Revolução na Inteligência Artificial: uma análise detalhada dos recentes progressos
Resumo
Este artigo analisa tendências recentes em algoritmos e aprendizado de máquina, com foco na aplicação da Inteligência Artificial (IA) em setores como saúde, finanças e manufatura. São discutidos desafios como viés algorítmico, interpretabilidade dos modelos e privacidade de dados, propondo soluções éticas e técnicas para mitigá-los. A metodologia envolve revisão sistemática da literatura, análise documental e síntese crítica das evidências. Além de mapear avanços e aplicações, o trabalho destaca os impactos sociais e econômicos da IA, apontando direções futuras para pesquisa e defendendo sua implementação responsável, ética e sustentável.
Palavras-chave:
Inteligência Artificial (IA), Algoritmos, Aprendizado de Máquina, Viés Algorítmico, Interpretabilidade dos Modelo, Privacidade de Dados, Deep Learning
Referências
ADADI, A.; BERRADA, M. Peeking Inside the Black-Box: A Survey on Explainable Artificial Intelligence (XAI). IEEE Access, v. 6, p. 52138–52160, 2018.
BRASIL. Ministério da Educação (MEC). Estratégia Nacional para Inteligência Artificial na Educação Básica. Brasília: MEC, 2024.
BROWN, T. B. et al. Language Models are Few-Shot Learners. Advances in Neural Information Processing Systems, v. 33, p. 1877–1901, 2020.
BUOLAMWINI, J.; GEBRU, T. Gender Shades: Intersectional Accuracy Disparities in Commercial Gender Classification. In: Proceedings of the 1st Conference on Fairness, Accountability, and Transparency. p. 77–91, 2018.
CAVALCANTE, R.; SANTOS, D.; LOPES, A. Inteligência Artificial e Inovação na Administração Pública Brasileira. Revista de Políticas Públicas e Gestão, v. 11, n. 2, p. 88–103, 2023.
GOODFELLOW, I. et al. Generative Adversarial Nets. Advances in Neural Information Processing Systems, v. 27, 2014.
GOVERNO DO ESTADO DE MATO GROSSO. Plano Estadual de Transformação Digital 2024–2030. Cuiabá: SETIC-MT, 2024.
HO, J.; JAIN, A.; ABBEEL, P. Denoising Diffusion Probabilistic Models. Advances in Neural Information Processing Systems, v. 33, p. 6840–6851, 2020.
LOESCH, M.; SCHREYER, M. Aprendizado de Máquina em Finanças: Pesquisa e Direções Futuras. arXiv preprint, arXiv:2003.08082, 2020. Disponível em: [link]. Acesso em: 1 out. 2025.
MAPA – Ministério da Agricultura e Pecuária. Agricultura de Precisão e Tecnologias Digitais no Campo. Brasília: MAPA, 2023.
MOLNAR, C. Interpretable Machine Learning: A Guide for Making Black Box Models Explainable. 2020. Disponível em: [link]. Acesso em: 1 out. 2025.
O’NEIL, C. Weapons of Math Destruction: How Big Data Increases Inequality and Threatens Democracy. New York: Crown, 2016.
OECD – Organisation for Economic Co-operation and Development. Framework for the Classification of AI Systems. Paris: OECD, 2023.
QIAN, Y.; ZHANG, K.; ZHANG, K. Uma Pesquisa sobre Técnicas de Aprendizado Profundo para Reconhecimento de Fala. IEEE Access, v. 7, p. 46020–46037, 2019.
RIAZ, M. O.; SMITH, J. Desafios e Soluções para Privacidade em Sistemas de IA. International Journal of Information Management, v. 61, p. 102393, 2021.
RUSSELL, S.; NORVIG, P. Artificial Intelligence: A Modern Approach. 4. ed. London: Pearson, 2020.
SHOKRI, R. et al. Membership Inference Attacks Against Machine Learning Models. In: Proceedings of the IEEE Symposium on Security and Privacy. p. 3–18, 2017.
SILVA, M. R.; ALMEIDA, T. L. Aplicações de Inteligência Artificial no Agronegócio Brasileiro: Desafios e Perspectivas. Revista Brasileira de Tecnologia Aplicada, v. 15, n. 1, p. 45–61, 2022.
TOPOL, E. J. Deep Medicine: How Artificial Intelligence Can Make Healthcare Human Again. New York: Basic Books, 2019.
