A ilusão dos dados como o ativo principal de Inteligência Artificial

A todo momento vemos artigos e análises trazendo a relevância dos dados, como o principal ativo da Tecnologia da Informação (TI).

Entretanto, minha visão é diferente.

Em primeiro lugar, penso que a própria TI passa por uma evolução para Tecnologia da Inteligência, como prefiro referir.

Sim, a inteligência é que é o principal ativo, e os dados já foram no passado, e cada vez mais serão apenas commodities.

Acredito que o erro de visão atual esteja no fato de que concentramos todas expectativas de inteligência sobre a inteligência de máquina, principalmente o aprendizado supervisionado.

Mas a Inteligência Artificial será cada vez muito mais que isso, pois vivemos uma era onde a criatividade e a inovação ganham força cada vez mais, e justamente o potencial de encontrar solução para que as máquinas sejam inteligentes no nível humano será cada vez menos dependente dos dados em si, como é exatamente o nosso caso.

Na verdade, estaremos migrando de uma capacidade do modelar nosso cérebro para modelar nossa mente, até mesmo com consciência artificial, o que muda completamente o jogo.

Dessa forma, para mim o verdadeiro ativo está na capacidade dos times de sua organização em criarem produtos realmente inteligentes.

E não vejo formas de fazer isso mais eficazes hoje do que investir em uma parceria desses times com as máquinas, envolvidos em projetos de Inteligência Artificial que realmente sejam o ativo digital, ou real state, se você preferir, que tanto as organizações buscam hoje.

____
Rogerio Figurelli – @ 2018-08-09

Anúncios

Três tendências de inteligência artificial e aprendizado de máquinas para 2019

“O próximo ano pode servir como divisor entre negócios que esperaram para embarcar e aqueles que testemunham uma mina de ouro de avanços para a indústria de tecnologia.

Isso é o que acredita Daniel Newman, especialista em transformações digitais, analista principal e sócio-fundador da consultoria Futurum Research + Analysis, que escreveu sobre o assunto para a revista Forbes. O que potencialmente pode acontecer no ano que vem? Novidades e inovações usadas para treinar máquinas? O surgimento de assistentes de IA?”

https://epocanegocios.globo.com/Tecnologia/noticia/2018/08/tres-tendencias-de-ia-e-aprendizado-de-maquinas-previstos-para-2019-de-acordo-com-forbes.html

Inteligência Artificial (IA) e Internet das Coisas (IoT) tornam-se as maiores influências na indústria tecnológica

“A influência da Inteligência Artificial (AI) e da Internet das Coisas (IoT) na tecnologia MESH (redes de malha) são alguns dos tópicos mais quentes em todo o panorama da indústria de tecnologia expansiva e volátil. Com essas tecnologias inovadoras e de ponta convergindo, especialistas no mercado estão prevendo um crescimento exponencial nos próximos sete anos, revolucionando os produtos do dia-a-dia com um potencial incrível. Grand View Research projeta que a rede de malha sem fio sozinha terá um valor de US $ 11 bilhões globalmente até 2025. Um dos fatores significativos que impulsionam o crescimento do mercado é a variedade de aplicativos em várias indústrias para essas plataformas, desde projetos de negócios tradicionais a serviços de emergência. Espera-se que a inclusão de IoT e AI acelere o processo, permitindo operações mais eficientes e eficazes de aplicativos e redes de malha.”

Veja mais em: http://www.prnewswire.co.uk/news-releases/artificial-intelligence-ai-and-internet-of-things-iot-becoming-biggest-influences-on-tech-industry-684575911.html

A tecnologia não é mais um facilitador, é a nova estratégia de negócios

“Com um olho no futuro imprevisível, eu humildemente diria a você que não temos o luxo de esperar, assistir e aprender antes de modernizar nossas próprias paisagens de TI para estarmos prontos para o futuro. O ritmo da jornada de modernização é ditado pela paisagem movediça da tecnologia e dos ecossistemas, mas a escolha de agir é nossa. Isso de muitas maneiras é o desafio da liderança de hoje. A tecnologia não é mais um facilitador para a estratégia de negócios, a tecnologia é a nova estratégia de negócios”.

Veja mais em: https://www.bloombergquint.com/markets/2018/05/27/dont-have-luxury-of-time-to-wait-learn-before-modernising-it-landscapes-nasscom-chairman-premji

Machine Learning no Mercado de Capitais: Descobrindo com os robôs as verdades dos mercados

Quando se trata de machine learning ou aprendizado de máquina no mercado de capitais, é bom lembrar que o aprendizado – pelo menos nos modelos baseados em mercados regulados e com competição justa – será essencialmente baseado em dados do passado, ou seja, nossa amostra de testes e validação das previsões hipotéticas.
Dessa forma, me parece mais apropriado ficar com os pés no chão e considerar que o mercado poderá apresentar um comportamento futuro totalmente dissociado do passado, e, principalmente, de qualquer aprendizado obtido nele.
Mas se o futuro pode ser muito diferente do passado, será que uma rede regular não pode ser mais eficaz que uma convolucional, com realimentações, para enfrentar as incertezas de mercado?
A verdade é que não existe uma resposta correta para todos os instrumentos financeiros e mercados, já que nem mesmo existe alguma lógica confirmada que a aplicação de machine learning no mercado possa ser mais eficiente que a própria análise de gestores humanos.
Dessa forma, minha recomendação é projetar redes sem paradigmas, onde a realimentação seja apenas uma opção a mais de aprendizado.
Evidentemente que tudo seria mais fácil se o problema central do mercado fosse encontrar padrões no passado. Não que isso também não seja válido, pelo menos em determinados cenários e instrumentos financeiros, mas a alta competitividade dos gestores e demais players, com sofisticados níveis de informação analógica e digital, torna as coisas bem mais complexas.
Ou seja, aplicar aprendizado de máquina ou machine learning para classificação desses eventos óbvios pode ser útil em muitas aplicações corporativas, mas não no mercado.
Na verdade, enfrentamos um cobertor curto para a adoção do aprendizado de máquina nos mercados, pois a parte fácil do aprendizado é pouco realista, e a parte difícil pode exigir redes de deep learning complexas e de difícil ajuste.
E esse sem dúvida é um nível de complexidade que os robôs podem ajudar a enfrentar, como veremos nesse livro.

Veja mais em: https://www.amazon.com.br/dp/B072F2W6ZQ/ref=sr_1_1?s=digital-text&ie=UTF8&qid=1493823948&sr=1-1