Guia detalhado para a seleção da plataforma e da tecnologia do agente de IA

Impulsionada pela onda da tecnologia de inteligência artificial, a tecnologia de agente de IA (corpo inteligente) está se desenvolvendo em uma velocidade sem precedentes e penetrando gradualmente em vários setores. Diante da infinidade de plataformas e estruturas tecnológicas de AI Agent no mercado, tanto os especialistas em tecnologia quanto os novatos no setor podem enfrentar um dilema de seleção:

• Como escolho a plataforma do AI Agent que melhor atende às minhas necessidades?
• Quais são as estruturas tecnológicas dominantes e quais são seus respectivos pontos fortes e fracos?
• Como meu cenário de aplicativo específico deve ser efetivamente integrado à tecnologia de agentes de IA?
• Com uma variedade tão grande de plataformas e estruturas, por onde você deve começar a aprender e como deve fazer suas escolhas tecnológicas?

Este artigo tem como objetivo fornecer um guia de seleção de tecnologia e plataforma de agente de IA mais aprofundado e abrangente, não apenas para responder às perguntas básicas acima, mas também para analisar profundamente as características de várias plataformas e estruturas e, combinado com os cenários de aplicação reais, ajudar os leitores a tomar decisões técnicas mais informadas.

Fortalecimento dos recursos básicos de IA: a pedra angular da seleção

Insights sobre a evolução da tecnologia de IA

O campo da IA teve um crescimento explosivo nos últimos anos. Desde os algoritmos básicos de aprendizado de máquina até a atual IA generativa e a inteligência incorporada, a tecnologia está evoluindo rapidamente. Os principais gigantes da tecnologia investiram muito no desenvolvimento de modelos de IA, a comunidade de código aberto contribuiu com um grande número de excelentes projetos e ferramentas de IA, e surgiram plataformas de IA e estruturas de desenvolvimento. A rápida iteração da tecnologia nos trouxe oportunidades sem precedentes, mas também desafios no aprendizado e na seleção.

Por exemplo, somente nos últimos meses, vimos o Google Gemini, o ChatGLM e o Baidu Wenshin Yiyi, pesquisa em profundidade O iFLYTEK Spark e muitos outros fornecedores lançaram uma nova geração de modelos de IA que são mais poderosos e ricos em recursos. Esses avanços tecnológicos são empolgantes, mas também deslumbram os alunos técnicos e os desenvolvedores de aplicativos, dificultando a escolha.

Diante de uma mudança tecnológica tão rápida, há uma necessidade urgente de esclarecer nossas prioridades de aprendizado e estratégias de seleção:

• Como você pode evitar ficar sobrecarregado com a onda de novas tecnologias e sempre manter seu aprendizado eficaz e direcionado?
• Dentre os vários ramos da tecnologia de IA, quais são os principais recursos para a criação de um agente de IA?
• Com uma grande variedade de plataformas e estruturas disponíveis, como fazer a melhor escolha para suas necessidades?

Baseado em competências, baseado em ferramentas: princípios fundamentais de aprendizado e seleção

Durante o processo de aprendizado e seleção de tecnologia para o Agente de IA, o "Baseado em competências, baseado em ferramentas" deve ser o princípio básico de orientação.

Isso significa que devemos concentrar nosso aprendizado nos Compreensão dos principais recursos de IA Por outro lado, é importante explorar em profundidade os limites das funções que podem ser alcançadas pelo modelo atual de IA, bem como o potencial da tecnologia de IA na solução de problemas práticos e na capacitação de cenários de aplicação. Especificamente, precisamos nos concentrar nos seguintes aspectos:

• Amplo espectro de capacidade de modelosConhecimento de macromodelos: Compreender as características técnicas, os pontos fortes e as limitações de diferentes tipos de macromodelos (por exemplo, modelos Transformer, modelos de difusão, redes neurais gráficas etc.) e compreender as diferenças em seus recursos no processamento de linguagem natural, visão computacional e compreensão multimodal.
• Mecanismo principal do agente de IAConhecimento profundo dos componentes de um agente de IA, por exemplo, módulo de percepção, módulo de decisão, módulo de execução, módulo de memória etc., e como o agente funciona, aprende e interage entre si.
• Inovação no cenário de aplicativosExplore ativamente os cenários de aplicação do AI Agent em diferentes setores e campos e obtenha insights sobre o valor potencial da aplicação e as oportunidades de negócios, como atendimento inteligente ao cliente, assistentes virtuais, criação de conteúdo, casa inteligente, automação industrial e aconselhamento educacional.

