O que geralmente não te contam sobre Machine Learning (ML) e Deep Learning (DL)

Muito do hype da Inteligência Artificial está, na minha opinião, na visão errada sobre o potencial de Machine Learning (ML) e Deep Learning (DL).

Alguns exemplos:

– Ter um grande volume de dados não garante a qualidade preditiva ou mesmo resulta no uso de ML/DL, mesmo com dados totalmente rotulados, pois é necessário que o problema realmente seja aplicável e também vários outros fatores estejam alinhados, como padrões a serem aprendidos e causalidade nos dados.
– ML não necessariamente imita nosso cérebro e implementa redes neurais artificiais. DL, que é uma possível técnica de ML que faz isso.
– Mesmo que haja causalidade e alinhamento de dados com o problema, o DL está sujeito aos mais variados erros devido ao grande número de parâmetros, como under/overfitting e todas as outras complexidades de setup.
– A adoção do ML/DL não garante necessariamente a automação para resolver problemas, especialmente os cognitivos e os mais complexos, que requerem um trabalho de análise e data science, e, principalmente, de construção de algoritmos que suportem os modelos criados.

Mas a verdade é que, poucos contam isso, e mais poucos ainda contam com isso!

____
Rogerio Figurelli – @ 2018-08-09

Anúncios

IoT e Machine Learning, os novos capítulos de CRM

“Nos dias de hoje, a Inteligência Artificial começa a ocupar um papel determinante nas nossas vidas. A capacidade de computação trouxe associada a si novas formas de pensar. A área de Machine Learning envolve probabilidade estatística que é depois codificada em linguagens de programação para as mais diversas aplicações. O motor é um artíficio matemático para calcular probabilidades e, baseado nisso, é estipulado um conjunto de regras que dão feedback aos utilizadores ou outros sistemas.

Num passado recente toda a lógica de negócio estava centrada do lado do cliente. Contudo, com o conceito de Cloud existe uma descentralização do poder de computação para o lado do servidor. Como exemplo, o CRM Salesforce permite gerir um tipo de portefólio comum no mundo dos negócios: leads, opportunities, contacts, accounts tudo isso através de um browser. Dessa forma essa tecnologia torna-se omnipresente no dia a dia, muito pela sua escalabilidade e facilidade de utilização.

A área de Salesforce IoT (Internet das Coisas) é o novo capítulo de inovação que integra leituras de múltiplos sensores. É assim possível descentralizar toda a computação para a rede, funcionando como um palco perfeito para algoritmos avançados processarem rapidamente todos os inputs.”

http://www.jornaleconomico.sapo.pt/noticias/iot-e-machine-learning-os-novos-capitulos-de-crm-331797

Inteligência artificial desenha rostos a partir de descrições em texto

“Um programador chamado Animesh Karnewar criou um sistema de inteligência artificial capaz de fazer algo semelhante a um “retrato falado”. A proposta inicial era fazer com que o computador fosse capaz de criar uma imagem a partir da descrição em texto, possibilitando que ele desse rosto a personagens ficcionais de livros. Com isso, ele criou o T2F (sigla que vem de texto para rosto, em tradução em inglês).

Karnewar usa de uma técnica chamada de generative adversarial network (GAN). Aqui, são usadas duas redes neurais que se monitorarem a respeito de uma produção. O exemplo dado por ele é o seguinte: imagine que a rede 1 precisa tentar enganar a rede 2 a acreditar que uma imagem renderizada é uma fotografia real. Ao mesmo tempo, a rede 2, precisa provar para a rede 1 que aquela imagem é real e não apenas uma construção digital.

A proposta é usar este sistema para testar imagens de forma que fique tão perfeita que não consiga mais enganar a rede 2. Este é apenas um exemplo de várias funções que estas duas redes exercem juntas.”

https://canaltech.com.br/inovacao/inteligencia-artificial-desenha-rostos-a-partir-de-descricoes-em-texto-119692/

Games Help Trace the Progress of AI

“Considering this, an AI called Libratus made the next breakthrough in artificial intelligence research by beating the best players at Texas Hold ‘Em poker. Developed by researchers at Carnegie Mellon, Libratus showed that AI can compete with humans in situations where it has access to partial information. Libratus used several AI techniques to learn poker and improve its gameplay as it examined the tactics of its human opponents. Real-time video games are the next frontier for AI, and OpenAI isn’t the only organization involved in the field. Facebook has tested teaching AI to play the real-time strategy game StarCraft, and DeepMind has developed an AI that can play the first-person shooter game Quake III. Each game presents its own set of challenges, but the common denominator is that all of them present the AI with environments where they have to make decisions in real time and with incomplete information. Moreover, they give AI an arena where it can test its might against a team of opponents and learn teamwork itself.  For now, no one had developed AI that can beat professional players. But the very fact that AI is competing with humans at such complex games shows how far we’ve come in the field.”

Moreover: https://www.pcmag.com/commentary/362654/why-teaching-ai-to-play-games-is-important

A inteligência artificial está agregando valor ao seu negócio?

“Passando da descrição para a monetização de dados. Em algum momento, as empresas querem dar um impulso em sua estratégia de dados. A AI pode ajudar aqui. Mas isso significa ir além da simples organização dos dados e torná-los acessíveis aos usuários; em vez disso, as empresas precisam descobrir como transformar seu novo conhecimento em ganhos reais. Veja alguns exemplos de monetização de dados. Expandindo para novas categorias de negócios ou tipos de clientes. Desenvolvendo novas ofertas ou explorando novos mercados. Reduzindo seus custos operacionais atuais. Melhorando a eficiência e produtividade dentro de sua força de trabalho.”.
https://www.influencive.com/is-artificial-intelligence-adding-value-to-your-business/