I.A., Machine Learning e Deep Learning: Replicar, Memorizar e Aprender
Por Oficina de Valor | 22 de April de 2022
Inteligência Artificial é um tópico amplamente discutido há muito tempo, o termo foi cunhado em 1956 e já de início apresentava um objetivo audacioso e bastante otimista, afinal, sem otimismo, a ciência não evolui.
De lá para cá a evolução foi enorme, muito por conta da evolução das máquinas com alta capacidade de armazenamento e processamento e do “boom” de dados trazido pela disseminação e evolução da internet. Hoje já se fala de “Inteligência artificial” até nas propagandas comerciais dos Bancos para a grande massa, utilizando de seu significado “atraente” e muitas vezes mistificado como sinônimo de inovação e disrupção.
Há, entre o público geral, a preocupação de que a inteligência artificial substitui empregos, por tornar possível a realização de tarefas antes executadas por um ser humano, por uma máquina. Mas, como dizia um livrinho bem antigo do prof. Roberto Feldman (1988) : Robô – Ruim Com Ele – Pior Sem Ele.
Entretanto, Robôs “humanos”, onde todas as funções seriam executadas em conjunto, é mais obra de ficção ou pesquisa – o que mais temos hoje são aplicações executando funções em separado – para resolver problemas específicos – denominada Inteligência Artificial Restrita.
A Inteligência Artificial pode ser implementada a partir de instruções de um especialista, programada para orientar decisões por um robô (que quase sempre não tem formato esperado pelas mente das pessoas). São “programas” e “máquinas” que performam como se fossem autônomos, replicando funções normalmente associadas à mente humana, como a percepção e a decisão.
É importante destacar que a Inteligência Artificial nem sempre usa dados para gerar processos automatizados e robotizados. Vemos muitos “bots” que se baseiam exclusivamente em regras – sujeitas às falhas humanas e vieses. Então – não é pelo fato de alguém falar que usa Inteligência Artificial que possamos crer em algo realmente confiável ou até “inteligente”. Aprecie com moderação e pense que o modismo pode levar aos excessos para tornar algo trivial em grandioso. Entretanto, vale salientar que “as regras baseadas em conhecimento humano têm seu valor e algumas vezes é “o que se tem” num dado momento. Assim, é necessário muita lógica pessoal e ajuda de especialistas para a programação dos Robôs (ou bots). Muitas vezes fala-se em AI dependente de humanos – e isso tem sido muito comum nos Bots com atendimento que dizem usar Inteligência Artificial. Já se fala até numa nova profissão : treinador de “bots”.
Já Machine e Deep Learning, que também são um braço de AI, dependem dos dados para “aprender” . Este “termo” também consideramos exagerado. Poderia ser : dependem dos dados para ser programado. Neste sentido se os dados foram mal coletados, teremos soluções duvidosas.
No diagrama abaixo apresenta a Inteligência Artificial como um arcabouço, onde temos contidos o Aprendizado de Máquina (Machine Learning) e o Aprendizado Profundo (Deep Learning).
O Machine Learning, frequentemente, é usado como um sinônimo para Inteligência artificial, o que não é bem verdade – é uma parte da Inteligência Artificial. Machine Learning é o conjunto de métodos e algoritmos através dos quais as máquinas podem “perceber e agir” utilizando dados como base. Implica no uso de algoritmos para decidir, otimizar processos repetitivos e mitigar erros.
Com base no comportamento de compra dos clientes, desenvolvemos modelos para prever quem voltará a comprar, bem como para segmentar a base de clientes, definindo grupos ou clusters.
Isso auxilia a otimizar as estratégias e campanhas de marketing, permitindo fazer ações segmentadas para grupos de clientes específicos e com menor probabilidade de voltar nos próximos meses. Pode-se também decidir impactar aqueles que já têm chances de voltar a comprar informando sobre um produto em estoque, otimizando os investimentos. Anúncios on-line podem ser direcionados e otimizados. Utilizamos também machine learning para definir qual a próxima melhor oferta para cada indivíduo, como recomendações que fazem sentido para aquela pessoa.
Machine Learning é algo muito útil no dia a dia das empresas. São modelos – que quando bem desenvolvidos – ajudam inicialmente a aprender, pensar e agir mediante incertezas. Entretanto, depois de implementados, os modelos passam a fazer parte importante do motor de execução e automação, liberando as pessoas para que usem ainda mais sua criatividade.
Deep Learning, é um conceito que vem apresentando grande desenvolvimento e impacto. Este conceito surgiu de um desdobramento do Machine Learning e permite atuar de forma automática em situações bastante especializadas, como por exemplo reconhecer vídeos de gatinhos dentro de um acervo de vídeos do YouTube.
O reconhecimento facial é um exemplo de deep learning, está cada dia mais presente – atuando também como uma forma de assegurar que a pessoa que está interagindo com um app seja ela mesma.
Abaixo temos os resultados de um estudo publicado na Harvard Business Review (2017) que mostra a incrível diminuição da taxa de erro ao reconhecer imagens dos humanos comparados à eficiência de Algoritmos de Deep Learning.
As máquinas tiveram avanços reais para distinguir entre categorias de imagens com aparência similar. A partir de 2015 observa-se que as máquinas superaram humanos, com erro abaixo de 5% no reconhecimento de imagens.
No Machine Learning e Deep Learning muitas aplicações são possíveis e precisam ser avaliadas com critério pelas empresas – pois podem envolver dados pessoais. Então todo cuidado e zelo são necessários. Está aí a Lei Geral de Proteção de Dados trazendo novos desafios.
Se você ficou com alguma dúvida sobre os três métodos, entre em contato.
http://medium.com/cantors-paradise/the-birthplace-of-ai-9ab7d4e5fb00
Cláudia Mendes Nogueira (D.Sc.) – CEO at Oficina de Valor
darknet drug links tor drug market