Aprenda e selecione ferramentas, plataformas e estruturas específicas com base em uma compreensão completa dos recursos de IA. O caminho correto de aprendizado e seleção deve seguir as seguintes etapas:

1. Definir cenários e problemas de aplicativosOs agentes de IA podem ser usados para resolver problemas específicos, como melhorar a eficiência do atendimento ao cliente, otimizar o processo de criação de conteúdo e automatizar processos de negócios, por meio de uma análise aprofundada de seus próprios requisitos.
2. Avaliação da correspondência de capacidade de IACom base nos requisitos do cenário, avalie a adequação dos diferentes recursos de IA (por exemplo, compreensão de linguagem natural, geração de diálogo, gráfico de conhecimento, raciocínio, planejamento etc.) ao cenário e determine os principais recursos de IA necessários.
3. Escolher as ferramentas e plataformas certasCom base na definição dos recursos de IA necessários, pesquise e avalie várias plataformas de agentes de IA, estruturas de desenvolvimento e ferramentas relacionadas no mercado e selecione uma solução que possa atender efetivamente às necessidades do cenário, cumprir os requisitos de recursos técnicos e levar em conta a relação custo-benefício.

Por exemplo, quando analisamos o lançamento da tecnologia da Smart Spectrum AI para inteligências de IA capazes de manipular computadores de forma autônoma, a primeira coisa a se pensar é o seguinte: Quais são os principais recursos de IA dessa tecnologia? Que cenários ela pode resolver? Em vez disso, eles se empenham imediatamente em usar e aprender a ferramenta. Uma análise mais profunda revela que a chave para essa técnica é Recursos de execução aprimorados e autonomia do agente de IA Isso permite imitar o comportamento de um usuário humano em um computador, possibilitando assim tarefas automatizadas mais complexas. Entretanto, essa tecnologia também enfrenta Custos mais altos, falta de versatilidade, riscos de segurança Os desafios incluem. Portanto, ao avaliar a adoção dessa tecnologia, é necessário Combine cenários de aplicativos específicos e necessidades práticas Faça considerações abrangentes.

Por outro lado, se começarmos a perseguir ferramentas e plataformas específicas, é fácil cair no equívoco de "ferramentas de aprendizagem por causa de ferramentas de aprendizagem", ignorando a compreensão dos principais recursos de IA e o pensamento aprofundado dos cenários de aplicação.

A importância das ferramentas: aprimorando a eficiência e acelerando os resultados

Embora o princípio fundamental seja "baseado em competências e ferramentas", isso não significa que as ferramentas não sejam importantes. As ferramentas certas podem aumentar muito a eficiência do desenvolvimento do agente de IA, reduzir o limite técnico e acelerar a aterrissagem do aplicativo. Por exemplo, várias plataformas do AI Agent oferecem interfaces gráficas, componentes pré-construídos e interfaces de API convenientes, permitindo que os desenvolvedores criem e implantem rapidamente aplicativos do AI Agent sem precisar criar todos os módulos do zero. Várias estruturas de desenvolvimento oferecem organização de código estruturado, bibliotecas de ferramentas ricas e documentação abrangente, permitindo que os desenvolvedores realizem desenvolvimento personalizado e extensões de funcionalidade com mais eficiência. As ferramentas de automação ajudam os desenvolvedores a simplificar tarefas repetitivas, como pré-processamento de dados, treinamento de modelos, avaliação de desempenho, implantação etc., para que possam se concentrar mais na lógica comercial central e no desenvolvimento de recursos inovadores.

Portanto, com base no aprendizado e no domínio dos principais recursos de IA, a escolha das ferramentas e plataformas corretas pode alcançar o dobro do resultado com a metade do esforço.

