Revolução e oportunidade em Machine Learning e Deep Learning
por Patricia Magalhães de Toledo para a Cadeira do Conhecimento Weme: Inteligência Artificial
Ainda que popularmente esse pareça ser um termo recente, o que muita gente não sabe é que a primeira citação à “Inteligência Artificial” é datada de 1956, quando John McCarthy cunhou o termo durante um workshop, no Dartmouth College, nos Estados Unidos. À época, ele assim definiu: “a ciência e a engenharia de fazer máquinas inteligentes”.
Nesses mais de 60 anos — que distanciam a criação do nome dos avanços tecnológicos assistidos hoje em dia em várias áreas do conhecimento –, a Inteligência Artificial tornou-se um campo crescente de estudos, especialmente nas últimas décadas, e tem despertado interesse de profissionais e empresas, atentos às oportunidades de se reproduzir, a partir de meios computacionais, ações, como: planejar, comunicar, aprender, perceber, adaptar e, evidentemente, resolver problemas. Ou seja, aplicar em máquinas características semelhantes ao que identificamos como inteligência do ser humano.
Para compreender como funcionam: esses sistemas inteligentes são criados a partir de conjuntos de regras, que buscam — a partir de um padrão identificado — uma tomada de decisão. Entretanto, a dificuldade observada é: ao serem abastecidos por um grande volume de dados, esses sistemas podem se tornar muito complexos, com regras interferindo umas nas outras, e exigindo assim um grande esforço humano de manutenção.
Eis que, do macrocampo da Inteligência Artificial, deriva-se então a técnica do Machine Learning. Esse subconjunto trouxe para a análise de dados um novo componente: a classificação das características do objeto. Sendo assim, mais do que compreender “o que” estava sendo inserido e analisado, passou-se a considerar “como” aquela informação era produzida.
Leia também:
Deep Learning é a tecnologia de aprendizado de máquina que mais cresce no mundo
Ciência de Dados é considerada a profissão mais promissora até 2020
Em um exemplo bem prático: na programação de sistemas detectores de fraudes, pode-se considerar: horário e local da compra, qual o produto comprado, entre outras variáveis. Essas informações compõem o que chamamos de classificador estatístico. E é a partir dele que empresas de cartão de crédito avaliam se aquela transação se assemelha ao seu “perfil de compra” ou não. Podendo assim, impedir uma transação fraudulenta.
Contudo, mesmo com os avanços nas técnicas de Machine Learning, a quantidade de dados produzidos atualmente é tamanha e tão diversa que a classificação passou a ser também um entrave e exigiu mais aprofundamento nessa área de Inteligência Artificial. E foi assim que o Deep Learning surgiu como uma alternativa avançada e moderna, capaz de superar, e muito, a barreira da classificação.
Diferentemente das duas técnicas anteriormente citados, o Deep Learning trabalha com os dados brutos, sem criar padrões ou especificidades para eles. Dito de outro modo: o Deep Learning permite a análise de dados — como texto, voz, vídeo, sensores, bancos de dados, entre outras — em sua forma original e muito superior à capacidade humana. Os exemplos mais contundentes são reconhecimento de voz, de faces, tradução de texto e veículo autônomo. No entanto, não são as únicas. 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. Na elaboração de previsões, por exemplo, o uso de inteligência artificial gera expressiva redução nos esforços e nos gastos.
Leia também:
Como o Google está avançando no uso de Deep Learning
Um novo desafio para a Inteligência Artificial: explicar a si mesma
Não à toa, empresas como Google, Tesla, IBM, Microsoft têm direcionado times inteiros para trabalhar com essa tecnologia.
No Brasil, todavia, essas novas tecnologias têm sido incorporadas a passos lentos. Observa-se que quanto mais conservador um setor é, mais ele demora a adotar a Inteligência Artificial como parte da estratégia do seu negócio. Mas o ponto-chave é: para aplicar Inteligência Artificial é necessário que os dados estejam sendo coletados e organizados. O que não é a realidade de muitas empresas, sobretudo em países emergentes.
A NeuralMind é uma startup sediada em Campinas, que busca transformar negócios com o uso de Inteligência Artificial. Entre as soluções oferecidas pela startup estão: sistemas de recomendação, detecção de anomalias, análise automática de imagens, reconhecimento inteligente de documentos e segurança cibernética. A empresa também oferece treinamento na área, com cursos in company e online.
