Contente
- IA no ciclo de campanha publicitária
- Até agora, não é tão bom
- Sem erros, sem estresse - seu guia passo a passo para criar software que muda vidas sem destruir sua vida
- Tudo depende dos dados
Fonte: Charles Taylor / iStockphoto
Leve embora:
Há muita publicidade sobre inteligência artificial, quão inteligente é?
A inteligência artificial atraiu tanta atenção nos círculos empresariais que muitos líderes de TI podem se desculpar por pensar que fornecerão todas as respostas para um ecossistema de dados cada vez mais complexo. Mas, embora certamente tenha o potencial de fazer muitas melhorias significativas na tecnologia existente, também é justo dizer que algumas das expectativas em torno de sua eficácia são exageradas.
De fato, há relativamente pouco entendimento sobre exatamente o que é a IA, como ela realmente funciona e o que realmente pode fazer. E isso está levando a amplos equívocos sobre seu papel na empresa e a maneira como ela se relaciona com a infraestrutura existente e com os seres humanos que a operam.
IA no ciclo de campanha publicitária
De acordo com o Hype Cycle mais recente do Gartner, os subconjuntos principais de IA, como aprendizado profundo, aprendizado de máquina e computação cognitiva, estão no topo da curva de expectativas infladas em pico, o que significa que estão à beira do longo deslizamento na calha da desilusão. Embora este seja o par para o curso de praticamente todas as tecnologias disruptivas nos últimos 30 anos, ele aponta o fato de que o impacto projetado da IA na empresa, derivado principalmente de testes de laboratório controlados, está prestes a se precipitar nas realidades do ambiente de produção. (Confira um histórico de inovações de computação em From Ada Lovelace to Deep Learning.)
No entanto, o pesquisador do Gartner, Mike Walker, espera que a IA se torne onipresente na próxima década por meio de uma combinação de poder computacional avançado, o que está levando ao desenvolvimento de construções como a rede neural e o mero fato de que a carga de dados da empresa se tornou tão imensa e tão complexo que os operadores humanos não conseguem mais lidar sozinhos.
Uma das primeiras coisas que a empresa precisa entender sobre a IA é que ela brinca rapidamente com o termo "inteligência". Como o neurocientista suíço Pascal Kaufmann explicou recentemente à ZDnet, existem profundas diferenças nas maneiras como um algoritmo de computador e um cérebro humano processar informações para chegar a uma conclusão. Dado poder de processamento suficiente, um algoritmo de computador pode comparar milhões, bilhões, talvez até trilhões de conjuntos de dados para fazer uma determinação simples, como se uma imagem de um gato é realmente uma imagem de um gato. Mas mesmo uma criança pequena, com poucos dados, pode instintivamente determinar que é um gato e saberá para sempre o que é e como ele é.
Por esse padrão, mesmo o principal exemplo de IA em funcionamento - o domínio do Google DeepMind pelo AlphaGo do jogo de estratégia Go - não era realmente inteligência artificial, mas uma seção transversal de big data, análise e automação capaz de racionalizar uma abordagem baseada em regras para ganhar. Curiosamente, Kaufmann acrescenta que um verdadeiro exemplo de inteligência artificial seria se o AlphaGo descobrisse como trapacear para vencer. Para fazer isso, no entanto, a ciência precisará primeiro decifrar o "código do cérebro" que fortalece nossa capacidade de processar informações, recuperar conhecimento e armazenar memórias. (Saiba mais sobre automação com automação: o futuro da ciência de dados e do aprendizado de máquina?)
Até agora, não é tão bom
De fato, apesar dos receios de que a IA esteja prestes a incluir o trabalho de todos, os resultados até agora são quase cômicos. Os fãs de "Game of Thrones", de George R.R. Martin, estão tão impacientes para a próxima parte da série que muitos se reuniram em um capítulo de um livro quase puro escrito por uma forma de IA chamada rede neural recorrente. Enquanto isso, a IBM está sendo criticada por pesquisadores de oncologia que foram informados de que o Watson desencadearia uma nova era no diagnóstico e tratamento, mas ainda está lutando apenas para diferenciar as formas básicas de câncer. Dado esse histórico, é bem possível que, quando a IA for introduzida pela primeira vez na empresa típica, provavelmente exija mais esforço da parte dos operadores humanos apenas para rastrear e monitorar todos os erros que ela cometer.
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.
Mas aqui está o problema: a IA melhorará com o tempo sem precisar ser reprogramada. Como Daniel Huttenlocker, pesquisador da Cornell Tech, disse ao Tech Crunch recentemente, é mais provável que a IA substitua o software tradicional - e todos os patches, atualizações e correções que ele exige - do que os operadores humanos. Isso não significa que a IA não precise ser programada, mas que a abordagem é bastante simplificada. Com o software de hoje, o programador precisa definir não apenas a tarefa a ser resolvida, mas também as etapas exatas para resolvê-la. Com a IA, tudo o que é necessário é o objetivo e o software deve ser capaz de lidar com o resto, desde que tenha os dados corretos para trabalhar.
Tudo depende dos dados
Esse último ponto é crucial porque, no final das contas, a IA é simplesmente um algoritmo, e os algoritmos são tão bons quanto os dados que são alimentados. Isso significa que, além de construir uma estrutura operacional de IA adequada, a empresa terá que estabelecer um ambiente de condicionamento de dados bastante vigoroso para que os resultados das análises sejam baseados em informações precisas. Como disse recentemente o CEO da ActiveCampaign Jason VandeBoom à Forbes, o antigo as regras de “lixo em igual a lixo” ainda se aplicam, portanto pode levar um tempo até que as organizações vejam os verdadeiros benefícios de seu investimento em IA.
Dado tudo isso, a empresa não deve esperar que a IA forneça uma solução rápida para os desafios emergentes do big data e da IoT. A curva de aprendizado para humanos e máquinas provavelmente será bastante longa, e os resultados são incertos na melhor das hipóteses.
Mas se tudo funcionar como planejado, tanto a empresa quanto a força de trabalho do conhecimento deverão receber benefícios substanciais a longo prazo. Pense na tarefa mais mundana, tediosa e demorada que está desacelerando seus processos no momento e imagine nunca mais precisar executá-los novamente.