Aprendizagem orientada por cenários: a prática leva à perfeição

Aprendizado da tecnologia de agentes de IA. A maneira mais eficaz é a "aprendizagem orientada por cenários" Isso significa que devemos. Isso significa que devemos Partindo de cenários de aplicativos específicos, aprendendo e praticando com problemas reais. Por exemplo, se quisermos criar um agente de atendimento ao cliente inteligente, podemos aprender sobre o seguinte problema. Por exemplo, se quisermos criar um agente de atendimento ao cliente inteligente, podemos aprender sobre o problema a seguir:

• Quais são os principais recursos necessários para um agente inteligente de atendimento ao cliente? (por exemplo, compreensão de linguagem natural, reconhecimento de intenção, recuperação de base de conhecimento, gerenciamento de diálogo, reconhecimento de emoção etc.)
• Quais plataformas e estruturas estão disponíveis para a criação de agentes inteligentes de atendimento ao cliente (por exemplo, Rasa, Dialogflow, Amazon Lex, Coze, Dify, etc.)?
• Como projetar o fluxo de diálogo e a base de conhecimento do agente de atendimento ao cliente inteligente?
• Como avaliar o desempenho e a experiência do usuário do Intelligent Customer Service Agent?
• Como otimizar e iterar continuamente o agente de atendimento ao cliente inteligente?

Por meio da aprendizagem orientada por cenários, podemos testar o efeito real da tecnologia de IA na prática, avaliar a aplicabilidade de ferramentas e plataformas e acumular continuamente experiência e aprimorar nossas habilidades. Na prática, precisamos nos concentrar nos seguintes indicadores-chave:

• Ganhos de eficiência: O AI Agent é eficaz para aumentar a produtividade e reduzir os custos de mão de obra?
• custo operacionalCusto de implantação e execução do AI Agent: O custo de implantação e execução do AI Agent é gerenciável e está dentro do orçamento?
• velocidade de corridaCapacidade de resposta e velocidade de processamento do AI Agent atendem às necessidades do usuário?
• Qualidade dos resultadosO resultado do agente de IA é preciso, confiável e conforme o esperado?
• experiência do usuárioExperiência do usuário ao interagir com o agente de IA: A experiência do usuário ao interagir com o agente de IA é tranquila, natural e amigável?

Ao monitorar e avaliar continuamente essas métricas, podemos otimizar continuamente o desempenho do AI Agent e, por fim, determinar se a solução tecnológica escolhida realmente atende aos requisitos do cenário.

Detalhes da seleção da pilha de tecnologia AI Full Stack

Depois de esclarecer os princípios fundamentais do aprendizado e da seleção de IA, discutiremos os detalhes da seleção da pilha completa de IA para ajudar os leitores a criar aplicativos AI Agent melhores e mais avançados.

Dimensões das considerações sobre a seleção de tecnologia

Ao selecionar uma tecnologia de agente de IA, além dos aspectos mencionados anteriormente Custo, estabilidade, capacidade de implementação, precisão Além dos quatro fatores principais, as seguintes dimensões precisam ser levadas em conta:

• integridade funcionalSe a plataforma ou a estrutura oferece o conjunto completo de recursos necessários para criar um agente de IA, por exemplo, processamento de linguagem natural, gerenciamento de diálogo, base de conhecimento, suporte multimodal, orquestração de agentes etc.
• Facilidade de uso e eficiência de desenvolvimentoSe a plataforma ou a estrutura é fácil de aprender e usar, se oferece interfaces e ferramentas de desenvolvimento fáceis de usar e se melhora a eficiência do desenvolvimento e reduz os ciclos de desenvolvimento.
• Escalabilidade e flexibilidadeSe a plataforma ou estrutura oferece suporte à expansão flexível da funcionalidade e ao desenvolvimento personalizado, e se pode atender às necessidades de crescimento futuro dos negócios e de atualizações tecnológicas.
• Apoio da comunidade e ecossistemasSe a plataforma ou estrutura tem uma comunidade ativa e um ecossistema bem desenvolvido, e se tem acesso a suporte técnico oportuno e recursos abundantes.
• Segurança e privacidadeSe a plataforma ou estrutura oferece mecanismos de segurança abrangentes e medidas de proteção de privacidade para proteger os dados do usuário e a segurança do sistema.
• Métodos de implantação e ambientes operacionaisQuais métodos de implementação são compatíveis com a plataforma ou estrutura (por exemplo, nuvem, local, híbrido) e se eles são adaptáveis a diferentes ambientes operacionais e condições de hardware.
• Contratos de licença e modelos de negóciosQual é o contrato de licença para a plataforma ou estrutura, se ela é de código aberto e gratuita, se há restrições comerciais, se há serviços de suporte comercial disponíveis e se o modelo de negócios é sustentável.

