Diretrizes da Comissão Europeia sobre a Definição de Sistemas de IA
A Comissão Europeia emitiu diretrizes abrangentes sobre a definição de sistemas de IA, conforme estabelecido pelo Regulamento (UE) 2024/1689 (Lei de IA). Com estas diretrizes práticas, a Comissão visa auxiliar fornecedores, implantadores, importadores e distribuidores de sistemas de IA a determinar se um sistema constitui um sistema de IA dentro do significado da Lei de IA, facilitando assim a aplicação e a execução eficaz dessa Lei. A definição de sistemas de IA entrou em vigor em 2 de fevereiro de 2025.
Elementos-chave da definição de sistema de IA
Devido à natureza diversificada dos sistemas de IA, as diretrizes não podem fornecer uma lista exaustiva. Cada sistema deve ser avaliado com base em suas características específicas.
A Lei de IA adota uma abordagem baseada em ciclo de vida e define um sistema de IA como:
- um sistema baseado em máquina
- que é projetado para operar com diferentes níveis de autonomia
- que pode exibir adaptabilidade após a implantação
- e, para objetivos explícitos ou implícitos,
- inferencia a partir da entrada que recebe como gerar saídas,
- tais como previsões, conteúdos, recomendações ou decisões
- que podem influenciar ambientes físicos ou virtuais.
Essa definição em sete pontos cobre duas fases principais: pré-implantação (fase de construção) e pós-implantação (fase de uso). Nem todos os sete elementos precisam estar presentes em ambas as fases; alguns podem aparecer apenas em uma etapa.
Resumo dos Sete Pontos
1. Sistema baseado em máquina
Os sistemas de IA são baseados em máquinas, o que significa que são desenvolvidos e executados em máquinas, dependendo de componentes de hardware e software para funcionar. O hardware inclui unidades de processamento, memória, dispositivos de armazenamento e interfaces de rede, enquanto o software consiste em códigos de computador, sistemas operacionais e aplicativos que permitem processamento de dados e execução de tarefas.
2. Autonomia
A autonomia de um sistema de IA refere-se à sua capacidade de operar com diferentes níveis de independência da intervenção humana. Os sistemas de IA variam desde aqueles que operam com total envolvimento humano até totalmente autônomos, passando por vários níveis intermediários. Um sistema que processa entradas fornecidas manualmente para gerar uma saída de forma independente ainda qualifica-se como tendo algum grau de independência de ação.
O nível de autonomia do sistema de IA é crucial para os fornecedores ao determinar o risco do sistema de IA e as obrigações de conformidade, além de implementar salvaguardas para a implantação da IA.
3. Adaptabilidade
A adaptabilidade, que não é um requisito obrigatório da definição de sistema de IA, refere-se à capacidade de um sistema de IA de exibir habilidades de autoaprendizagem após a implantação, permitindo que seu comportamento mude ao longo do tempo e produza resultados diferentes para as mesmas entradas.
4. Objetivos do sistema de IA
Os sistemas de IA são projetados para operar com base em objetivos explícitos ou implícitos que orientam sua funcionalidade. Objetivos explícitos são metas claramente definidas codificadas diretamente pelos desenvolvedores, enquanto objetivos implícitos emergem do comportamento do sistema, dados de treinamento ou interações com seu ambiente.
Os objetivos de um sistema de IA podem diferir de seu propósito pretendido. Por exemplo, um assistente de IA corporativa pode ter o objetivo de responder com precisão às perguntas dos usuários, enquanto seu propósito pode ser ajudar um departamento específico da empresa, exigindo conformidade com regras de formatação e restrições de domínio.
5. Inferência de como gerar saídas usando técnicas de IA
Uma característica-chave de um sistema de IA é sua capacidade de inferir como gerar saídas a partir da entrada que recebe, distinguindo-o de software tradicional. O processo de inferência permite que sistemas de IA produzam previsões, conteúdos, recomendações ou decisões que influenciam ambientes físicos e virtuais.
Existem duas categorias amplas de técnicas de inferência:
- Abordagens de aprendizado de máquina que aprendem a partir de dados para alcançar objetivos, como aprendizado supervisionado e não supervisionado.
- Abordagens baseadas em lógica e conhecimento que inferem a partir de conhecimento codificado ou representações simbólicas, aplicando regras, fatos e relações codificadas por especialistas humanos.
6. Saídas que podem influenciar ambientes físicos ou virtuais
Uma característica fundamental dos sistemas de IA é sua capacidade de gerar saídas que podem influenciar ambientes físicos ou virtuais. Essas saídas incluem previsões, geração de conteúdo, recomendações e decisões, cada uma variando no nível de envolvimento humano.
7. Interação com o ambiente
As saídas dos sistemas de IA impactam ativamente ambientes físicos e virtuais, influenciando objetos tangíveis e espaços digitais.
Sistemas fora do escopo da definição de sistema de IA
A definição de sistema de IA não abrange sistemas baseados apenas em regras definidas por pessoas naturais para executar operações automaticamente. Exemplos incluem sistemas que melhoram otimizações matemáticas e sistemas de processamento de dados básicos.
Para orientação sobre como navegar por esses regulamentos e garantir que seus sistemas de IA atendam aos padrões exigidos, é aconselhável consultar especialistas na área.
