Contente
- Automação no engodo da tecnologia da informação
- A automação é o futuro do aprendizado de máquina?
- Sem erros, sem estresse - seu guia passo a passo para criar software que muda vidas sem destruir sua vida
- Estudo de caso
- O Machine Learning pode substituir trabalhos
- Conclusão
Fonte: Krulua / Dreamstime.com
Leve embora:
O aprendizado de máquina é a capacidade de um sistema alterar sua própria programação. Mas quando um sistema pode fazer isso, os humanos ainda são necessários?
O aprendizado de máquina tem sido um dos maiores avanços na história da computação e agora acredita-se que seja capaz de assumir papéis significativos no campo de big data e análise. A análise de big data é um grande desafio da perspectiva dos negócios. Por exemplo, atividades como compreender grandes volumes de formatos de dados variados, preparação de dados para análises e filtragem de dados redundantes podem consumir muitos recursos. A contratação de cientistas e especialistas em dados é uma proposta cara e não está ao alcance de todas as empresas. Os especialistas acreditam que o aprendizado de máquina é capaz de automatizar muitas tarefas relacionadas à análise - rotineira e complexa. A automação do aprendizado de máquina pode liberar muitos recursos que podem ser usados em trabalhos mais complexos e inovadores. Parece que o aprendizado de máquina está caminhando nessa direção. (Para saber mais sobre o uso do aprendizado de máquina, consulte As promessas e as armadilhas do aprendizado de máquina.)
Automação no engodo da tecnologia da informação
No caso da TI, a automação é a ligação de sistemas e softwares díspares para que eles possam realizar tarefas específicas sem nenhuma intervenção humana. Na indústria de TI, os sistemas automatizados podem executar tarefas simples e complexas. Um exemplo de um trabalho simples pode ser integrar um formulário a um PDF e enviar o documento ao destinatário correto, enquanto o provisionamento de um backup externo pode ser um exemplo de um trabalho complexo.
Para fazer seu trabalho, um sistema automatizado precisa ser programado ou receber instruções explícitas. Cada vez que um sistema automatizado é necessário para modificar o escopo de seus trabalhos, o programa ou o conjunto de instruções precisa ser atualizado por um ser humano. Embora os sistemas automatizados sejam eficientes em seus trabalhos, os erros podem ocorrer devido a vários motivos. Quando ocorrem erros, a causa raiz precisa ser identificada e corrigida. Obviamente, para fazer seu trabalho, os sistemas automatizados são totalmente dependentes dos seres humanos. Quanto mais complexa a natureza do trabalho, maior a probabilidade de erros e problemas.
Geralmente, trabalhos de rotina e repetíveis são atribuídos a sistemas automatizados. Um exemplo comum de automação no setor de TI é automatizar o teste de interfaces de usuário baseadas na Web. Os casos de teste são alimentados em scripts de automação e as interfaces com o usuário são testadas de acordo. (Para saber mais sobre os usos práticos do aprendizado de máquina, consulte Machine Learning & Hadoop em Next-Generation Fraud Detection.)
O argumento a favor da automação é que ele executa tarefas rotineiras e repetíveis e libera funcionários para tarefas mais complexas e criativas. No entanto, também se argumenta que a automação substituiu muitos empregos ou papéis anteriormente desempenhados por seres humanos. Agora, com o aprendizado de máquina chegando a vários setores, a automação pode adicionar uma nova dimensão.
A automação é o futuro do aprendizado de máquina?
A própria essência do aprendizado de máquina é a capacidade dos sistemas de aprender continuamente com os dados e evoluir sem a intervenção dos seres humanos. O aprendizado de máquina é capaz de se comportar como o cérebro humano. Por exemplo, um mecanismo de recomendação em um site de comércio eletrônico pode avaliar as preferências e gostos exclusivos de um usuário e oferecer recomendações sobre produtos e serviços que melhor se ajustam às escolhas do usuário. Dada essa capacidade, o aprendizado de máquina é considerado ideal para automatizar tarefas complexas relacionadas a big data e análises. Já superou a principal limitação dos sistemas tradicionais de automação que não podem operar sem intervenção humana regular. Existem vários estudos de caso para mostrar que o aprendizado de máquina é capaz de concluir tarefas sofisticadas de análise de dados, conforme será discutido mais adiante neste artigo.
