O que você precisa saber sobre o aprendizado de máquina…

Tradução e referência de: What You Need To Know About Machine Learning (Forbes)

O aprendizado de máquina é uma daquelas palavras que são usadas como sinônimo de inteligência artificial (AI). Mas isso realmente não é exato. Observe que o aprendizado de máquina é um subconjunto da IA.

Este campo também existe há algum tempo, com as raízes remontando ao final dos anos 50. Foi durante esse período que Arthur L. Samuel da IBM criou o primeiro aplicativo de aprendizado de máquina, que jogava xadrez.

Então, como isso foi diferente de qualquer outro programa? Bem, de acordo com Venkat Venkataramani, co-fundador e CEO da Rockset , o aprendizado de máquina é “o ofício de computadores tomarem decisões sem fornecer instruções explícitas, permitindo que os computadores padronizem as situações complexas e prevejam o que acontecerá”.

Para conseguir isso, é preciso haver grandes quantidades de dados de qualidade, além de algoritmos sofisticados e computadores de alta potência. Considere que quando Samuel construiu seu programa, tais fatores foram severamente limitados. Portanto, não foi até a década de 1990 que o aprendizado de máquina tornou-se comercialmente viável.

“As tendências atuais no aprendizado de máquina são impulsionadas principalmente pelos dados estruturados coletados pelas empresas ao longo de décadas de transações em vários sistemas ERP”, disse Kalyan Kumar B, que é o vice-presidente corporativo e CTO global da HCL Technologies . “Além disso, a multiplicidade de dados não estruturados gerados pelas mídias sociais também é um fator que contribui para as novas tendências. Os principais algoritmos de aprendizado de máquina classificam os dados, preveem a variabilidade e, se necessário, sequenciam a ação subsequente. Por exemplo, um aplicativo de varejo online que pode classificar um usuário com base em seus dados de perfil e histórico de compras permite que o varejista preveja a probabilidade de uma compra com base no histórico de pesquisa do usuário e permite que eles direcionem descontos e recomendações de produtos.

Agora você também ouvirá outra palavra da moda, que muitas vezes se confunde com aprendizado de máquina – isto é, aprendizado profundo. Tenha em mente que este é um subconjunto do aprendizado de máquina e envolve sistemas sofisticados chamados redes neurais que imitam o funcionamento do cérebro. Como o aprendizado de máquina, o aprendizado profundo existe desde os anos 1950. No entanto, foi durante os anos 80 e 80 que esse campo ganhou força, principalmente a partir de teorias inovadoras de acadêmicos como Geoffrey Hinton, Yoshua Bengio e Yann Lecun. Eventualmente, operadores de mega tecnologia como Google, Microsoft e Facebook investiriam pesadamente nessa tecnologia. O resultado foi uma revolução na IA. Por exemplo, se você usa algo como o Google Tradutor, viu o poder dessa tecnologia.

Mas o aprendizado de máquina – superalimentado por redes neurais de aprendizagem profunda – também está dando passos largos na empresa. Aqui estão alguns exemplos:

  • Mist criou um assistente virtual, chamado Marvis, que é baseado em algoritmos de aprendizado de máquina que extraem insights de LANs sem fio. Um administrador de rede pode fazer perguntas como “Como estão os pontos de acesso wi-fi na biblioteca Baker-Berry?” E Marvis fornecerá respostas com base nos dados. Mais importante, o sistema fica mais inteligente e inteligente ao longo do tempo.
  • Redes Barracuda é um participante de destaque no mercado de cibersegurança e o aprendizado de máquina é uma parte essencial da tecnologia da empresa. “Descobrimos que essa tecnologia é exponencialmente melhor para impedir ataques personalizados de engenharia social”, disse Asaf Cidon, que é o vice-presidente de segurança de e-mail da Barracuda Networks. “A maior vantagem dessa tecnologia é que ela efetivamente nos permite criar um conjunto de regras ‘personalizado’ exclusivo para o ambiente de cada cliente. Em outras palavras, podemos usar os padrões históricos de comunicação de cada organização para criar um modelo estatístico de como um e-mail normal se parece nessa organização. Por exemplo, se o CFO da empresa sempre envia e-mails de determinados endereços de e-mail, em determinados momentos do dia e efetua login usando determinados IPs e se comunica com determinadas pessoas, o aprendizado de máquina absorverá esses dados. Também podemos aprender e identificar todos os links que seriam “típicos” para aparecerem no sistema de e-mail de uma organização. Em seguida, usamos esse conhecimento e aplicamos diferentes classificadores de aprendizado de máquina que comparam o comportamento dos funcionários com o que seria um e-mail normal na organização ”.

É claro que o aprendizado de máquina tem desvantagens – e a tecnologia está longe de alcançar a IA verdadeira. Não consegue entender a causação ou se envolver no pensamento conceitual. Há também riscos potenciais de viés e overfitting dos modelos (o que significa que os algoritmos determinam que o mero ruído representa padrões reais).

Mesmo algo como lidar com dados de séries temporais em escala pode ser extremamente difícil. “Um exemplo é a jornada do cliente”, disse Anjul Bhambhri, vice-presidente de engenharia de plataforma da Adobe . “Esse tipo de conjunto de dados envolve dados comportamentais que podem ter trilhões de interações com clientes. Qual é a importância de cada um dos pontos de contato na decisão de compra? Para responder a isso, você precisa encontrar uma maneira de determinar a intenção de um cliente, que é complexa e ambígua. Mas é certamente algo em que estamos trabalhando ”.

Apesar de tudo isso, o aprendizado de máquina continua sendo uma maneira eficaz de transformar dados em informações valiosas. E o progresso provavelmente continuará em ritmo acelerado.

“A linguagem de máquina é importante porque seu poder preditivo vai atrapalhar vários setores”, disse Sheldon Fernandez, CEO da DarwinAI . “Já estamos vendo isso no campo da visão computacional, veículos autônomos e processamento de linguagem natural. Além disso, as implicações dessas rupturas podem ter impactos de longo alcance em nossa qualidade de vida, como avanços em medicina, saúde e produtos farmacêuticos ”.

2 comentários em “O que você precisa saber sobre o aprendizado de máquina…”

Deixe um comentário

Preencha os seus dados abaixo ou clique em um ícone para log in:

Logotipo do WordPress.com

Você está comentando utilizando sua conta WordPress.com. Sair /  Alterar )

Foto do Google

Você está comentando utilizando sua conta Google. Sair /  Alterar )

Imagem do Twitter

Você está comentando utilizando sua conta Twitter. Sair /  Alterar )

Foto do Facebook

Você está comentando utilizando sua conta Facebook. Sair /  Alterar )

Conectando a %s