Machine Learning

Você já ouviu falar em Machine Learning e Inteligência Artificial?

Reading Time: 6 minutes

O Machine Learning (ML), ou Aprendizado de Máquina, é uma das ferramentas de Inteligência Artificial que vem sendo desenvolvida para auxiliar os humanos na execução de tarefas repetitivas e/ou que demandem compreensão de muitos dados.

Quando as pessoas falam de Inteligência Artificial, Machine Learning, Automação, Big Data, Computação Cognitiva ou Deep Learning estão tratando da habilidade das máquinas de aprenderem e realizarem objetivos baseados em dados e lógica computacional.

Resumidamente, é o uso de algoritmos para coletar dados, aprender com eles e, depois, fazer uma determinação ou predição sobre alguma coisa no mundo. Cada vez mais há um incremento na utilização dessa tecnologia e, às vezes, nem percebemos. A assistente virtual Siri, publicações no mural do Facebook, traduções do Google e recomendações de filmes no Netflix são utilizações de Machine Learning em nosso dia a dia.

Atualmente, o ML começa a produzir, aliado ao potencial criado por big data e analytics, dados brutos em ferramentas úteis e previsíveis para diversos tipos de empresas. Seu benefício mais esperado é a capacidade de aumentar a compreensão dos dados, sejam eles na área da saúde, educação, transportes, esportes, entretenimento, mercado financeiro, entre outras.

Enfim, para criar bons sistemas de ML é preciso ter um grande volume de dados, saber como prepará-los e qual algoritmo utilizar. Veremos agora suas aplicações nas empresas nos mais variados campos e como diversos aplicativos que você desfruta já fazem uso dessa tecnologia.

Machine Learning

Machine Learning e aplicações nas empresas

Em pesquisa realizada pelo MIT Technology Review em conjunto com o Google Cloud, foi possível perceber que existem diferentes objetivos para as empresas que utilizam o Machine Learning.

A partir do gráfico acima podemos inferir que as empresas que utilizam Machine Learning internamente buscam ganhar uma vantagem competitiva em relação aos concorrentes por meio de um aumento de percepção dos dados e incremento no setor de Pesquisa e Desenvolvimento de produtos.

Por outro lado, para as empresas que já utilizam a tecnologia as percepções de benefícios são outras.

O ponto central da utilização do Machine Learning pode ser sintetizado no fato de que executar centenas ou milhares de consultas para descobrir um padrão consome muito tempo. Até mesmo executar uma simples consulta em sistemas tradicionais pode levar 30 minutos ou mais, sendo que uma máquina conseguiria realizar em segundos.

Fausto Ibarra, diretor de gestão global de produção da Google Cloud Platform, explica que: “o aprendizado de máquina é basicamente a forma de um computador encontrar os pedaços de informação que um humano não pode”. Continua afirmando: “Quando você tem seus dados e treina e implementa seus modelos, a máquina pode passar por terabytes de dados e ficar cada vez mais inteligente – ela basicamente se treina – e, em última análise, fazer previsões para você.”

O Waze é um ótimo exemplo dessa aplicação. Em questão de milésimos de segundos analisa milhões de dados de diversos motoristas visando indicar a melhor rota. O grande benefício é que tudo isso acontece em tempo real, tarefa que seria impossível há alguns anos, sem a utilização de Inteligência Artificial.

Para muitas empresas de cartão de crédito e gateways de pagamento, o uso do Machine Learning está na detecção de fraudes. As empresas utilizam os algoritmos para desenhar padrões e entender o perfil de consumo das pessoas. Caso em alguma compra ocorra um desvio muito grande do padrão, pode ser que esteja acontecendo uma fraude e imediatamente ela é notificada no sistema para ser verificada por um humano.

O Machine Learning é, em sua essência, uma tecnologia de predição e por isso os fatores econômicos terão como foco a redução no custo dos produtos e serviços que se baseiam em predições. Isso é importante porque a previsão é uma entrada para uma série de atividades, incluindo transporte, agricultura, saúde, manufatura de energia e varejo.

Machine Learning na área da saúde

Em artigo publicado na revista Nature, foi demonstrada a aplicação de algoritmos de Machine Learning para detectar tipos de câncer. Para conseguir chegar a um resultado satisfatório, o algoritmo examinava as imagens de scanner 3D da pessoa e buscava em sua base de dados imagens semelhantes para poder identificar qual o grau de agressividade do câncer.

Em outro estudo realizado pela universidade de Harvard e MIT sobre diagnósticos de câncer de mama, foi possível atingir uma precisão de 99,5%. O algoritmo sozinho acertava em 92% das vezes enquanto que os seres humanos tinham uma precisão por volta de 96%. Dessa forma, a conclusão obtida por meio do estudo é que aliar o trabalho realizado pelas máquinas com a percepção humana corresponde à melhor forma de alcançar um resultado mais benéfico.

