Em novembro de 2016, três colegas e eu, na IBM, apresentamos um pedido de patente intitulado "Análise em Tempo Real de uma Performance Musical Usando Analytics" (publicado como US 2018/0137425 A1). O cenário era um show de rock: o instrumento de um guitarrista carrega um sensor embutido, câmeras leem os rostos e a linguagem corporal da plateia, e os fãs enviam curtidas e não curtidas pelo celular. Um sistema funde tudo isso em tempo real em um único julgamento sobre se a apresentação está indo bem e alerta o artista enquanto ainda há tempo para corrigir. Em uma configuração, um LED no braço da guitarra mostra verde para a execução correta, amarelo quando o tempo vacila e vermelho diante de uma nota errada. Chamamos o núcleo de "motor de analytics de inteligência artificial", porque esse era o vocabulário que tínhamos em 2016.
Dez anos depois, projeto arquiteturas de dados para sistemas de IA agêntica em produção. Ao reler a patente, fiquei impressionado com o quanto ela corresponde à anatomia de um agente de IA: percepção multimodal, agregação de contexto, inferência ancorada em memória episódica e semântica, uma função de avaliação e atuação por meio de um humano no circuito, tudo sob uma restrição rígida de tempo real. Não tínhamos a linguagem para isso, mas tínhamos o ciclo.
A especificação tem sete partes. A percepção opera em três modalidades: sensores nos instrumentos informam tempo, altura, afinação e volume; câmeras captam sinais involuntários da plateia; e um canal de rede transporta feedback deliberado, como avaliações e comentários. Um agregador de feedback marca, ordena e reformata essas entradas, o que hoje seria chamado de engenharia de contexto. Em seguida, o motor de analytics infere as características da apresentação, apoiado em um repositório de performances passadas arquivadas e em uma base de conhecimento que dá significado semântico ao feedback.
A correspondência não é perfeita. O desenho acertou a estrutura dos agentes, mas deixou passar outros problemas, e essas lacunas ainda ensinam lições úteis para quem constrói agentes hoje.
Fonte: Towards Data Science · Resumido por HeadlinesBriefing