No processo de seleção real, de acordo com as prioridades e o foco de seus próprios cenários, essas dimensões precisam ser ponderadas e compensadas para escolher a solução que melhor atenda às suas necessidades.

Recomendações de seleção para diferentes formações técnicas

Base de código zero: início rápido, baixa barreira à prática

com relação a Sem experiência em programação os usuários do Plataforma de agente de IA com código baixo/zero É a melhor opção para um início rápido e prática. Essas plataformas normalmente oferecem Interface gráfica do usuário, componentes de arrastar e soltar, módulos de função pré-configurados As plataformas do AI Agent são projetadas para permitir que os usuários criem e implantem rapidamente aplicativos do AI Agent sem precisar escrever código. Ao mesmo tempo, essas plataformas também tendem a Recursos avançados de IA incorporados Por exemplo, compreensão de linguagem natural, geração de diálogo, gerenciamento de base de conhecimento, integração multicanal etc. Os usuários podem invocar diretamente esses recursos sem precisar desenvolver e integrar modelos complexos de IA por conta própria.

Plataforma recomendada:

• Coze. Lançado pela ByteHopper Plataforma de criação de agentes de IA na nuvem Fornecido Interface de edição visual, rico ecossistema de plug-ins, recursos avançados de orquestração de fluxo de trabalho Os usuários podem criar facilmente vários tipos de agentes de IA, como chatbots, assistentes de criação de conteúdo, bots de questionários de conhecimento e muito mais. Coze As vantagens de Extremamente fácil de usar, rico em recursos e com rápida iteração de atualizações Mas a desvantagem é Depende totalmente de serviços em nuvem, não oferece suporte à implementação local, a segurança e a privacidade dos dados podem ser motivo de preocupação .
• Dify. Plataforma de agente de IA de código aberto (matemática) gênero Suporta implantações locais e na nuvem Fornecido Interface de edição visual semelhante à do Coze e mecanismo de plug-in Mas Maior foco na flexibilidade e na capacidade de personalização . Dify As vantagens de Código aberto gratuito, implementável localmente e dimensionável O usuário pode desenvolver e ampliar a funcionalidade de acordo com suas próprias necessidades para controlar melhor a segurança e a privacidade de seus dados.
• FlowiseAI. Outra excelente plataforma de fluxo de trabalho de IA de código aberto (matemática) gênero Focado na criação de agentes de IA e processos automatizados Fornecido Interface de programação visual baseada em nós O fluxo de trabalho de IA foi projetado para permitir que os usuários criem rapidamente fluxos de trabalho de IA complexos arrastando, soltando e conectando nós. FlowiseAI As vantagens de Recursos avançados de orquestração de fluxo de trabalho, biblioteca de nós avançada, recursos de integração flexíveis Ele pode ser perfeitamente integrado a outros modelos de IA, bancos de dados, interfaces de API e muito mais.
• Botpress. Uma plataforma focada na criação de agentes de IA conversacional Fornecido Mecanismo avançado de processamento de linguagem natural, sistema flexível de gerenciamento de diálogo, recursos avançados de integração de canais O Botpress é adequado para a criação de todos os tipos de chatbots e assistentes virtuais. As vantagens do Botpress são Capacidades profissionais de IA de conversação, sistema de produtos maduros, suporte comercial perfeito Mas em termos relativos. Curva de aprendizado mais acentuada, limite mais alto para o desenvolvimento personalizado .

Sugestões de caminhos de aprendizado:

1. Escolha uma plataforma de código zero com grande facilidade de uso (por exemplo, Coze ou Dify) Comece com uma experiência prática de criação e aplicação de um agente de IA.
2. Ferramentas de edição visual e componentes predefinidos fornecidos pela plataforma de aprendizado Você também aprenderá métodos básicos de criação e configuração de agentes.
3. Faça experiências com os recursos de IA integrados da plataforma (por exemplo, compreensão de linguagem natural, geração de diálogo, bases de conhecimento etc.) e criação de aplicativos simples de agentes de IA, como bots simples de perguntas e respostas ou chatbots.
4. Exploração passo a passo dos recursos avançados da plataforma （O AI Agent pode ser usado para criar aplicativos AI Agent mais complexos, como robôs inteligentes de atendimento ao cliente, assistentes de criação de conteúdo etc. (por exemplo, mecanismos de plug-in, orquestração de fluxo de trabalho, integração multicanal etc.).
5. Experimente progressivamente plataformas mais flexíveis e personalizáveis de acordo com suas necessidades. (por exemplo, Dify ou FlowiseAI) para aprender os princípios subjacentes e os detalhes técnicos dos agentes de IA.