Machine Learning nos setores de comércio, indústria e agricultura

No varejo cada vez mais veremos o aumento de sofisticação da cadeia de distribuição e entendimento mais profundo das preferências dos consumidores, além da possibilidade de maior customização de produtos e experiências, tanto on-line quanto off-line.

Na indústria haverá uma revolução nos sistemas de monitoramento em tempo real para detecção de anomalias. Será possível, mediante a conexão dos sistemas, revelar problemas antes deles acontecerem e com isso evitar que prejudiquem o funcionamento das máquinas ou da linha de produção.

Na agricultura, os dados serão úteis ​​para decidir quais culturas crescer, em que quantidades, em quais locais, e tornará a lavoura mais eficiente ano após ano. O resultado disso é claro: mais comida e mais barata para o maior número de pessoas, além de maior sustentabilidade no ecossistema.

Machine Learning na educação

A educação é um dos muitos setores que será beneficiada com a utilização de algoritmos de Machine Learning. Algoritmos mais fáceis de serem utilizados e entrega automatizada de conteúdo são parte das inovações que chegarão às salas de aula em breve.

Haverá uma maior personalização no conteúdo disponibilizado a cada aluno com base nas suas leituras passadas e dificuldades enfrentadas. Com isso, a experiência de cada aluno será única e não mais genérica, resultando em um ganho de aprendizado.

educação

Classificações do Machine Learning

Aprendizagem supervisionada

É o primeiro estágio do desenvolvimento do Machine Learning. É como ensinar tabuada a alguém dando somente exemplos e depois, por meio de inferências, descobrir novos resultados de contas que não tenham sido resultado do exemplo.

Aprendizagem não supervisionada

O poder computacional, isto é, a capacidade de processamento de dados do seu computador, é utilizado para encontrar mais informações sobre o seu banco de dados. Ou seja, a partir de uma grande quantidade de dados, o algoritmo qualifica as informações que você já possui com o objetivo de gerar dados enriquecidos, para então gerar um modelo analítico que possa ser replicado e utilizado sem a intervenção humana.

Aprendizagem por reforço

Enquanto os algoritmos de aprendizagem supervisionada e não supervisionada se especializam em um determinado tipo de problema e atuam somente com os mesmos dados, os algoritmos de reforço têm como princípio serem mais generalistas.

Para interpretação de um jogo de xadrez, por exemplo, o algoritmo de reforço seria o ideal já que as possibilidades de jogadas são da ordem de 10 elevado a 120 e é praticamente impossível colocar todas as possibilidades em um mesmo banco de dados. Pior seria ter de classificar todas as jogadas como boas e ruins para todos os tipos de situação.

Sendo assim, esses algoritmos são postos frente aos dados sem qualquer instrução. Ao realizar o objetivo, ganham pontos e, ao fazer o que não deveriam, perdem pontos. Basicamente, ao ganhar pontos, o algoritmo entende que sua ação foi correta e buscará agir daquela forma mais vezes.

Podemos fazer uma analogia desse algoritmo com o treinamento de um cachorro que, ao fazer a coisa certa, ganha um biscoito e ao fazer a coisa errada leva uma bronca.

Deep learning

O deep learning é a mais famosa das classificações de Inteligência Artificial e pode ser explicada como uma redescoberta da aplicação das redes neurais. Em síntese, é a tentativa de fazer com que as máquinas simulem o funcionamento dos neurônios em nosso cérebro de forma natural, assim como ocorre em nossa mente.

O grande benefício de valer-se das redes neurais é que elas são capazes de utilizar tanto os modelos supervisionados quanto os não supervisionados. Ou seja, mesmo que o algoritmo não seja muito treinado, é capaz de aprender funcionalidades e padrões presentes em seu banco de dados.

Deep Learning

Os robôs vão substituir os humanos?

Ao falar de Inteligência Artificial é sempre necessário pensar sobre as limitações dessa expressão, já que um robô sempre vai “ler” e classificar milhões de documentos muito mais rápido que um ser humano. Entretanto, essa qualidade não irá substituir a razão humana diante da imprevisibilidade do mundo real, até mesmo porque o computador não pensa, apenas é condicionado a seguir um projeto de decisões que integra cenários e fontes (bancos de dados), refletidos em algoritmos.

Sendo assim, uma vantagem de utilizar essa tecnologia é a capacidade de ganhar margem competitiva a partir de dados colhidos. Os seres humanos não são bons na análise de um grande volume de dados e geralmente acontecem erros de interpretação ou manipulação das informações.

A expectativa é que, para os próximos anos, a tecnologia se desenvolva mais e atinja outras aplicações, como automação de agentes/robôs, planejamento preditivo, vendas e direcionamento de comercialização, assistentes inteligentes, entre outras possibilidades.

Deixe um comentário

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *