Tenho observado que o termo Machine Learning, bastante falado atualmente, está sendo confundido com Artificial Intelligence (Inteligência Artificial AI), e a confusão ocorre porque nem todos sabem que Machine Learning é uma subdivisão de AI.
Machine Learning ao contrário do que muitos pensam, não é algo recente. O primeiro produto feito utilizando essas técnicas nos remete a década de 50, quando o engenheiro da IBM Arthur L. Samuel criou uma aplicação que jogava xadrez no computador.
De lá pra cá, muitas aplicações foram e continuam sendo construídas, porém atualmente com o grande volume de dados gerados todos os dias, a ampliação do poder de processamento das máquinas e a computação em nuvem, democratizaram o uso de Machine Learning.
Segundo o CEO da Rockset Venkat Venkataramani, Machine Learning é a capacidade que os computadores possuem de tomarem decisões sem a necessidade de receberem instruções explícitas, possibilitando que eles entendam padrões em situações complexas e assim consigam predizer o que poderá acontecer.
Para que isso ocorra será necessário ter grandes volumes de dados disponíveis, com muita qualidade e provavelmente vindos de diversas fontes.
Inegavelmente as aplicações de negócios utilizando essa tecnologia, utilizam preferencialmente bases de dados estruturadas, aquelas que vem principalmente dos sistemas de ERP, ou sistemas legados, com histórico de anos de transações.
Naturalmente a diversidade de informações não estruturadas geradas pelas mídias sociais também contribuem significativamente para o impulsionamento dessa tecnologia, onde os principais algoritmos classificam os dados, preveem a variação e se for o caso, definem a ação subsequente.
Um exemplo prático disso podemos ver no varejo online, onde os algoritmos prevêem o perfil do consumidor, analisando os dados do seu histórico de compras e oferecendo em tempo real, sugestões de produtos ou descontos de acordo com as predições feitas por eles.
Deep Learning
Ultimamente temos ouvido outro termo que gera confusão que é o deep learning. Para isso ficar claro, é importante ter em mente que o deep learning é um subset do Machine Learning. Ele utiliza ténicas mais sofisticadas chamadas de redes neurais que tem por objetivo imitarem o funcionamento do cérebro.
Esse termo também não é novo e nos remete aos anos 50, porém foi nos anos 80 que ganhou força a partir das teorias acadêmicas inovadoras dos cientistas Geoffrey Hinton, Yoshua Bengio e Yann Lecun.
As gigantes de tecnologia Google, Microsoft, Facebook entre outras, investiram pesadamente nessa tecnologia e os resultado foi uma revolução no uso de AI. Quando você utiliza o Google Translator, por exemplo, está se beneficiando dessas tecnologias. Veja no infográfico abaixo as divisões mais detalhadas de cada tecnologia.
Casos de sucesso
Machine Learning, aliado ao Deep Learning, está gerando grandes benefícios para os negócios, sejam eles públicos ou privados.
Um dos casos no Brasil é o Bradesco, que iniciou o desenvolvimento da BIA, um projeto utilizando Inteligência Artificial para atender seus clientes em 2014 e segundo números mostrados por Mauro Segura, até agosto de 2018 essa assistente virtual estava treinada em 62 produtos, respondendo em média 300 mil perguntas, com uma taxa de precisão de 95% e há um processo de melhoria continua desse percentual. O banco possui mais de 5 mil agências e 70 milhões de clientes.
O governo também está utlizando essa tecnologia. A CGU – Controladoria Geral da União construiu um projeto com a finalidade de fiscalizar contratos e fornecedores. Eles trabalham com foco não só na corrupção, mas também na capacidade do fornecedor cumprir o contrato, de um possível fechamento da empresa contratada e no acordo entre fornecedores.
E assim teríamos outros tantos casos de uso que poderiamos citar, mas isso será assunto para outro post.
Machine Learning é importante porque promoverá cada vez mais disrupções no mercado e em vários setores.
O fato é que essas tecnologias ja estão nos impactando diretamente em nosso dia a dia e impactarão muito mais na nossa qualidade vida, principalmente na medicina, indústria farmacêutica e nos medicamentos. Agora temos de ficar atentos para todos esse benefícios e aproveitarmos da melhor maneira possível.
* Esse artigo teve como base texto do Tom Taulli para a Forbes.
Posts relacionados:
Powered by YARPP.