WBA0869_v2.

Introdução à
Inteligência Artificial
IA Generativa
Conceitos e aplicações de IA generativa

Bloco 1
Vitor Kessler
Vamos refletir?
Quais são os desafios
éticos associados ao
uso de IA Generativa?
IA Generativa versus IA Discriminativa

IA Generativa: IA Discriminativa:
• Se concentra na criação de • Se concentra na classificação
dados e conteúdo novo. e previsão com base em
dados existentes.
Modelos Generativos
• Capazes de gerar dados, como imagens,
texto, áudio e vídeo, com base em dados de
treinamento.
• Exemplos: Redes Generativas Adversariais
(GANs) e Redes Recorrentes.
Exemplos

Arte generativa

Geração de texto

Efeitos especiais em filmes

Design assistido por IA

Medicina e pesquisa de medicamentos

Videogames

Música gerada por computador

Figura 1 – Exemplos de imagens de quartos gerados com GAN

Fonte: [Link]
Ética na IA Generativa
Deep fake e manipulação de mídia.

Violação de privacidade.

Viés e discriminação.

Direitos autorais e propriedade intelectual.

Perda de emprego.

Manipulação de eleições.

Uso de identidade falsa.

Manipulação emocional.

Desigualdade digital.

Ataques cibernéticos.
IA Generativa
Modelos generativos adversariais (GANs)

Bloco 2
Vitor Kessler
Modelos Generativos Adversariais
Gerador (Generator):

Vetor de
Modelo Exemplo
entrada
gerador gerado
aleatório
Modelos Generativos Adversariais
• Discriminador (Discriminator):

Classificação
Exemplo de Modelo
binária
entrada discriminador
(real / fake)
Modelos Generativos Adversariais
Figura 2 – Exemplo do funcionamento de uma GAN

Fonte: [Link]
Modelos Generativos Adversariais
Figura 3 – Arquitetura de uma GAN

Fonte: [Link]
Tipos de GAN
• GAN Padrão (Vanilla GAN).
• DCGAN (Deep Convolutional GAN):
• Introduz camadas convolucionais no gerador e
no discriminador, tornando-os especialmente
eficazes na geração de imagens.
• CGAN (Conditional GAN):
• Permite que o gerador e o discriminador
recebam informações condicionais.
• Por exemplo, é possível gerar imagens
condicionadas a um rótulo específico, como
"cães" ou "gatos".
IA Generativa
Geração de texto, imagens e outros tipos de
dados com IA generativa

Bloco 3
Vitor Kessler
Observação
• O objetivo desta aula será apresentar um
hands-on de uso de IA generativas. Não
teremos slides, mas vídeo da minha tela.
 Quiz

O que é uma das principais características distintivas da IA

A A capacidade de criar dados sintéticos novos.

B A capacidade de fazer previsões precisas.

C A capacidade de realizar análise estatística.

D A capacidade de classificar dados existentes.

O que é uma das principais características distintivas da IA

A A capacidade de criar dados sintéticos novos.

B A capacidade de fazer previsões precisas.

C A capacidade de realizar análise estatística.

D A capacidade de classificar dados existentes.

Bloco 4
Vitor Kessler
Reflita sobre a seguinte situação
• Uma empresa de e-commerce busca aprimorar a experiência do
cliente, permitindo que os consumidores visualizem produtos em um
ambiente realista antes de fazer uma compra.
• Eles estão interessados em uma solução de IA Generativa para criar
imagens de produtos em ambientes reais.
• Objetivos:
• Melhorar a experiência do cliente, permitindo uma
visualização mais realista dos produtos.
• Aumentar as taxas de conversão e reduzir as devoluções de
produtos.
• Facilitar a apresentação de produtos em diferentes
cenários, ajudando os clientes a entender como os
produtos se encaixam em suas vidas diárias.
Norte para a resolução
• Uma solução viável para essa situação é o uso de
GANs (Redes Generativas Adversariais), mais
especificamente, o StyleGAN.
• Variação das GANs que se concentra na geração
de imagens com controle sobre o estilo.
• Permite criar imagens de alta qualidade e
personalizadas, tornando-o ideal para a criação
de imagens de produtos em diferentes ambientes
e ângulos.
Norte para a resolução
• Coleta de imagens.
• Treinamento do modelo.
• Geração de imagens.
• Uso de IA geradoras de imagens:
• Dall-E 2.
• Wombo Dream.
• Nightcafe AI.
• Tess AI.
• MidJourney.
• Stable Diffusion.
• Bing Image Creator.
IA Generativa
Dicas do(a) Professor(a)

Bloco 5
Vitor Kessler
Leitura Fundamental
Prezado aluno, as indicações a seguir podem estar disponíveis
em algum dos parceiros da nossa Biblioteca Virtual (faça o login
por meio do seu AVA), e outras podem estar disponíveis em sites
acadêmicos (como o SciELO), repositórios de instituições
públicas, órgãos públicos, anais de eventos científicos ou
periódicos científicos, todos acessíveis pela internet.
Isso não significa que o protagonismo da sua jornada de
autodesenvolvimento deva mudar de foco. Reconhecemos que
você é a autoridade máxima da sua própria vida e deve,
portanto, assumir uma postura autônoma nos estudos e na
construção da sua carreira profissional.
Por isso, nós o convidamos a explorar todas as possibilidades da
nossa Biblioteca Virtual e além! Sucesso!
Indicação de leitura 1
Artigo sobre o uso de GAN na geração de
projetos de parques.
Referência
CHEN, R. et al. Generative design of outdoor green spaces
based on generative adversarial networks. Buildings, v. 13,
n. 4, p. 1083, 2023.
Indicação de leitura 2
Artigo que pesquisa junto a clientes suas reações
à produtos gerados com GAN.
Referência
SOHN, K.; SUNG, C. E.; KOO, G.; KWON, O. Artificial
intelligence in the fashion industry: Consumer responses to
generative adversarial network (GAN) technology.
International Journal of Retail & Distribution Management,
v. 49, n. 1, p. 61-80, 2021.
Dica do(a) Professor(a)
• Documentário - "Coded Bias" (2020):
• Este documentário aborda questões éticas
em torno da IA, incluindo discussões sobre
algoritmos de IA Generativa e seu impacto
na sociedade.
• Série - "Devs" (2020):
• Uma série que mergulha em conceitos de IA
e simulação, incluindo representações de IA
Generativa.
Referências
CHEN, R. et al. Generative design of outdoor green spaces based on
generative adversarial networks. Buildings, v. 13, n. 4, p. 1083, 2023.
COPPIN, Ben. Inteligência artificial. Rio de Janeiro: Grupo Gen/LTC,
2015.
LUGER, George F. Inteligência artificial. 6. ed. São Paulo: Pearson, 2014.
SOHN, K.; SUNG, C. E.; KOO, G.; KWON, O. Artificial intelligence in the
fashion industry: Consumer responses to generative adversarial network
(GAN) technology. International Journal of Retail & Distribution
Management, v. 49, n. 1, p. 61-80, 2021.
Bons estudos!