Aprendizado de máquina além do algoritmo

“Quando as pessoas falam sobre aprendizado de máquina ou sobre inteligência artificial, elas são invariavelmente focadas inteiramente no algoritmo de aprendizado de máquina. Na minha opinião, focar em algoritmos é bom para sua tese de doutorado ou para uma apresentação em papel técnico em uma conferência de dados de renome, mas focar nos dados e no processo de construir seu sistema de aprendizado de máquina é a chave para uma implementação bem-sucedida do sistema ML. Não me entenda mal, o algoritmo é o coração do sistema, mas tudo o que precisa ser feito além do algoritmo é igualmente crítico.”

Veja mais em: http://computer.expressbpd.com/news/machine-learning-beyond-the-algorithm/24893/

Anúncios

Os riscos da Inteligência Artificial fraca

Toda tecnologia nova apresenta riscos. Embora a inteligência artificial não seja nova, com mais de sessenta anos de mercado, as expectativas atuais são sem dúvida diferentes de qualquer momento anterior. Mas vivemos, no mínimo dois, grandes riscos:

  • ver essa tecnologia como vimos a Internet no passado, como um fim por si só, e não como um meio para gerar resultados no mundo real;
  • a falta de resultados realmente eficazes para a solução de reais problemas complexos das pessoas, empresas e governos, que no mínimo diferenciem da abordagem de construção de sistemas e algoritmos inteligentes do passado;

A solução que considero mais viável para superar esses riscos é investir em uma inteligência realmente forte, o que não é simples nem barato, como a inteligência fraca que cada vez mais está se disseminando no mercado.
Afinal, se as crises e bolhas se mostram quase sempre determinísticas, senão ao menos lógicas, tudo seria muito fácil – e para todos – se o tempo de duração delas fosse de fácil previsão.
Mas a realidade é que determinadas crises e bolhas podem durar muitos anos, até mudarem de lado. Exatamente essa incerteza de tempo tornou tão grave a mais famosa – e duradoura – crise dos tempos modernos: a grande depressão ou crise de 1929. Na prática, foram necessários mais de dez anos para uma retomada de atividade industrial nos mesmos patamares de antes da crise. Mas, se considerarmos o impacto para os investidores, com o índice Dow Jones para 100 anos, o impacto devastador do tempo nos conduz a mais de vinte anos de duração de uma crise com um ciclo de tempo de total incerteza.
Não é difícil imaginar o impacto devastador dessa época sobre investidores que perceberam uma recuperação de produção industrial dez anos após o início da crise que de fato só se confirmou no índice Dow Jones após mais de vinte anos. E não é preciso ir tão longe para buscar cenários de tamanha incerteza, uma vez que nosso próprio país enfrenta ainda uma crise sem data final para formatação do início de uma nova e consistente bolha. Mas quando estamos em meio a uma crise, uma nova bolha parece o menor dos problemas ou ainda, o problema que gostaríamos de estar administrando.
Para agravar ainda mais a incerteza infinita do tempo, principalmente referente à duração dos períodos de crises e bolhas, temos a incerteza infinita da tecnologia, uma vez que ela poderá estar associada às descobertas, invenções e o absolutamente novo e imprevisível.
Evidentemente que a grande maior parte dos avanços de tecnologia são incrementais, diminuindo um pouco essas incertezas, mas os riscos de mudanças de paradigmas e de ruptura dos sistemas existentes é cada vez maior, com o avanço dos computadores e computação em nuvem.
Outro fator importante, que complementam as incertezas de tempo e tecnologia, é que ela própria abre cada vez mais as portas para aumentar a velocidade e precisão de troca de informações, atingindo diretamente os mercados regionais e globais em poucos segundos.
E, dessa forma, as economias apresentam cada vez mais velocidade e incerteza de reflexo de bolhas e crises locais ou globais.
Mas, além disso, e talvez com impacto e probabilidade maior de formação de novas crises e bolhas, a Internet facilita a criação de novos produtos e Startups, que são empresas com características tipicamente formadas em ambientes de inovação.
Foi exatamente esse o cenário do final do século passado, com a entrada da Internet comercial no mercado, e a grande migração de capital de investidores em novos negócios na área de tecnologia, na expectativa de uma nova economia, com negócios em nuvem.
E pode-se considerar essa a Bolha 1.0, que se formou de 1995 a 2000, portanto no final do século passado, a aproximadamente vinte anos atrás.
A experiência da Bolha 1.0 mostra um viés otimista das bolhas e crises de tecnologia, pois por pior que tenham sidos os impactos do estouro da bolha, fomos capazes de recomeçar e, principalmente, começar a formar uma nova bolha, ainda maior.
E tudo indica que a Bolha 2.0, que acredito estar se formando atualmente, segue esse viés, onde as bolhas são cada vez maiores e as crises possuem um limite de pessimismo com capacidade de reversão contínua, alimentadas pelos sonhos dos investidores, e novas Startups.
Mas será que aprendemos com os erros passados? Ou ainda, estamos resilientes o suficiente para uma Bolha 2.0?
Essa é a pergunta que não quer calar e, apesar de estarmos vivendo aspectos muito similares ao da Bolha 1.0, não aprendemos com ela o suficiente, esquecendo com o tempo seus fatores e impactos devastadores.

