Machine learning

Algoritmos de recomendação, motores de buscas, softwares de tradução, reconhecimento de fala, visão computacional e máquinas que produzem textos.  Recentemente algumas tecnologias passaram a fazer parte do nosso dia a dia de um jeito tão silencioso que as vezes nem percebemos. Os impactos estão presentes em todas as áreas, mas fundamentalmente na comunicação. Um exemplo é o machine learning, que pode ser traduzido como aprendizado ou aprendizagem de máquina. Esse é um conceito integrado à inteligência artificial, em evidência e muito destacado pela mídia, mas que poucos realmente compreendem.

Podemos classificar o machine learning em três categorias, de acordo com a natureza do “sinal” ou “feedback” de aprendizado disponível para o sistema. A primeira chamamos de aprendizado supervisionado, onde disponibilizamos ao computador exemplos de entradas e saídas desejadas. O objetivo é aprender uma regra geral que mapeia essa função. A segunda denominamos de aprendizado não supervisionado, onde nenhum tipo de etiqueta é dado ao algoritmo, deixando-o sozinho para encontrar estrutura nas entradas fornecidas. O objetivo é descobrir padrões nos dados, ou um meio para atingir um fim. Na terceira, o aprendizado por reforço, um computador interage com um ambiente dinâmico e o programa desempenha determinado objetivo (como por exemplo, dirigir um veículo).

Quando treinados, nós humanos conseguimos analisar dados e encontrar conexões e tendências que muitas vezes utilizamos para tirar conclusões e tomar decisões. É fato que quanto mais executamos uma tarefa, mais habilidosos ficamos nela. Isso é resultado da nossa capacidade de aprender. A repetição ou a execução frequente de determinados procedimentos funciona para nos aprimorarmos. A inteligência artificial segue esse mesmo princípio.

A repetição em exaustão é a lógica do machine learning, onde um sistema evolui autonomamente com base na sua própria experiência sem a necessidade de interferência humana. Estabelecendo regras lógicas, submetemos uma grande quantidade de informações, de forma recorrente, para aprimorar o desempenho de uma tarefa.

É importante que esses sistemas façam análises com base em uma quantidade significativa de dados, coisa que as big techs têm de sobra por conta dos milhões de acessos que recebem e que, consequentemente, servem de treinamento. O mesmo ocorre com os registros e as interações nas redes sociais, que refletem, de certa forma, nosso comportamento. Só que a tecnologia pode replicar tanto o que é bom, como o que é ruim da nossa sociedade. Se deixarmos os processos evoluírem sem uma orientação ou supervisão, iremos obter resultados enviesados e desagradáveis, o que não significa que são inverdades.

Há várias abordagens para o machine learning. Uma bastante conhecida é chamada de deep learning ou aprendizagem profunda. Nela, grandes quantidades de dados são tratadas a partir de várias camadas de redes neurais artificiais – algoritmos inspirados na estrutura de neurônios do cérebro – que resolvem problemas muito complexos, como o reconhecimento de objetos em imagens.

Sabemos que na inteligência artificial existem dois tipos de raciocínio, o indutivo, que extrai regras e padrões de grandes conjuntos de dados, e o dedutivo que apresenta conclusões. O machine learning se limita ao indutivo. No campo da análise de dados, o aprendizado de máquina é um método usado para planejar modelos complexos e algoritmos que se prestam para fazer predições no uso comercial, isso é conhecido como análise preditiva. Esses modelos analíticos permitem que os profissionais de comunicação possam “produzir resultados confiáveis e repetitivos” e descobrir os “insights escondidos” através do conhecimento das relações e tendências históricas nos dados. A evolução tecnológica está derrubando as barreiras entre o racional e o emocional, entre as áreas de exatas e de humanas, entre as máquinas e as pessoas. A grande quantidade de dados disponíveis, e o senso de urgência no mundo dos negócios, fortalecerá o uso intensivo da inteligência artificial. Sejam bem-vindos… Todos estão convidados.