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

Algoritmos conscientes

O algoritmo pode tomar a decisão, mas a consciência, o controle e, acima de tudo, a responsabilidade permanece para seus autores, afinal, é apenas um software e máquinas que podem ser desabilitadas a qualquer momento, se realmente não está em conformidade.

No entanto, há um ponto difícil a ser abordado, que é a interpretabilidade, e qualquer padrão de viés, principalmente o que os autores do aplicativo não perceberam, pois o problema se torna muito mais complexo e talvez permita a falta de controle de resultados de IA.

Nesse sentido, acredito que por trás de muitos problemas após a última onda de inteligência artificial, incluindo todas as promessas fora da realidade, podemos escolher um lado bom, não apenas para a evolução da tecnologia na área, mas também para a nossa própria evolução.

Infelizmente, há – sem dúvida – o lado ruim, como não levar em conta aspectos como a responsabilidade para com as pessoas e a sociedade, considerando os méritos da parceria homem-máquina e quaisquer preocupações éticas que possam surgir do uso da IA ​​em uma organização.

Na verdade, o impacto da IA ​​ou de qualquer ciência cognitiva nos mercados depende não apenas de certos atores que adotam certas tecnologias, mas também da eficácia dessas tecnologias para as pessoas e a sociedade.

____
Rogerio Figurelli – @ 2018-07-09

Como esta nova tecnologia baseada em Inteligência Artificial pode ser um benefício para a privacidade

“O novo sistema utiliza uma técnica de deep learning chamada de Generative Adversarial Networks (GANs), que coloca dois algoritmos de IA um contra o outro. A equipe projetou um conjunto de duas redes neurais: a primeira trabalhando para identificar rostos e a segunda trabalhando para interromper a tarefa de reconhecimento facial da primeira. Os dois estão constantemente lutando e aprendendo uns com os outros, estabelecendo uma competição contínua. O resultado é um filtro semelhante ao Instagram, que pode ser aplicado a fotos para proteger a privacidade.”

Veja mais em: https://economictimes.indiatimes.com/magazines/panache/how-this-new-ai-based-tech-can-be-a-boon-for-privacy/articleshow/64424574.cms

Base de Aprendizados: Plataformas e robôs aprendendo em grupo

Se as ciências da computação são fartas de atalhos para o aprendizado humano, é natural imaginar que o mesmo seja induzido para o aprendizado de máquina.
Entretanto, a Inteligência Artificial Forte e Genérica é um desafio tão complexo que provavelmente quanto mais paradigmas criarmos, mais lentos serão os caminhos para chegar em níveis realmente práticos.
Dessa forma, prefiro começar com estruturas de dados o mais próximas possíveis do objetivo central, que é o aprendizado, para abrir portas para a criação de modelos adaptados a essas estruturas, sem alguma regra específica para isso.
Nesse livro irei apresentar uma ideia central que considero para isso, com uma proposta de modelo e paradigma em uma camada de abstração bastante alta, denominada de Base de Aprendizados.
Para isso, focaremos em duas necessidades de informações básicas para a produção de inteligência artificial: pergunta e resposta, com uma base de aprendizado estruturada com esse paradigma.
Ou seja, a medida que a máquina busca respostas para as mais diversas perguntas, que inclusive não necessitam ser necessariamente humanas, mas também da própria máquina ou de outras – e isso é importante destacar, pois o conceito apresentado no mercado de Inteligência Aumentada foca basicamente na inteligência humana de perguntas, o que me parece subestimar a capacidade de inferência e abstração de consciência artificial das máquinas – é natural que as respostas encontradas, mesmo que não sejam corretas, ao menos para o momento atual, sejam tratadas como uma representação do aprendizado até o momento em busca da verdade, que no caso, seria a resposta que atende de forma qualitativa e quantitativa o objetivo e dúvida da pergunta, principalmente através de um modelo formal para isso, representado em forma de algoritmos que possam ser traduzidos em código de máquina.

Veja mais em: https://www.amazon.com.br/dp/B06XVXFM6V/ref=sr_1_2?s=digital-text&ie=UTF8&qid=1490578880&sr=1-2

Yoga para Robôs: Novos modelos de aprendizado de máquina baseados em Sabedoria Artificial

Antes que você imagine, pelo título do livro, que estamos falando de robôs humanoides meditando, lembro que essa é apenas uma metáfora para vários modelos baseados em estados de consciência artificial que serão apresentados para a melhoria do aprendizado de máquina.
Me parece lógico e racional que as características individuais das máquinas inteligentes, tanto de hardware e software, produzam uma individualidade a partir de um conjunto de regras que podem determinar uma Personalidade Artificial. E, mais que isso, nada impede que uma Personalidade Real, como a minha ou a sua, caro leitor, possa ser modelada em uma Personalidade Artificial. Na verdade, conseguindo isso, estaremos perpetuando essa foto de nossa personalidade atual, o que no momento parece mais uma obra de ficção.
Entretanto, a Consciência Artificial se mostra muito mais desafiadora que a Personalidade Artificial, principalmente pelo fato de ela poder estar totalmente oculta em nossa mente, ou cérebro. E talvez o caminho para atingirmos o próximo nível de evolução, com uma Inteligência Artificial Genérica, seja construirmos modelos de Consciência Artificial utilizando estados que imitam os seres humanos, inclusive de meditação, como irei propor nesse livro.
Evidentemente que os modelos de aprendizado de máquina baseados em dados estáticos ou padrões de simples descoberta, a partir de bases históricas, não necessitam estados de consciência diferentes do humano acordado.
Entretanto, quando temos que criar modelos de aprendizado que enfrentem a incerteza futura, e toda a sua complexidade associada, devemos pensar em abordagens diferenciadas e competitivas, como por exemplo criar novos estados de consciência imitando a natureza e a estrutura de nosso cérebro e mente.
E, se isso for feito de forma organizada, como por exemplo em um sistema de vários robôs alternando estados de consciência, como temos com seres humanos na sociedade, empresas e natureza, estaremos criando novos modelos de aprendizado de máquina para robôs executando e decidindo para as mais variadas finalidades.

Veja mais em: https://www.amazon.com.br/dp/B01MZHL0DG/ref=sr_1_1?s=digital-text&ie=UTF8&qid=1486348772&sr=1-1