Inovação: Machine Learning & Inteligência Artificial

Por: Edney “InterNey” Souza

“Insanidade é repetir os mesmos erros e esperar resultados diferentes.” (Autor desconhecido)

O que é Inovação?

Inovação é “fazer mudanças em algo estabelecido, especialmente através da introdução de novos métodos, ideias ou produtos“. Parece simples, né? Mas num mundo onde muitos executivos respondem para os mais novos que “aqui as coisas sempre foram feitas assim, acostume-se”, a ideia de mudar algo estabelecido não é tão simples assim.

Aliás questionar a forma como as coisas são feitas é a base do pensamento crítico, uma das habilidades pessoais (soft skills) mais desejadas pelas empresas, segundo a pesquisa sobre o Futuro do Trabalho do World Economic Forum. Qual é a última vez que você considerou seriamente mudar algum processo na empresa baseado na sugestão de um “novato”?

O que é Inteligência Artificial?

O que isso tem a ver com Inteligência Artificial? Tudo! Se você não é capaz aceitar mudanças não espere que alguém na sua empresa programe uma inteligência artificial disruptiva. Afinal de contas a estrutura da sua empresa só permitirá fazer as coisas como elas sempre foram feitas, e o poder computacional da tecnologia apenas vai lhe permitir fazer isso mais rápido, o que não condiz com a definição de Inovação que acabamos de ler.

Em primeiro lugar precisamos esclarecer que Inteligência Artificial é um grande guarda-chuva de coisas, onde dentre elas encontra-se Machine Learning, Redes Neurais, Deep Learning, etc. Nesse artigo vou me focar no Machine Learning, ou Aprendizado de Máquina. Se você entender e começar a usar Aprendizado de Máquina já me sentirei bem realizado.

Como funciona o Machine Learning?

O Aprendizado de Máquina (Machine Learning) analisa conjuntos de dados (datasets) através de algoritmos (geralmente um procedimento estatístico) para obter modelos que vão permitir classificar ou prever informações.

Alguns exemplos simples:

Netflix: analisando os filmes e séries que você já assistiu (conjunto de dados) a Netflix usa um algoritmo para criar um modelo que permite sugerir (prever) novos filmes e séries que você vai gostar.

Waze: analisando os caminhos que as pessoas percorrem na cidade e as suas preferências de caminho (conjunto de dados) o Waze usa um algoritmo para criar um modelo que permite sugerir (prever) novas rotas para você chegar mais rapidamente ao seu destino.

Face Recognition (Reconhecimento Facial): analisando suas fotos de rosto (conjunto de dados) os aplicativos de reconhecimento facial utilizam um algoritmo para criar um modelo que permite identificar se uma pessoa é aquela registrada em seu banco de dados.

Chamamos de Aprendizado de Máquina porque o programa (máquina) pode ir aprendendo constantemente atualizando os conjuntos de dados. Nos exemplos acima cada vez que assistimos uma série nova, fazemos um desvio em nosso caminho, ou adicionamos uma nova foto em nosso perfil o algoritmo vai ajustando o modelo para se tornar cada vez mais eficiente.

Mitos sobre Machine Learning

Quanto mais dados melhor

É verdade que a quantidade de dados usados pode aumentar a eficiência de um algoritmo de Machine Learning, porém é preciso tomar cuidado com a qualidade desses dados.

Se você deseja criar uma Inteligência Artificial que atenda seus consumidores da melhor maneira possível você precisa usar apenas os dados dos atendimentos que foram qualificados de forma positiva. Se inserir os textos dos atendimentos ruins você vai ensinar a máquina a atender mal.

Foi um algoritmo que decidiu e não uma pessoa

Um algoritmo é tão inteligente quanto a pessoa que o programou e uma decisão baseada em dados é tão boa quanto o conjunto de dados que foi analisado. Pessoas podem influenciar de forma muito negativa uma decisão de Machine Learning fornecendo dados inadequados e aplicando algoritmos incorretos. Se fosse tão simples não precisaria existir Cientistas de Dados.

Inteligência Artificial não consegue prever eventos inéditos

Se o evento X causa o evento Y, e o evento Y causa o evento Z, então um algoritmo de aprendizado de máquina pode prever que X causa Z mesmo que isso nunca tenha acontecido.

Analisando corretamente pequenos trechos um algoritmo de Machine Learning pode prever um caminho completamente novo.

Se uma inteligência artificial decidiu então está certo

Muitas coisas podem dar errado em uma previsão de máquina: o uso do algoritmo inadequado, baixa qualidade dos dados, quantidade insuficiente de dados para ter confiança estatística da análise, tudo isso vai gerar um modelo ruim.

É fundamental testar exaustivamente um modelo antes de liberá-lo para o público em geral ou começar a tomar decisões na sua companhia. O ideal é implantar um sistema de Machine Learning em paralelo com o processo humano e comparar suas decisões por um tempo.

Quando o sistema de Aprendizado de Máquina estiver tomando decisões um pouco melhores que os humanos é hora de começar a confiar nele, mas é importante ter sempre um processo de validação para evitar erros futuros.

Não deixe os dados decidirem por você

Uma última dica antes de você procurar um Cientista de Dados e começar seu primeiro projeto de Machine Learning: lembre-se que ser Data-Driven é tomar decisões orientado por dados e não deixa os dados decidirem por você.

Quantas vezes você já não ouviu alguém dizer que não gosta do Waze porque ele levou o motorista para uma favela. Eu lamento informar o motorista, mas na verdade o Waze mostrou um caminho, quem entrou na favela foi o próprio motorista… Se você procurar notícias sobre o Waze ao redor do mundo verá pessoas que entraram em rios, lagos e até caíram de abismos.

Se o motorista desviasse, o Waze ia aprender que o usuário não gostou daquele caminho, iria recalcular e melhoraria sua previsão em futuros usos ao atualizar seu conjunto de dados. Quanto mais as pessoas entram com o Waze em uma favela, mais vezes o algoritmo do aplicativo irá sugerir aquele caminho.

O mesmo acontece muitas vezes com o Netflix: você abre o aplicativo e lá tem a sugestão de uma série nova, após assistir o primeiro episódio você percebe que não gostou daquela sugestão. Se você parar por ali e classificar a série como ruim o Netflix vai melhorar o algoritmo dele para as futuras sugestões. Porém muitas pessoas continuam assistindo a série até o final pensando que “se o Netflix me sugeriu é porque em algum momento eu vou gostar…“.

Cada vez que você obedece um algoritmo sem questionar, você está emburrecendo o modelo ao invés de melhorar o modelo. A Inteligência Artificial numa empresa é tão inteligente quanto os seus líderes.

Se alguém é bom em tomar decisões, essa pessoa tomar decisões ainda melhores com Machine Learning, tome o cuidado de não jogar pela janela o verdadeiro valor da sua empresa. Tecnologia é importante, mas precisa de pessoas capazes para operá-la.

Acompanhe as redes sociais da SAP e fique por dentro das novidades no setor de tecnologia: Facebook Twitter LinkedIn Instagram / WhatsApp / YouTube

© 2019 SAP SE. All rights reserved. SAP and other SAP products and services mentioned herein as well as their respective logos are trademarks or registered trademarks of SAP SE in Germany and other countries. Please see http://www.sap.com/corporate-en/legal/copyright/index.epx#trademark for additional trademark information and notices.