Machine learning: a inteligência das máquinas ameaça ou gera oportunidades?

Voce está em :Home-Opinião, StartupSC-Machine learning: a inteligência das máquinas ameaça ou gera oportunidades?

Machine learning: a inteligência das máquinas ameaça ou gera oportunidades?

Há 20 anos, o “supercomputador” Deep Blue derrotava o campeão mundial Garry Kasparov no xadrez. Até 2020, segundo o Gartner, 85% das interações entre marcas e clientes serão feitas por robôs

Há 20 anos, o “supercomputador” Deep Blue derrotava o campeão mundial Garry Kasparov no xadrez. Até o ano que vem, segundo a consultoria Gartner, 85% das interações entre marcas e clientes serão feitas por robôs (chatbots com inteligência artificial).


Por Fernando Farias*  

Machine Learning, ou aprendizado de máquina, é uma das ramificações da inteligência artificial. Esse método já é utilizado no nosso dia-a-dia mas acabamos nem percebendo.

Quando você tira uma foto, posta em uma rede social e seu rosto é reconhecido automaticamente pelo sistema, estamos vendo o resultado prático de uma tarefa que os computadores só conseguem realizar devido ao aprendizado de máquina.

Para nós, pode parecer fácil ver uma foto e reconhecer o rosto de uma pessoa, mas como explicar isso para uma máquina? E como as máquinas fazem isso, sozinhas, com bilhões de rostos em tempo real?

Há alguns anos os métodos de aprendizado de máquina, com melhor desempenho, ainda dependiam fortemente de um humano. Precisávamos ter alguém com vasto conhecimento do desafio a ser enfrentado para conseguirmos modelar as características relevantes do problema.

Lembram da história de Garry Kasparov, contra o supercomputador da IBM chamado Deep Blue (foto acima)? Esse supercomputador foi criado especialmente para jogar xadrez e derrotar Kasparov. As partidas aconteceram em 1996 e 1997 e a IBM tinha um time de cientistas que eram assessorados por mestres enxadristas para “ensinar” a máquina.

Em fevereiro de 1996 aconteceu o primeiro duelo entre Kasparov, considerado o melhor jogador de xadrez de todos os tempos, contra Deep Blue. Kasparov ganhou três partidas, empatou duas e perdeu uma contra Deep Blue, obtendo a pontuação de 4 a 2 (o empate dá 0,5 ponto para cada um dos lados).

Em maio de 1997 aconteceu o segundo duelo e, depois de uma grande atualização, o Deep Blue venceu Kasparov com 2 vitórias, 3 empates e 1 derrota (pontuação final: 3,5 a 2,5) e assim tornou-se o primeiro computador a vencer um campeão mundial de xadrez em uma competição seguindo regras oficiais.

Hoje já temos métodos que aprendem sozinhos as características de um desafio e são muito mais sofisticados. Algumas profissões já foram, de fato, praticamente extintas pelo aprendizado de máquina nesse nível mais avançado.

Por exemplo, quem já deu mais voltas em torno do Sol, como eu, lembra das locadoras de filmes. Nesses lugares geralmente tinha uma pessoa super atenciosa, que surpreendentemente já havia assistido quase todos os filmes da locadora e, mais do que isso, sabia resumir a história e fazer recomendações. Inclusive, se você fosse cliente há bastante tempo a pessoa que fazia as recomendações já sabia o seu gosto categorias e, assim que você chegava na locadora, já sugeria os lançamentos que iriam te agradar mais.

LEIA TAMBÉM: A última milha e a experiência do consumidor

Adivinha quem faz isso agora? Sim, a recomendação de filmes do Netflix ou do Amazon Prime, fazem exatamente isso. Aprendem o que você mais gosta e sugerem filmes com as características semelhantes ao que você já assistiu. Apesar de eu acreditar que existe um exagero sobre o impacto desta tecnologia no mercado de trabalho, é inquestionável que muita coisa irá mudar nos próximos anos.

Até 2020, 85% das interações entre marcas e clientes serão feitas por robôs (chatbots com inteligência artificial), segundo a consultoria Gartner.

Em nossa empresa, o machine learning é utilizado para ajudar as marcas saberem onde seus produtos estão disponíveis, em tempo real, e com isso, direcionar os consumidores para as lojas certas, usar melhor suas verbas de marketing e sugerir o mix ideal de produtos, entre outras funcionalidades. Queremos, cada vez mais, democratizar o acesso a esse tipo de solução, tanto para indústrias quanto para distribuidores e varejos do Brasil e do mundo.

* Fernando Farias é CEO da Go.find