Acesso rápido

Inteligência artificial: a batalha entre dados e algoritmos

por Filippo Di Cesare Quarta-feira, 11 de julho de 2018   Tempo de leitura: 5 minutos

Não há dúvida de que a Inteligência Artificial é um dos pontos tecnológicos mais efervescentes. Isso fica ainda mais evidente quando observamos o estudo do Gartner “O valor comercial da inteligência artificial em todo o mundo, 2017-2025”. Segundo a pesquisa, quando comparado ao ano anterior, o volume de soluções de negócios empresariais em 2018 baseado em plataformas de Inteligência Artificial crescerá drasticamente em todo o mundo, com um aumento de 70%. E isso pode triplicar em 2022, quando o negócio deve valer US$ 3,900 bilhões.

A explosão da Inteligência Artificial tem transformado profundamente a sociedade moderna, impulsionada pela capacidade computacional cada vez maior e as quantidades continuamente crescentes de dados e informações disponíveis hoje. Isso afetará todos os aspectos de nossas vidas e será uma das tecnologias mais disruptivas dos próximos anos.

Para mim, é claro que, como diretor de uma empresa voltada para auxiliar seus clientes na transformação digital, a adoção de soluções utilizando Inteligência Artificial é a base das atividades diárias e dos motivos de debate com colegas e clientes. Hoje, lendo a imprensa especializada e fóruns de discussão na Internet, parece haver uma batalha entre dados e algoritmos para suportar os melhores aplicativos baseados em IA. É possível ler artigos que parecem quase expressões de facções opostas, tendenciando de acordo com a preferência de dados sobre algoritmos ou vice-versa.

O que caracteriza a Inteligência Artificial do ponto de vista tecnológico é o método/modelo de aprendizagem com o qual a inteligência se torna habilidosa em uma tarefa ou ação (daí a distinção entre os vários Machine Learning, Aprendizagem Profunda, etc). Portanto, dados quanto os algoritmos são necessários para o desenvolvimento de uma aplicação baseada em IA.

Existe realmente uma batalha entre dados e algoritmos?

Já faz muito tempo desde que deixei a Faculdade de Ciências Estatísticas em Bolonha (Itália), mas com todos os investimentos que estamos fazendo na empresa no campo de Machine Learning e Inteligência Artificial em geral, eu estou frequentemente envolvido nessas áreas em interessantes discussões de projetos com meus colegas, que lideram o departamento Digital, e felizmente são muito mais experientes do que eu.

Do meu ponto de vista, se é verdade que — como afirma Geraldo Salandra — “Inteligência Artificial é o foguete, mas os dados são o combustível”, também é verdade e inegável que a IA é uma combinação de dados e algoritmos.

Sem combustível (ou seja, dados) você não vai a lugar algum, isso é verdade. Mas também é verdade que a escolha do algoritmo correto pode compensar a má qualidade dos dados, da mesma forma que escolher um algoritmo errado pode empobrecer os efeitos de excelentes dados.

Devemos assumir que os dados são mais importantes que os algoritmos?

Eu não acho que é sempre assim. Eu entendo o valor fundamental da infraestrutura de dados e análise para alimentar os algoritmos de Inteligência Artificial.

Em nossa experiência cotidiana, “coleta e preparação de dados” são, de fato, as atividades que requerem mais tempo para o desenvolvimento de aplicações baseadas em Inteligência Artificial, comparadas àquelas para a seleção e desenvolvimento de um modelo. E por isso investimos muito em infraestrutura de dados para alimentar e treinar algoritmos.

Mas nos algoritmos é necessário um ótimo trabalho: ninguém pode dizer com certeza qual algoritmo terá o melhor desempenho sem antes ter tentado diferentes. Elaborar e comparar algoritmos e modelos para escolher os adequados é uma atividade crucial para definir o sucesso de uma solução de IA:

– Qual algoritmo devo usar?
– Quantas horas de treinamento de algoritmo tenho à minha disposição?
– Qual é o tipo, a qualidade e o tamanho dos dados disponíveis para mim?

A qualidade do conjunto de dados influenciará diretamente o sucesso do modelo preditivo. Com foco nos dados, é possível transformar um banco de dados ruim em um que vale a pena ser usado na aplicação da Inteligência Artificial. Mas também é essencial escolher o algoritmo e modelo corretos que se ajustem aos dados disponíveis e sejam consistentes com os dados dos objetivos de negócio.

Aqui estamos nós: o negócio. A palavra que muitas vezes falta nos artigos que li, onde a prioridade dos dados sobre os algoritmos é debatida (ou vice-versa) são precisamente “negócios”. A disponibilidade de uma grande quantidade de dados de boa qualidade e algoritmos relevantes permite melhores informações e aplicações. Mas obter esse tipo de dados e algoritmos não é apenas uma questão técnica: habilidades empresariais profundas são necessárias para gerar valor significativo e aplicativos de inteligência artificial para empresas.

Dados e algoritmos não se opõem, mas são aliados em uma estratégia orientada para os negócios.

Você recomendaria esse artigo para um amigo?

Nunca

 

Com certeza

 

Deixe seu comentário

0 comentário

Comentários

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *

Comentando como Anônimo

This site uses Akismet to reduce spam. Learn how your comment data is processed.

O projeto E-Commerce Brasil é mantido pelas empresas:

Oferecimento:
Hospedado por: Dialhost Transmissão de Webinars: Recrutamento & Seleção: Dialhost Métricas & Analytics: MetricasBoss

  Assine nossa Newsletter

Fique por dentro de todas as novidades, eventos, cursos, conteúdos exclusivos e muito mais.

Obrigado!

Você está inscrito em nossa Newsletter. Enviaremos, periodicamente, novidades e conteúdos relevantes para o seu negócio.

Não se preocupe, também detestamos spam.