Fundamentos de programação: personalização profunda, extensão flexível

com relação a Ter um conhecimento básico de programação os desenvolvedores do Estrutura de desenvolvimento de agentes de IA responder cantando Uma biblioteca de ferramentas de nível inferior capaz de fornecer Maior flexibilidade e capacidade de personalização O AI Agent foi projetado para atender às necessidades de aplicativos mais complexos e personalizados. Os desenvolvedores podem usar linguagens de programação (por exemplo, Python, JavaScript, etc.), combinadas com uma variedade de bibliotecas e ferramentas de IA, para criar os módulos do AI Agent a partir do zero e realizar uma personalização e otimização aprofundadas.

Estruturas e ferramentas recomendadas:

• LangChain. Uma das estruturas de desenvolvimento de agentes de IA mais populares Fornecido Rico conjunto de componentes e módulos Por exemplo, E/S do modelo, gerenciamento de palavras-chave, módulos de memória, tipos de agentes, bibliotecas de ferramentas, componentes de cadeias, etc. Oferece suporte a uma ampla gama dos principais modelos de idiomas (por exemplo, OpenAI, Anthropic Claude, Google PaLM, Hugging Face, etc.). Disponível em Python e JavaScript LangChain. As vantagens do LangChain são Comunidade poderosa, ecologicamente correta e ativa O AI Agent é a estrutura preferida para a criação de aplicativos complexos de AI Agent.
• CrewAI. Estrutura de desenvolvimento focada na colaboração multiagente (matemática) gênero Construído em LangChain Fornecido Um nível mais alto de abstração e encapsulamento Isso facilita para os desenvolvedores Criação e gerenciamento de equipes multiagentes A simulação de cenários de trabalho em equipe permite a divisão de tarefas mais complexas e a conclusão colaborativa. CrewAI As vantagens de Simplifica a complexidade do desenvolvimento de vários agentes, melhora a eficiência do desenvolvimento e facilita a criação de sistemas de IA complexos e colaborativos. .
• Transformers (Cara de Abraço). Uma das bibliotecas de modelos de aprendizagem profunda mais populares (matemática) gênero Fornece dezenas de milhares de modelos pré-treinados abrangendo uma ampla gama de áreas, como processamento de linguagem natural, visão computacional, processamento de áudio e muito mais. Suporte a várias estruturas convencionais de aprendizagem profunda (por exemplo, PyTorch, TensorFlow, JAX, etc.). A biblioteca Transformers é Ferramentas fundamentais para criar uma variedade de aplicativos de IA Isso inclui agentes de IA. As vantagens são Modelos avançados, desempenho poderoso, grande comunidade é uma biblioteca de ferramentas indispensável para os desenvolvedores de aprendizagem profunda.
• Rasa. Estrutura de código aberto focada no desenvolvimento de IA conversacional (matemática) gênero É fornecida uma ferramenta completa de criação de sistemas de diálogo O NLG é um sistema novo, inovador e flexível que inclui módulos como compreensão de linguagem natural, gerenciamento de diálogo, NLG e muito mais. Suporte para Python e vários canais de diálogo . Os pontos fortes da Rasa são Recursos avançados de gerenciamento de diálogo, opções flexíveis de personalização, foco na privacidade do usuário e na segurança dos dados adequado para a criação de chatbots e assistentes virtuais de nível empresarial.
• AutoGen (Microsoft). Estrutura de colaboração multiagente da Microsoft (matemática) gênero Focado na criação de sistemas multiagentes conversacionais e personalizáveis (matemática) gênero Suporta vários tipos de agentes (por exemplo, AssistantAgent, UserProxyAgent, GroupChatAgent, etc.). Fornece modelos flexíveis de interação e colaboração com o agente . AutoGen As vantagens de Colaboração avançada com vários agentes, configuração e interação flexíveis de agentes, fácil de criar sistemas complexos de IA de conversação. .

