AI technology is not just an experiment

“Most said the reason wasn’t that they wanted to keep their AI activities secret, but that they weren’t actually very far along and hence their projects were not worth discussing yet. They were doing lots of pilots, proofs of concept, and prototypes, but they had few production deployments. When they did have AI systems in production, most were machine learning-based systems that had been in place for many years. This is particularly true in financial services, where large-scale “scoring” has been used to evaluate customers for credit and potential fraud for well over a decade. Some said to us that they didn’t really consider these projects to be examples of AI — consistent with the common view of AI that it describes technology that is never really here yet. Others say that they have robotic process automation (RPA) implementations in place, but most are relatively small, and there is also debate about whether RPA is really AI or not.”
Moreover: https://sloanreview.mit.edu/article/the-problem-with-ai-pilots/

Anúncios

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/

A Dieta do Trader: O desafio de perder peso e ganhar dinheiro

Se você é um trader, operando diariamente no Mercado de Capitais, sabe muito bem que o desafio de ganhar dinheiro, pelo menos de forma consistente, não é nada fácil.
Mas talvez os fatores críticos para isso sejam muito similares ao desafio de perder peso, através de uma dieta. Não por menos, talvez seu retorno sofra o famoso ‘efeito sanfona’ de quem faz dietas, ou seja, a constante oscilação de peso, perdas e ganhos.
E mesmo que as razões para isso sejam as mais diversas, passando pelas questões emocionais, presentes nas dietas e no trading, e a falta de planejamento correto, considero que identificar e dominar os fatores críticos para o sucesso, tanto da dieta, como da operação no intradiário, seja muito similar e relevante.
E essa metáfora poderá trazer o benefício de você entender melhor como funcionam as questões emocionais e de planejamento, dominadas e sistematizadas pelos robôs, mas de difícil controle por nós, humanos.
Na verdade, como trabalho bastante com robôs e inteligência artificial, criei essa metáfora apenas para ajudar a traduzir um pouco o meu aprendizado e engenharia reversa para a vida real, e de como ele se repete nos mais variados problemas humanos, principalmente os que envolvem decisões com forte viés emocional.
Portanto, não espere que alguma informação nesse livro possa de fato melhorar sua dieta ou ganhos no dia a dia, pois não há como garantir isso. Além do mais, não sou médico nem assessor de investimentos, que seriam as pessoas adequadas para qualquer aconselhamento nessas áreas.
Ou seja, o objetivo desse livro é apenas o de auxiliar na reflexão de como o controle emocional e a sistematização podem mudar a forma de você encarar a balança, o mercado, e, quem sabe, várias outros desafios do dia a dia, impactados pelos sentimentos, nas suas decisões.

Veja mais em: https://www.amazon.com.br/Dieta-Trader-desafio-perder-dinheiro-ebook/dp/B07334LPRB/ref=sr_1_1?s=digital-text&ie=UTF8&qid=1499172401&sr=1-1

O futuro muda a cada segundo: A lógica da evolução cognitiva dos mercados

O que podemos esperar, em termos de visão de futuro, em um cenário de evolução cognitiva dos mercados? Ou ainda, até que ponto a evolução da inteligência artificial irá impactar as estratégias dos investidores e players de mercado?
Antes que você imagine que a lógica de evolução cognitiva que apresentarei no livro aplica-se apenas para o mercado financeiro ou ainda mercado de capitais, proponho que ela seja estendida para todo e qualquer mercado, onde existam agentes econômicos, como por exemplo o mercado de energia, ou mercado de trabalho, ou ainda mercado de conteúdos na internet, como os próprios e-books.
Sem dúvida temos uma convergência cognitiva de seleção natural e competitividade nos mercados, buscando e elegendo os players ou investidores mais competentes.
O impacto dessa competência no mercado é extremamente significativo, pois pode-se considerar cada vez mais temerário, ou até irresponsável, não examinar e pensar com o máximo de detalhes antes, durante e depois de qualquer operação – ou transação, se você preferir – no mercado.
E a forma de medir esse impacto é monitorar a evolução cognitiva dos mercados nas mais variadas competições de players que fazem parte dele, identificando riscos e oportunidades de poucos vencedores dominarem as ciências cognitivas e seus resultados financeiros.
Com a evolução das máquinas e computadores, principalmente nos últimos anos, nos deparamos com novas camadas de técnicas e sistemas para operação de forma automática, impulsionadas por tecnologias que exploram conceitos de união de arte e ciência cada vez mais novos e desafiadores.
Mas um dos grandes problemas que a tecnologia trouxe para o mercado é que ela permite que toda e qualquer técnica possa ter sucesso em determinado momento.
Além disso, nem sempre é fácil mensurar a qualidade de nosso sucesso. Ou seja, muitas vezes o que parece bons resultados nada mais são boa sorte.
E a sorte pode ser uma grande inimiga dos sistemas automatizados, uma vez que ela irá abstrair a realidade da qualidade das estratégias e Setups escolhidos, para sofrerem, após um período de inércia, as perdas naturais de sistemas aleatórios operando no mercado de capitais.
E a tecnologia deve nos livrar da sorte, pelo menos até onde é possível, antes que ela se torne um grande problema.Ou seja, não existem soluções determinísticas para enfrentar a complexidade dessa realidade atual, mas acredito que essa seja a principal função das ciências cognitivas e a sua mais abstrata e relevante camada de atuação, ou seja, a descoberta em tempo real das melhores técnicas e estratégias nos mais variados mercados e processos decisórios.
Isso acontece porque os padrões de mercado são cada vez mais curtos, forçando a mudança de cultura de encontrar a técnica perfeita para a capacidade de percepção rápida de padrões e reação com troca de técnica, conforme os riscos e oportunidades que se apresentam a cada instante.
E nesse nível de abstração, feito cada vez mais através da codificação de complexos algoritmos, a maior parte deles fechados, as fronteiras são rompidas a todo momento, aumentando cada vez mais a necessidade de investimentos em tecnologias de hardware, firmware e software por parte dos players e investidores.

Veja mais em: https://www.amazon.com.br/futuro-muda-cada-segundo-cognitiva-ebook/dp/B071RMWY88/ref=sr_1_6?s=digital-text&ie=UTF8&qid=1493727312&sr=1-6

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