Skip to content

Machine Learning: seu computador está aprendendo “sozinho” e você vai se acostumar com isso!

Machine Learning (aprendizado da máquina, em português). Guarde bem este termo, pois este campo de estudo da inteligência artificial estará cada vez mais presente na nossa relação com a tecnologia.

Estamos falando aqui de computadores executando tarefas de forma autônoma após aprender com os dados que são inseridos neles. Conversamos com sete profissionais do mercado, que estudam ou trabalham com estes sistemas, para conhecer seus pontos de vista a respeito deste assunto, entender como funciona esse processo de aprendizagem e o que muda na nossa vida profissional com o avanço do machine learning.

Confira abaixo as entrevistas dos seguintes especialistas:

Allan Dieguez – Especialista em Inteligência Artifical e Machine Learning na Luizalabs

Fábio Rosindo Daher de Barros – Especialista em TI e Big Data na IBM

Marcos Rabaioli – Engenheiro de Machine Learning na Lincros

Mario Filho – Cientista de Dados na Upwork

Ricardo Manhães Savii – Especialista em Machine Learning da Dafiti

Thiago Rolemberg – Professor da Live University

Alex Leite – Diretor Educacional da Live University

Allan Dieguez - Machine Learning

Onde e de que forma o machine learning já está disponível no nosso dia a dia?

Machine Learning já faz parte do nosso cotidiano e está presente em grande parte dos aparelhos e aplicativos que usamos no dia a dia. O Google Maps já consegue inferir onde você mora e onde você trabalha apenas analisando a série temporal das localizações. Geladeiras inteligentes medem seu padrão de consumo e sugerem que você compre certos itens que irão acabar - ou às vezes até fazem essa compra pra você. Carros inteligentes monitoram sinais de operação e preveem qual o melhor momento para fazer uma manutenção. A Internet of Things (IoT) está gerando muitos dados e, onde quer que haja dados, haverá oportunidades de aprendizado de máquina para automatizar processos e levantar insights.

Como é feito o monitoramento de dados, como se percebe que a máquina "aprendeu" e está indo além do que foi pedido para ela?

Existem técnicas de avaliação para cada tipo de solução que permitem estimar as faixas de operação em que o sistema vai acertar. Por exemplo, um sistema que estima o tempo que uma corrida de táxi vai levar é testado em dados históricos que não foram usados para o treinamento do modelo de machine learning; esse teste em dados que o modelo "desconhece" já fornece métricas de desempenho suficientes para estimar se há uma generalização do problema ou se há overfitting, que é o caso em que o modelo só aprendeu os dados de treino e não consegue performar da mesma maneira em qualquer outro dado - algo parecido com o que ocorre quando nós humanos "decoramos" fórmulas para provas, mas não entendemos a matéria de verdade.

Sobre a máquina ir além do que é esperado, é bem controverso. Máquinas normalmente não conseguem ir além do que são programadas, mesmo as que consideramos "inteligentes". Como a máquina aprende "sozinha", ou seja, por meio de regras de aprendizado que não necessariamente traduzem o problema em um conhecimento humano, nós nem sempre conseguimos interpretar corretamente a solução criada como resultado do treinamento. Com isso, a falha é mais do nosso lado em compreender o que esperar da máquina do que a máquina estar evoluindo para ser mais inteligente.

Como você vê o futuro das profissões com o avanço da inteligência artificial e o machine learning?

Fala-se bastante da "Quarta Revolução Industrial" e de como a inteligência artificial vai fazer com que pessoas que executam trabalhos automatizáveis a perder o emprego. Esses trabalhos automatizáveis não são apenas de força bruta e podem incluir aqueles de raciocínio lógico, como decidir investimentos e analisar riscos. Essa expectativa cria um medo latente de que a humanidade passaria por uma grande onda de desemprego e que apenas alguns poucos conseguiriam se adaptar o suficiente para não entrar na faixa de pobreza. Esse risco existe, mas depende muito de como for feita essa transição.

