Siga-nos

Machine learning: muita propaganda ou realidade?

Voz do Expert

Machine learning: muita propaganda ou realidade?

As comunidades científica e acadêmica estão engajadas no estabelecimento de princípios éticos e melhores práticas para IA e ML

Por Gustavo Murad*

Prepare seus olhos e ouvidos: você não escapará das histórias, artigos e eventos relacionados à inteligência artificial (IA) e ao machine learning (ML) nos próximos meses e anos.

Pessoas experientes em qualquer atividade podem ter testemunhado diversas ondas de tendências interessantes que vêm e vão, mas poucas realmente causaram alguma disrupção em sua área. A indústria de TI é um verdadeiro parque de diversões para a propagação dessas propagandas exageradas, que exigem um nível de discernimento daqueles que permeiam essa órbita, incluindo este escritor.

Ouso prever (utilizando um termo de ML) que o machine learning revolucionará a área de TI como costumávamos conhecê-la. Seria também o fim do mundo como o conhecemos? Talvez.

Os princípios da IA e do ML existem desde os anos 50, e alguns modelos práticos computadorizados surgiram nas décadas de 60 e 70. Mas a evolução do hardware como um todo (memória, disco rígido, capacidade de processamento), aliada ao alcance da internet e IoT (internet das coisas), criou um cenário único para levar AI/ML a um novo estágio após a geração do milênio.

E quais são os benefícios disso? A revolução surge da mudança dramática na maneira como os problemas são resolvidos com o ML: ela passa de uma programação sequencial heurística (se… então… mais) e estrutura dados para um modelo cujos dados sólidos, e nem sempre estruturados, são alimentados em complexos modelos matemáticos e estatísticos, que são executados de uma forma que as máquinas leiam e processem tais dados com o objetivo de encontrar a lógica necessária para a resolução desse problema específico.

E como funciona? Imagine milhares de imagens de células humanas que são carregadas nessa base de dados. No assim chamado aprendizado supervisionado, algumas dessas células contêm tumores e existe uma marcação nesses registros indicando que alguma imagem corresponde à célula com um tumor. Ao enviar essa imensa base de dados para o modelo de ML, algumas características de células com o tumor são identificadas, até um determinado nível de segurança de cerca de 98%. Depois de o modelo ser treinado, ele é, então, enviado a imagens não treinadas e cujos resultados são desconhecidos, para que haja indicação de quais dessas células contêm tumores.

Difícil de entender, certo? Bem, pense naqueles apps legais de armazenamento de fotos que automaticamente criam álbuns com as suas fotografias… eles, basicamente, executam um modelo de ML que encontra semelhanças em torno do seu rosto, as que estão presentes nas fotos, e até mesmo segmentam por lugares, por exemplo: “Criamos para você um álbum de sua família esquiando”, ou eles podem criar um álbum com todas as suas fotos na praia. Isso é, basicamente, um algoritmo de ML que aprende como o seu rosto se parece em matrizes gigantes binárias e, então, escaneia todas as imagens da base de dados para que, quando as semelhanças forem encontradas, a imagem com o seu rosto seja classificada para fazer parte desse álbum, ocorrendo a mesma coisa com os membros da sua família etc.

Legal, mas isso mudaria a vida como divulgam por aí? Ok, não vamos perder tempo prevendo a atmosfera do Exterminador do Futuro ou Blade Runner, pois isso está completamente fora do nosso alcance por enquanto. No entanto, hoje existem diversos apps de cuidados com a saúde (como diagnósticos mais precisos sobre alterações celulares), seguros, vigilância e segurança, agricultura (por sinal, um dos segmentos mais avançados) etc.

O potencial é tão vasto que uma preocupação legítima tem aumentado em relação à forma como essa inovação poderosa pode ser utilizada para fins não tão nobres, como ocorreu muitas vezes no passado com outras invenções. Recentemente, um empresário famoso do segmento da alta tecnologia disse que o ML e a IA são ainda mais perigosos do que as armas nucleares. Os exemplos recentes de deep fakes (adulteração de imagens e vídeos), manipulação de eleições majoritárias e fraudes financeiras são indicadores e servem como alertas.

Mas para toda ação existe uma reação. As comunidades científica e acadêmica estão engajadas no estabelecimento de princípios éticos e melhores práticas para IA/ML. Existem diversos fóruns em torno do assunto e um framework final está por vir, espero que em breve e muito melhor em comparação ao que temos hoje em dia.

Particularmente na indústria de viagens, IA/ML estão muito mais presentes em soluções oferecidas por empresas líderes como a Amadeus. Temos modelos de IA/ML sendo utilizados nas áreas de gerenciamento de receita, digital, processamento e personalização de passageiros, entre outras. Mas ainda há muita coisa por vir. Apps especializados devem analisar problemas específicos que os provedores de viagens enfrentam hoje em dia e que a computação tradicional não resolveria. Previsão de interrupções, atrasos, problemas com bagagens, aquisições de serviços, planejamento de horário, satisfação do cliente e muitos outros.

A Amadeus posiciona-se de forma única para tornar-se líder nessa área: o conhecimento que possui sobre a indústria, bem como a base de clientes, a posse massiva de dados, a capacidade de computação e o DNA da inovação farão da AI e do ML candidatos a um importante fluxo de negócios muito em breve.

*Gustavo Murad é diretor regional da Airline&Distribution

Clique para comentar

Deixe suas impressões

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

Mais notícias de Voz do Expert

Topo