Empresas brasileiras precisam avançar em Deep Learning
O avanço na utilização de Inteligência Artificial, Machine Learning e, mais recentemente, o Deep Learning nos negócios tem promovido disrupções em mercados em todo o mundo e colocado em xeque as habilidades de profissionais da área de Tecnologia de Informação e também estratégias adotadas por algumas empresas. Nessa onda das máquinas inteligentes e dos sistemas autônomos, gigantes – como: Google, IBM, Microsoft, Tesla, entre outras – têm feito investimentos pesados para estar à frente e desfrutar desse processo de digitalização da economia.
Segundo dados da consultoria A. T. Kearney, em 2015, os principais investimentos em tecnologias de Inteligência Artificial foram: carros autônomos, com US$ 538 milhões; robótica industrial, com US$ 411 milhões; programas de computador cognitivos, com US$ 337 milhões; redes neurais artificiais, com US$ 307 milhões; e inteligência de marketing, com US$ 248 milhões.
Para se ter uma ideia do impacto que a inovação nessas áreas vai gerar, um estudo da Universidade de Oxford, intitulado “The Future of Employment: How Susceptible Are Jobs to Computerisation?“, realizado pelos pesquisadores Michael A. Osborne e Carl Benedikt Frey, estima que 47% dos empregos nos Estados Unidos corram o risco de serem automatizados nos próximos 20 anos.
LEIA MAIS:
Inteligência artificial e o mercado financeiro: auxílio na otimização de processos e no gerenciamento de riscos
Educação: novos recursos tecnológicos e melhor compreensão do processo de ensino-aprendizagem
Apesar de ser um mercado em potencial, o Brasil tem muito que avançar. Na opinião do professor titular aposentado da Unicamp e sócio-fundador da NeuralMind, Roberto Lotufo, observa-se no país um atraso na adoção dessas novas tecnologias. “Quanto mais conservador for um setor, mais ele irá demorar a adotar a inteligência artificial. Para a adoção da inteligência artificial, é necessário que os dados estejam sendo coletados e organizados e esta etapa no Brasil é ainda pouco desenvolvida”, avalia o especialista.
E isso não pode ser atribuído à escassez de informação. “Apesar de notarmos uma falta de cursos de Inteligência Artificial, em Machine Learning e Deep Learning, em particular, seja nas universidades, seja nos treinamentos corporativos, existe uma farta disponibilidade de tutoriais, plataformas e linguagens de código aberto e licença comercial gratuitas disponíveis na Internet, na área de Machine Learning e Deep Learning. Assim, a dificuldade está na desconfiança e no desconhecimento dos dirigentes, que ainda têm pouca informação sobre o impacto que estas novas tecnologias podem gerar em seus negócios”, revela.
LEIA MAIS:
Inteligência Artificial reduz erros e custos na área jurídica
Inteligência Artifical e análise de emoções: como as empresas podem se beneficiar desta tecnologia?
Sem esses avanços, a indústria nacional perde. No caso do Deep Learning, em específico, há a possibilidade de barateamento dos sistemas de armazenamento e mais rapidez nas comunicações, que permitirão um aumento no volume de dados disponíveis para as empresas, seja na forma de vídeo, texto, voz, sensores, bancos de dados, entre outras. “O Deep Learning vem permitir a análise desses dados de forma a superar a capacidade humana. Os exemplos mais contundentes são reconhecimento de voz, de faces, tradução de texto, veículo autônomo, entre outros. Outras áreas que também se beneficiam do Deep Learning são previsões de vendas, segmentação de clientes, sistemas de recomendação, análise de crédito, detecção de fraudes, manutenção preditiva, saúde pública, entre outras”, diz Lotufo.
E as expectativas, segundo o sócio-fundador da NeuralMind, são de que, cada vez mais, a Inteligência Artifical fará parte das soluções embutidas em praticamente todas as aplicações. “Meu conselho então seria: aos profissionais, procurem escolher as disciplinas eletivas que tenham a ver com Inteligência Artificial e técnicas de programação científica. Esses temas são normalmente abordados nos cursos de Engenharia de Computação e os correlacionados. Adicionalmente, complementem seus estudos na área participando de cursos na área. Participem de sites de competição como o Kaggle.com e analisem programas fontes disponíveis no GitHub“, finaliza.