Vamos pensar em um exemplo simples. O Waze faz previsão de tráfego utilizando informações provenientes de milhares de motoristas, usando histórico e dados captados em tempo real; ele utiliza esses dados para planejar rotas mais curtas ou mais rápidas, ajustando o caminho ao comportamento do motorista. O Waze possibilitou que muito mais pessoas possam trabalhar como motorista em aplicativos como o Uber. Há o risco de uma navegação autônoma substituir totalmente o motorista humano nas próximas décadas, mas a tendência é que não seja uma mudança tão abrupta que force todos os motoristas atuais a ficarem desempregados de uma vez, permitindo que as pessoas busquem outras formas de se sustentar.

O que muda na nossa relação com a tecnologia com a popularização de sistemas de machine learning?

Nossa relação com a tecnologia já está caminhando para um momento em que a máquina se adapta cada vez melhor ao usuário.  O que se nota é que há uma relação simbiótica com a tecnologia que está escalando exponencialmente. Pessoas se definem através de redes sociais, fazem amigos, ouvem música, assistem a filmes e visitam lugares por recomendação automática, se localizam e se locomovem por aplicativos e falam umas com as outras em línguas diferentes usando tradução automática.

Fabio Barros - Machine Learning

Onde e de que forma o machine learning já está disponível no nosso dia a dia?

Atualmente, o machine learning está disponível em vários seguimentos dentro e fora da internet. Desde a análise na agricultura utilizando insumos da Internet das Coisas e do processamento de imagens até no trabalho de recuperação de conteúdo de exames médicos feito há alguns anos para a construção de histórico de saúde. Há também o uso em atividades mais comuns, como sistemas de recomendação de acordo com o interesse individual e otimização de rota em mobilidade urbana.

Como é feito o monitoramento de dados, como se percebe que a máquina "aprendeu" e está indo além do que foi pedido para ela?

Em machine learning, a máquina nunca vai além da especificação pedida a ela. Há métricas estatísticas capazes de mensurar o grau de aprendizado de um modelo de machine learning.

Como você vê o futuro das profissões com o avanço da inteligência artificial e o machine learning?

Em um primeiro momento eu não vejo a substituição dos humanos em muitas tarefas. Pelo contrário, acredito que a inteligência artificial e o machine learning vêm de encontro com a otimização do esforço humano, como uma ferramenta capaz de minimizar os problemas operacionais e rotineiros em uma operação mais adequada e assertiva.

O que muda na nossa relação com a tecnologia com a popularização de sistemas de machine learning?

Acredito que uma simplificação maior dos fluxos de uso e acesso das aplicações, retirando gargalos que na maioria das vezes tornavam a experiência e identificação.

Marcos Rabaioli - Machine Learning

Onde e de que forma o machine learning já está disponível no nosso dia a dia?

A gente encontra machine learning e inteligência artificial em diversos ramos e às vezes nem percebe que está utilizando. Por exemplo, sistemas de recomendação, utilizado pela Netflix. Eles listam filmes para a gente baseado no que o sistema aprende sobre nós e outros usuários com perfis semelhantes ao nosso.

Eu pude participar de um projeto onde a gente empregou o processo de machine learning no ramo de agropecuária. Nós tínhamos um sistema embarcado que coletava dados de vacas que produziam leite e a gente conseguia, com esses dados, saber se a vaca estava doente, confortável no ambiente, no cio, quando ela ia parir.

A gente pode não ver, mas o machine learning está sendo empregado em uma série de lugares. Eu acredito que o machine learning e a inteligência artificial tende a estar presente em todas as áreas futuramente.

Como é feito o monitoramento de dados, como se percebe que a máquina "aprendeu" e está indo além do que foi pedido para ela?

Quando a gente vai trabalhar com um modelo de machine learning, existem umas técnicas matemáticas e estatísticas utilizadas para garantir que o meu modelo é correto e bom para ser utilizado na resolução de determinado problema. Uma delas é a validação cruzada, que a gente separa uma amostra de dados para fazer a validação de tal modelo, pega aleatoriamente amostras de uma amostra global, submete ao modelo e faz a comparação de resultados de cada uma dessas amostras e consegue validar o modelo para todas as amostras. Se eu conseguir resultados semelhantes, então o meu modelo adquiriu a capacidade de generalizar, e se ele tem a capacidade de generalizar, então ele tem a capacidade de aprender.