Como já apontado, a análise de big data é uma proposta desafiadora para as empresas e pode ser parcialmente delegada em sistemas de aprendizado de máquina. Da perspectiva de um negócio, isso pode trazer muitos benefícios, como liberar recursos de ciência de dados para atribuições mais criativas e críticas, maior volume de conclusão do trabalho, menos tempo necessário para concluir tarefas e economia.
Sem erros, sem estresse - seu guia passo a passo para criar software que muda vidas sem destruir sua vida
Você não pode melhorar suas habilidades de programação quando ninguém se importa com a qualidade do software.
Estudo de caso
Em 2015, os pesquisadores do MIT começaram a trabalhar em uma ferramenta de ciência de dados capaz de criar modelos de dados preditivos a partir de grandes volumes de dados brutos, usando uma técnica chamada algoritmo Deep Feature Synthesis. Os algoritmos, afirmam os cientistas, podem combinar os melhores recursos do aprendizado de máquina. Segundo os cientistas, eles já testaram o algoritmo em três conjuntos de dados diferentes e vão expandir o escopo dos testes para mais conjuntos de dados. Descrevendo como eles fazem isso, os pesquisadores James Max Kanter e Kalyan Veeramachaneni declararam em um artigo a ser apresentado em uma conferência internacional de ciência e análise de dados: “Usando um processo de autoajuste, otimizamos todo o caminho sem o envolvimento humano, permitindo a generalização para diferentes conjuntos de dados ".
Vamos examinar a complexidade da tarefa: o algoritmo possui um recurso conhecido como recurso de autoajuste, com a ajuda de que ele extrai ou extrai insights ou valores de dados brutos, como idade ou sexo, e depois disso, ele pode criar modelos de dados preditivos. O algoritmo utiliza funções matemáticas complexas e uma teoria de probabilidade conhecida como Cópula Gaussiana. Portanto, é fácil entender a extensão da complexidade que o algoritmo é capaz de lidar. A técnica também ganhou prêmios em competições.
O Machine Learning pode substituir trabalhos
Está sendo discutido em todo o mundo que o aprendizado de máquina pode substituir muitos empregos porque está executando tarefas com a eficiência do cérebro humano. De fato, existe alguma preocupação de que o aprendizado de máquina substitua os cientistas de dados - e parece haver base para tais apreensões.
Para usuários comuns que não possuem as habilidades de análise de dados, mas ainda precisam de análises no seu dia-a-dia em graus variados, não é possível ter computadores capazes de analisar grandes volumes de dados e oferecer análises. Mas as tecnologias de processamento de linguagem natural (PNL) podem superar essa limitação ensinando os computadores a aceitar e processar a linguagem natural e falada dos seres humanos. Dessa forma, o usuário comum não precisa de capacidades ou habilidades sofisticadas de análise.
A IBM acredita que a necessidade de cientistas de dados pode ser minimizada ou eliminada com o produto Watson, a plataforma de análise de linguagem natural. De acordo com o vice-presidente de Watson Analytics e Business Intelligence, Marc Atschuller, “com um sistema cognitivo como o Watson, você apenas coloca sua pergunta - ou, se você não tiver uma pergunta, basta enviar seus dados e o Watson pode analisá-lo e inferir o que você pode querer saber.
Conclusão
A automação é o próximo passo lógico para o aprendizado de máquina e já experimentamos os efeitos em nossas vidas cotidianas - em sites de comércio eletrônico, sugestões de amigos, recomendações de rede do LinkedIn e classificações de pesquisa do Airbnb. Considerando os exemplos dados, não há dúvida de que a qualidade da produção produzida pelos sistemas automatizados de aprendizado de máquina pode ser lançada. Por todas as suas qualidades e benefícios, o pensamento de aprendizado de máquina causando enorme desemprego pode parecer um exagero. As máquinas substituem os seres humanos em muitas áreas de nossas vidas há várias décadas e, no entanto, os seres humanos evoluíram e se adaptaram para permanecerem relevantes na indústria. Dependendo da perspectiva, o aprendizado de máquina, apesar de toda a sua perturbação, é apenas mais uma onda desse tipo à qual as pessoas se adaptarão.