Sugestão de pilha de tecnologia:

• linguagem de programação:: Python A linguagem preferida para o desenvolvimento de IA, com um rico ecossistema de bibliotecas e ferramentas de IA. JavaScript Ele é amplamente usado no desenvolvimento front-end e no desenvolvimento back-end do Node.js, e estruturas como a LangChain também fornecem versões em JavaScript.
• Estrutura do agente de IA:: LangChain é a estrutura de desenvolvimento de agentes de IA de uso geral preferida. CrewAI para cenários de colaboração com vários agentes. Rasa para aplicativos de IA de conversação. AutoGen é outra opção para a colaboração entre vários agentes.
• Biblioteca de aprendizagem profunda:: Transformers (rosto abraçado) são bibliotecas essenciais de modelos de aprendizagem profunda que PyTorch responder cantando TensorFlow é a estrutura de aprendizagem profunda dominante.
• banco de dados de vetores:: Weaviate talvez Pinha O banco de dados isovector é usado para armazenar e recuperar dados vetoriais para melhorar a pesquisa semântica e o desempenho de correspondência de similaridade para aplicativos de IA.
• ajuda:: Parafuso.DIY / Parafuso.Novo e outras ferramentas de programação assistidas por IA podem melhorar a eficiência do desenvolvimento. Windsurf / Cursor Os plug-ins do VSCode, como este, proporcionam uma experiência de programação de IA mais conveniente.

Sugestões de caminhos de aprendizado:

1. Aprendizado sistemático da linguagem de programação Python O conhecimento da sintaxe básica, estruturas de dados, bibliotecas e ferramentas comuns.
2. Aprenda os conceitos básicos da aprendizagem profunda Conhecimento de redes neurais, retropropagação, estruturas de modelos comuns etc.
3. Saiba mais sobre a estrutura LangChain Os componentes e módulos principais, como E/S do modelo, gerenciamento de dicas, módulos de memória, componentes de cadeias, etc., são usados pelo usuário de várias maneiras.
4. Experimente criar um aplicativo simples de agente de IA com o LangChain! Por exemplo, bots de perguntas e respostas, ferramentas de resumo de texto, assistentes de geração de código, etc.
5. Explore os recursos avançados do LangChain passo a passo Por exemplo, integração de ferramentas de agente, colaboração entre vários agentes, componentes de cadeias personalizadas, etc., para criar aplicativos de agentes de IA mais complexos.
6. Escolha a estrutura e a biblioteca de ferramentas do AI Agent certas para seu aplicativo. Por exemplo, se você precisar criar sistemas multiagentes, poderá aprender CrewAI ou AutoGen; se precisar criar aplicativos de IA de conversação, poderá aprender Rasa ou Botpress.
7. Mantenha-se atualizado com os mais recentes desenvolvimentos tecnológicos em IA Continuaremos a aprimorar nossas habilidades e aplicativos, aprendendo e dominando novos modelos, estruturas e ferramentas de IA.

Resumo e perspectivas

Este artigo discute os vários aspectos da seleção da plataforma e da tecnologia do Agente de IA, desde os recursos básicos de IA, considerações de seleção, recomendações de seleção para diferentes formações técnicas, até plataformas, estruturas e ferramentas específicas recomendadas, em um esforço para fornecer aos leitores um guia abrangente e prático para a seleção da tecnologia do Agente de IA. Esperamos que as explicações deste artigo possam ajudar os leitores a Entenda melhor a tecnologia do agente de IA, esclareça suas próprias necessidades, escolha as soluções técnicas mais adequadas e inicie rapidamente o desenvolvimento do agente de IA para criar aplicativos de IA eficientes, inteligentes e confiáveis. .

No futuro, a tecnologia do agente de IA continuará a avançar em direção a Mais inteligente, mais autônomo, mais versátil Esperamos ver o surgimento de mais aplicativos inovadores de agentes de IA, trazendo mudanças profundas e aumento de valor para vários setores. Esperamos ver o surgimento de mais aplicativos inovadores de agentes de IA, trazendo mudanças profundas e aumento de valor para vários setores. Como participantes e criadores da era da IA, devemos Mantenha a paixão pelo aprendizado contínuo, adote ativamente novas tecnologias e explore constantemente as infinitas possibilidades da IA. .