Como você vê o futuro das profissões com o avanço da inteligência artificial e o machine learning?

Eu vejo que as atividades operacionais vão ficar cada vez mais com as máquinas, porque elas têm essa característica de aprender essas atividades muito melhor que o ser humano. Nós vamos ficar com as profissões cujas habilidades são mais humanas, como empatia, comunicação, psicologia.

O que muda na nossa relação com a tecnologia com a popularização de sistemas de machine learning?

Com certeza a gente tende a utilizar cada vez mais ferramentas de machine learning, às vezes sem nem mesmo perceber. Essas tecnologias passam despercebidas, mas a tendência é que estejam mais presentes e eu enxergo isso como algo positivo. Essas tecnologias vêm para facilitar muitas coisas na nossa vida e a gente tende a utilizá-las. Temos que ficar atentos com a forma qua usamos as ferramentas do Google, por exemplo. Ele está captando todos os dados, sabendo tudo que a gente está fazendo na internet pelos aplicativos internos e externos. Quando ele obtém esses dados, ele nos entende e, nos entendendo, ele pode vender e ganhar dinheiro em cima da gente ou mesmo podem usar sistemas de recomendação para vender coisas para nós mesmos ou para pessoas com perfis semelhantes ao nosso. Temos que estar mais cientes com essa questão da privacidade.

Mario Filho - Machine Learning

Onde e de que forma o machine learning já está disponível no nosso dia a dia?

O Google/Youtube usa bastante machine learning nas buscas para determinar a relevância dos resultados. Facebook/Instagram também, por exemplo, para determinar o feed de notícias. No Android, o Fotos tem bastante machine learning também para identificar lugares, pessoas, categorizar imagens.

Como é feito o monitoramento de dados, como se percebe que a máquina "aprendeu" e está indo além do que foi pedido para ela?

Num primeiro momento este monitoramento é feito através de experimentos com dados históricos, simulando o fluxo de dados que esperamos em produção. Quando o sistema entra em testes/produção, em alguns casos, podemos monitorar em tempo real ou vendo os resultados em dados coletados num determinado período.

Como você vê o futuro das profissões com o avanço da inteligência artificial e o machine learning?

Eu acredito que o grande segredo está na união entre pessoas e algoritmos. Assim como outras invenções/descobertas aumentam nossa capacidade de trabalho (energia elétrica, internet, computador, etc), acredito que o maior valor estará na automação de tarefas que demandam menos criatividade, e na criação de assistentes para auxílio naquelas que exigem uma tomada de decisão mais complexa.

O que muda na nossa relação com a tecnologia com a popularização de sistemas de machine learning?

Abrem-se grandes oportunidades de automação que não tínhamos antes. Um dos casos mais populares de machine learning é o reconhecimento de objetos/pessoas em imagens, o que já ajuda algumas empresas a processar um grande número de verificações de documentos sem precisar de um humano para determinar fraude. A pessoa entra quando o algoritmo está em dúvida.

Tem o lado da privacidade e dos preconceitos que um algoritmo pode aprender, e isso é algo que demandará muitos debates, além de uma área bastante ativa de pesquisa para garantir que os algoritmos sejam "justos".

No fim, gosto de ser otimista e pensar que o machine learning vai possibilitar uma qualidade de vida melhor, deixando mais tarefas para as máquinas.

Ricardo Savii - Machine Learning

Onde e de que forma o machine learning já está disponível no nosso dia a dia?

De forma bem resumida, está disponível em qualquer equipamento digital conectado à internet. E arrisco dizer que offline também. Se você utiliza um smartphone, seu aparelho internamente otimiza seu próprio consumo de energia conforme você o utiliza, otimização é uma das formas de machine learning. Se você é cliente de alguma loja online você deve receber e-mails com recomendações de produtos, sistemas de recomendação é uma grande área de machine learning, ainda em grande evolução. Mesmo se não usarmos nada digital, indiretamente nossas vidas estão sendo afetadas por otimizadores, recomendadores autônomos ou semi-autônomos.

Como é feito o monitoramento de dados, como se percebe que a máquina "aprendeu" e está indo além do que foi pedido para ela?

