lhe levar uma vida mais feliz, mais saudável e mais realizada. Quando a criatividade humana e o potencial das máquinas se juntam, não há limites para o poder de criar um mundo melhor.

SOBRE OS AUTORES

Nick Polson é professor de Econometria e Estatística na Chicago Booth School of Business. Nasceu em Inglaterra, estudou Matemática em Oxford e doutorou-se em Estatística Bayesiana, Trabalha em investigação em inteligência de máquinas, aprendizagem profunda e métodos computacionais.

James Scott é professor associado de Estatística na Universidade do Texas, em Austin. Como estatístico e cientista de dados, estuda a inferência bayesiana. Colaborou com cientistas numa ampla variedade de áreas, bem como com diversos setores, de startups de tecnologia até multinacionais.