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
Hello mọi người, người anh em nào cần chỗ nạp rút nhanh để chơi Đá Gà thì tham khảo địa chỉ này. Không lo lừa đảo: https://pacebhadrak.org.in/#. Về bờ thành công.