Há diversas formas e depende do problema, mas, basicamente, uma boa prática é definir métricas de sucesso ou insucesso do experimento. Uma métrica bem definida irá nos dizer se o modelo está tendo sucesso em aprender nosso objetivo definido, e é muito importante também monitorar métricas de viés e robustez do modelo. Sobre ir além do que foi pedido, ainda é um campo sendo investigado. Há técnicas mais atuais, como as Redes Neurais Artificiais que permitem técnicas de transferência de aprendizado. Entenda isso como: a capacidade de treinar o modelo para um problema e usá-lo para outro objetivo posteriormente. Normalmente o objetivo posterior é parecido com o treinamento original do modelo.

Como você vê o futuro das profissões com o avanço da inteligência artificial e o machine learning?

Eu acredito que todos nós passaremos por grandes transformações, não sei bem dizer se serão positivas ou negativas. O risco de sumir profissões é complexo. Um exemplo que acho muito interessante são os dados apresentados pelo livro "Guia Politicamente Incorreto da História do Mundo" de Leandro Narloch. Antes da Revolução Industrial, na Inglaterra, eram necessários oito pessoas trabalhando diretamente no campo para alimentar dez pessoas. Após a Revolução Industrial, eram necessários somente duas pessoas para alimentar dez. Isso liberou muitas crianças de trabalharem no campo para irem para as escolas. Passaremos por uma transformação, isso é certo. Há que ajudar as pessoas que serão afetadas para que a transformação seja positiva.

O que muda na nossa relação com a tecnologia com a popularização de sistemas de machine learning?

Do ponto de vista de relação tecnologia-usuário acredito que muda o tipo de comunicação que você receberá. Espera-se que receba uma comunicação mais personalizada e assertiva, porém pode também haver erros se um modelo automatizado te classificar errado. Erros acontecerão e é importante ter, como usuário, paciência e um canal aberto com pessoas que possam corrigir os erros. Já do ponto de vista de desenvolvedor-tecnologia já existe um movimento em que todo desenvolvedor irá precisar conhecer sobre aprendizado de máquina.

Thiago Rolemberg

Onde e de que forma o machine learning já está disponível no nosso dia a dia?

Por mais que o conceito de machine learning já seja uma realidade ainda não podemos encontrá-lo com facilidade em eletrodomésticos. Mas em smartphones, que são febres no Brasil, já é possível constatar sua presença. A Siri e o Google Assistent são exemplos de aplicações de machine learning em nosso dia a dia.

Acredito que esse número de aparelhos com aprendizado de máquina crescerá muito nos próximos dois anos. Será como os selos do INMETRO em aparelhos eletrônicos, onde você só compra o aparelho se houver o selo como garantia.  Será assim também com o machine learning. Se não tiver a garantia que o aparelho vem com algum nível de aprendizado, você não irá comprar.

Como é feito o monitoramento de dados, como se percebe que a máquina "aprendeu" e está indo além do que foi pedido para ela?

Interessante essa pergunta, mas gostaria de dividir ela em partes.

A primeira parte fala do monitoramento. Hoje podemos encontrar algumas formas interessantes para isso desde sensores, IoT, smartphones e até mesmo técnicas de computação como o “crawler”, que possibilita ler informações de determinados sites que você queira. Isso já nos dá um mundo enorme de dados para trabalhar.

O processo de aprendizado ele funciona de algumas formas, porém gostaria de explicar as duas mais clássicas: a primeira é chamada de processo supervisionado, onde nós precisamos explicar para a máquina o que ela deve aprender. Já o segundo processo é o não-supervisionado. Neste caso, não ensinamos para a máquina o que ela deve fazer, mas a programamos para que ela encontre insigths em um determinado conjunto de dados, onde não sabemos previamente quais serão. Existe também o aprendizado por reforço, onde cada vez que a máquina acerta uma determinada ação ela ganha uma recompensa.

Quanto a última parte da pergunta, não colocaria que uma máquina aprende mais do que foi pedido a ela. Um processo de machine learning não é uma ficção cientifica onde as maquinas irão dominar os seres humanos, isso somente acontece em filmes. A máquina sempre irá aprender o que queremos ensinar a ela e sempre dentro de um contexto.

Como você vê o futuro das profissões com o avanço da inteligência artificial e o machine learning?