____
Rogerio Figurelli – @ 2018-05-26

Da gestão de processos para a gestão de robôs

Com o crescimento exponencial dos recursos de inteligência artificial e ciência de dados para automação de processos, não apenas as tarefas repetitivas são executadas pelas máquinas que criamos, mas também as que exigem cada vez mais o entendimento do negócio e de todo o processo decisório.

Na verdade, estamos migrando, ainda de forma lenta, mas cada vez mais determinística, para o domínio de uma nova competência nas empresas: a gestão de robôs. E se os processos passam a ser apenas atributos das máquinas, podemos abstrair cada vez mais a gestão de processos, pelo menos dentro dos modelos manuais e de design essencialmente humano.

Dessa forma, todo o ferramental de tecnologia, principalmente as antigas plataformas e metodologias, são impactadas para evoluírem para suportarem os processos como produtos cada vez mais padronizados e de prateleira, executados de forma automática e autônoma.

Vivemos a Era dos Robôs, onde buscamos transformar a antiga eficiência da automação, na eficácia da automação da automação.

É evidente que nenhuma empresa, e muito menos seus colaboradores, querem ficar para trás dessa evolução, colocando em risco seus modelos de negócio e competitividade no mercado de trabalho.

Mas o paradoxo é que, na gestão de processos, os seres humanos ainda se mostram altamente competitivos no desenho das camadas mais estratégicas das cadeias de valor, mesmo as mais digitais. Entretanto, é cada vez mais um risco contar com essa realidade, pois as camadas operacionais e táticas já são fortemente pressionadas para enfrentarem o desafio de dominarem não apenas a operação de robôs, mas toda sua gestão, o que envolve atributos como digitalização dos processos e expertise em algoritmos e sistemas, principalmente os baseados em inteligência artificial.

E o que parece muito avançado para a maioria das empresas e profissionais, impactados com essa ruptura na forma de gestão, torna-se cada vez mais uma grande oportunidade de diferenciação competitiva, onde apenas os que dominarem as máquinas inteligentes irão sobreviver.

