Exemplo de conexões

Machine Learning

Exemplo de conexões

Popularizadas a partir de aplicações como o Google Now ou de verdadeiras personalidades virtuais como Alexa, Cortana ou Siri, as ferramentas de assistência pessoal cresceram significativamente em usabilidade ao longo dos dois últimos anos. Entretanto, 2017 será o ano em que a tendência de machine learning finalmente se materializará de forma radical na vida das pessoas comuns. Até então com seus usos mais significativos restritos a testes internos em  laboratórios de pesquisa e desenvolvimento, inteligências artificiais adaptativas começam a tomar um número cada vez maior de gadgets e aplicativos. Esse período de prototipagem dos dois anos passados funcionou justamente para as bases de dados que alimentam tal aprendizado.

É a partir dele que temos acesso a toda sorte de conveniência que podem proporcionar, muitas vezes de maneira surpreendente, dado que o que caracteriza a ação dessas formas mais avançadas de inteligência artificial é justamente a capacidade de extrapolar o que foram originalmente programadas para fazer. Ou seja, trata-se de tecnologias generativas, cujas possibilidades não podem ser previstas. Embora isso possa trazer problemas, especialmente quanto à privacidade do usuário e a segurança digital dos dados compartilhados para o adequado funcionamento das ferramentas, a adoção delas deve crescer exponencialmente já nos primeiros meses do ano. Sucessivos recordes de venda e utilização de gadgets como o Echo da Amazon, bem como a implementação de chatbots (robôs que se comunicam por texto para prestar serviços ao usuário no lugar de um ser humano) em múltiplos aplicativos são um claro indicativo disso. Se a vida de fato imitar a arte, o roteiro que nos guiará neste ano certamente será uma mistura do clássico The Matrix com o vanguardista Her.

Por que o interesse por Machine Learning aumentou tanto?

O interesse no aprendizado de máquina ressurgiu devido aos mesmos fatores que tornaram a mineração de dados e a análise Bayesiana mais populares do que nunca. Coisas como o crescente volume e variedade de dados disponíveis, o processamento computacional que está mais barato e mais poderoso, e o armazenamento de dados de forma acessível.

Tudo isso significa que é possível produzir de forma rápida e automática modelos que permitam analisar dados maiores e mais complexos e fornecer resultados mais rápidos e mais precisos – mesmo em uma escala muito grande. O resultado? Previsões de alto valor que podem levar a melhores decisões e ações inteligentes em tempo real sem a intervenção humana.

Um segredo para a produção de ações inteligentes em tempo real é o desenvolvimento de modelo automatizados. O líder de ideias inovadoras em analytics Thomas H. Davenport escreveu no The Wall Street Journal que, com os volumes de dados em rápida evolução e em crescimento, “(…) você precisa de fluxos de modelagem de rápida evolução para ser capaz de acompanhar”. E você pode obter isso com machine learning. Segundo ele, “as pessoas podem normalmente criar um ou dois bons modelos por semana; o aprendizado de máquina pode criar milhares de modelos por semana”.

Fazer login com suas credenciais

Esqueceu sua senha?