Muito se tem falado no fim de muitas profissões com o avanço da inteligência artificial. Eu particularmente não vejo com essa ótica. Gosto de ver como a evolução das profissões. Se compararmos com a chegada das máquinas agrícolas, dizia-se que iriam acabar com os trabalhadores do campo, mas o que se viu foi a oportunidade desses trabalhadores e de seus filhos terem mais tempo para estudar, com melhores condições de trabalho e menos perigos. Acredito muito na evolução das profissões e nas novas oportunidades que ainda nem temos condições de enxergar.

O que muda na nossa relação com a tecnologia com a popularização de sistemas de machine learning?

Essa é uma pergunta que podemos responder de alguns ângulos diferentes. Para as empresas, vejo que essa relação traz uma ótica de mudança para a TI, onde sempre se falou que era uma área que só gerava custo. Agora podemos dizer que, com o machine learning, temos a TI ajudando diretamente em produtos para geração de receitas.

Para as pessoas em geral, ou seja, para os consumidores, vejo que no futuro não teremos somente usuários de tecnologia, mas teremos a tecnologia como um assistentes de pessoas, ajudando a melhorar seu dia a dia.

Alex Leite - Machine Learning

Onde e de que forma o machine learning já está disponível no nosso dia a dia?

O machine learning tem diversas aplicações. Aqui no Brasil já é algo bastante comum em atendimentos de vários serviços, que se utilizam dos bots e de inteligência artificial. Tem outros algoritmos mais sofisticados que aprendem, por exemplo, a fazer melhores previsões de demanda. A gente tem também a previsão de rotas, para citar os mais comuns na realidade brasileira.

Como é feito o monitoramento de dados? Como se percebe que a máquina "aprendeu" e está indo além do que foi pedido para ela?

O jeito mais fácil de perceber a evolução da máquina, nos exemplos que eu dei, é medir percentualmente qual a automação/assertividade naquilo que ela fez. Quando falamos em previsão de demanda, você percebe que a máquina está evoluindo quando ela acerta o percentual de venda.

Como você vê o futuro das profissões com o avanço da inteligência artificial e o machine learning?

Eu imagino o futuro bem diferente. Não acho, de maneira alguma, que o ser humano vai ser colocado de lado, acho isso um completo absurdo.

Não é a inteligência artificial que vai acabar com o trabalho do ser humano. O que vai mudar são as funções que as pessoas exercem. Não acho que vai haver mais humanos desempregados, mas sim uma migração para novas atividades. Teremos novas profissões surgindo, isso é fato.

As pessoas que estão trabalhando hoje numa faixa entre os 25 aos 50 anos estão numa faixa mais preocupante. Quem tem menos de 25 está mais suscetível à tecnologia por ser nativo digital, já cresceu em convivência com a inteligência artificial. Quem está acima dos 50 não vai ter que se preocupar porque até a sua aposentadoria sua profissão não estará comprometida. Já as pessoas que estão entre 25 e 50 terão problemas de empregabilidade se não fizerem um estudo e atualização para que consigam novas atribuições e competências com o uso da tecnologia. No futuro, o cara que trabalha em supply chain, RH ou marketing terá que saber como programar igual o cara de TI.

O que muda na nossa relação com a tecnologia com a popularização de sistemas de machine learning?

Muda muita coisa. Eu fui a um prédio aqui na Vila Olímpia em que não havia recepcionista, apenas um totem de auto-atendimento. E a minha experiência nesta situação não foi tão boa, porque não entendi como funcionava. Veio uma recepcionista para me auxiliar e, mesmo acessando o sistema, precisei ligar para a empresa que eu estava indo. Ou seja, tudo ainda foi muito manual. Estou falando isso porque o que muda é que quando todo mundo se acostumar e isso virar um padrão, eu não vou precisar de uma pessoa na recepção nem de outra para atender a ligação na empresa, porque a cultura das pessoas já vai fazer uso da tecnologia de forma natural. E isso aumenta eficiência, a tecnologia terá uma performance melhor, não vai mais haver essa estranheza ao lidar com a máquina, vai ser algo natural. Não estamos preparados ainda para isso.

 

Comments

Fale com a gente no WhatsApp