UNESCO. Ethical Principles for Artificial Intelligence. Paris: UNESCO, 2023.
UNION EUROPEAN. AI Act: Regulation on Artificial Intelligence. Brussels: EU Publications, 2024.
BRASIL. Ministério da Educação (MEC). Estratégia Nacional para Inteligência Artificial na Educação Básica. Brasília: MEC, 2024.
BROWN, T. B. et al. Language Models are Few-Shot Learners. Advances in Neural Information Processing Systems, v. 33, p. 1877–1901, 2020.
BUOLAMWINI, J.; GEBRU, T. Gender Shades: Intersectional Accuracy Disparities in Commercial Gender Classification. In: Proceedings of the 1st Conference on Fairness, Accountability, and Transparency. p. 77–91, 2018.
CAVALCANTE, R.; SANTOS, D.; LOPES, A. Inteligência Artificial e Inovação na Administração Pública Brasileira. Revista de Políticas Públicas e Gestão, v. 11, n. 2, p. 88–103, 2023.
GOODFELLOW, I. et al. Generative Adversarial Nets. Advances in Neural Information Processing Systems, v. 27, 2014.
GOVERNO DO ESTADO DE MATO GROSSO. Plano Estadual de Transformação Digital 2024–2030. Cuiabá: SETIC-MT, 2024.
HO, J.; JAIN, A.; ABBEEL, P. Denoising Diffusion Probabilistic Models. Advances in Neural Information Processing Systems, v. 33, p. 6840–6851, 2020.
LOESCH, M.; SCHREYER, M. Aprendizado de Máquina em Finanças: Pesquisa e Direções Futuras. arXiv preprint, arXiv:2003.08082, 2020. Disponível em: [link]. Acesso em: 1 out. 2025.
MAPA – Ministério da Agricultura e Pecuária. Agricultura de Precisão e Tecnologias Digitais no Campo. Brasília: MAPA, 2023.
MOLNAR, C. Interpretable Machine Learning: A Guide for Making Black Box Models Explainable. 2020. Disponível em: [link]. Acesso em: 1 out. 2025.
O’NEIL, C. Weapons of Math Destruction: How Big Data Increases Inequality and Threatens Democracy. New York: Crown, 2016.
OECD – Organisation for Economic Co-operation and Development. Framework for the Classification of AI Systems. Paris: OECD, 2023.
QIAN, Y.; ZHANG, K.; ZHANG, K. Uma Pesquisa sobre Técnicas de Aprendizado Profundo para Reconhecimento de Fala. IEEE Access, v. 7, p. 46020–46037, 2019.
RIAZ, M. O.; SMITH, J. Desafios e Soluções para Privacidade em Sistemas de IA. International Journal of Information Management, v. 61, p. 102393, 2021.
RUSSELL, S.; NORVIG, P. Artificial Intelligence: A Modern Approach. 4. ed. London: Pearson, 2020.
SHOKRI, R. et al. Membership Inference Attacks Against Machine Learning Models. In: Proceedings of the IEEE Symposium on Security and Privacy. p. 3–18, 2017.
SILVA, M. R.; ALMEIDA, T. L. Aplicações de Inteligência Artificial no Agronegócio Brasileiro: Desafios e Perspectivas. Revista Brasileira de Tecnologia Aplicada, v. 15, n. 1, p. 45–61, 2022.
TOPOL, E. J. Deep Medicine: How Artificial Intelligence Can Make Healthcare Human Again. New York: Basic Books, 2019.
UNESCO. Ethical Principles for Artificial Intelligence. Paris: UNESCO, 2023.
UNION EUROPEAN. AI Act: Regulation on Artificial Intelligence. Brussels: EU Publications, 2024.
Publicado
12/11/2025
Como Citar
SOUZA, Dean de Novais; GONÇALVES, Jessica Azevedo; PEREIRA, Gustavo Henrique Dias Felix.
Revolução na Inteligência Artificial: uma análise detalhada dos recentes progressos. In: ESCOLA REGIONAL DE INFORMÁTICA DE MATO GROSSO (ERI-MT), 14. , 2025, Pontes e Lacerda/MT.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2025
.
p. 293-302.
ISSN 2447-5386.
DOI: https://doi.org/10.5753/eri-mt.2025.17242.