—–
Por Rogério Figurelli em 18/10/2017

Consciência Artificial Artificial: Como os robôs superam todos limites

Por mais que a Inteligência Artificial tenha evoluído nos últimos anos, ela ainda encontra vários limites quando comparada à capacidade de inteligência humana, principalmente em termos de execução de tarefas cognitivas mais complexas de serem ainda modeladas pelas nossas máquinas.
Entretanto, podemos utilizar essa força tarefa de inteligência humana para criar uma Inteligência Artificial Artificial, ou seja, uma espécie de automação e autonomia complementar a dos robôs, principalmente para modelos genéricos de propósitos complexos ou fora da capacidade da inteligência artificial.
Ou seja, como veremos mais adiante, se inserimos IAA, ou seja, Inteligência Artificial Artificial na solução de problemas inesperados complexos obviamente iremos resolver o problema, mas sem IA forte de verdade. Seria no caso uma IAFA, ou seja, Inteligência Artificial Forte Artificial. Entretanto essa pode ser uma solução progressiva que pode nos conduzir à solução do problema de Inteligência Artificial Forte, ou seja, automatizarmos cada vez mais as tarefas de IAA é esperado que, mais cedo ou mais tarde, os robôs tenham autonomia e consciência para criar modelos para os mais variados propósitos.
E da mesma forma que a IAA, proponho um tratamento para a Consciência Artificial Artificial, ou CAA. Afinal, é importante termos consciência de que temos cada vez mais capacidade de avançar e evoluir em nossas previsões, principalmente com a evolução da Inteligência Artificial e, talvez, aquele que considero o seu maior benefício para a humanidade: a Sabedoria Artificial.
Acontece que, no caminho da evolução, sempre existem riscos. E na área de tecnologia, o mais conhecido deles atende pelo nome de Singularidade Tecnológica.
Mas buscar uma equação para a sabedoria não é uma tarefa fácil, mas penso ser fundamental em uma Era dos Robôs, para melhor entendimento da capacidade da inteligência e consciência das máquinas, principalmente em comparação com a humana. E acredito que uma das grandes falhas de análise de inteligência artificial e capacidade de aplicação autônoma dela, como propõe a teoria da singularidade tecnológica, está justamente no fato de desconsiderar o nível de consciência em que ela é aplicada, que justamente, é uma das variáveis fundamentais de definição de sabedoria.
E, talvez, o caminho para uma Sabedoria Artificial seja traçado pelo domínio, passo a passo, dos modelos criados para tornar artificiais os processos humanos de Consciência Artificial Artificial, como proposto nesse livro.

Veja mais em: https://www.amazon.com.br/dp/B071JSNWZ6/ref=sr_1_2?s=digital-text&ie=UTF8&qid=1496870185&sr=1-2

Redes Neurais Analógicas: rompendo o paradigma binário das máquinas e decimal humano

No início os computadores eram analógicos.
A invenção dos circuitos integrados digitais, com computação binária, e avanço das arquiteturas dos microcontroladores e microprocessadores trouxe um novo paradigma aparentemente muito mais evoluído, permitindo chegar nos níveis de inteligência artificial atuais, com redes neurais profundas ou de deep learning que permitem emular e simular o aprendizado de dos mais complexos desafios humanos.
Mas justamente as redes neurais artificiais abrem as portas para voltar ao passado, dos computadores analógicos, com a criação de redes neurais analógicas, provavelmente muito mais próximas das existentes em nosso cérebro, que não processa em numeração binária.
Nesse livro, apresento uma proposta de modelo genérico para construção rápida de computadores baseados em redes neurais analógicas, que podem ser facilmente integrados com os computadores atuais, inclusive os de computação quântica.
A ideia é permitir o processamento nos mais variados sistemas de numeração, inclusive no nosso, que é o decimal.
A vantagem da abordagem proposta é abstrair o sistema de numeração binário e até mesmo decimal,de forma modular e simples, rompendo os paradigmas e limitações que possam levar à construção de redes neurais cada vez mais inteligentes e rápidas, que possam contribuir para um futuro com significativos avanços nas áreas de inteligência artificial forte e genérica.

Veja mais em: https://www.amazon.com.br/dp/B06XY3QNK6/ref=sr_1_2?s=digital-text&ie=UTF8&qid=1490966025&sr=1-2