Robôs para Marketing: Unindo inteligência de mercado artificial e real

No meu entender, já deveriam existir vários livros sobre robôs e marketing no mundo, devido à relevância cada vez maior do impacto dessas máquinas nos serviços e produtos, em toda cadeia de suprimento e, principalmente, nos consumidores.
Mas, para minha surpresa, não encontrei nenhum livro sobre o assunto, e esse provavelmente é o primeiro a tratar diretamente sobre isso, no nosso planeta, pelo menos. Justiça seja feita, até encontrei em alguns livros mais recentes comentários sobre os feitos do IBM Watson, como no passado existia do IBM Deep Blue, mas talvez a realidade da Era dos Robôs, mudando radicalmente o marketing do futuro ainda não tenha causado o efeito necessário para a literatura, ou ainda a real relevância da inteligência artificial em termos de resultados não tenha sido percebida, e da Era da Criatividade que está se formando. Mas o fato é que os sistemas inteligentes e autônomos estão atingindo todas as atividades cognitivas do ser humano e dos consumidores, e os robôs se tornaram peças fundamentais em nossa sociedade, mesmo antes de andarem caminhando por ai, como fazem a muito tempo nos filmes de ficção científica. Talvez essas máquinas ainda sejam vistas como meras peças mecânicas, ou ainda sistemas sem inteligência de automação de processos, ou ainda muito dependentes do ser humano. Mas o fato é que os limites de aprendizado de execução de tarefas, e em breve de criação e inovação dos robôs, serão cada vez mais superados, juntamente com os próprios limites humanos. E quando imaginamos algum limite, basta perguntar se, assim como percebemos ele e aprendemos a resolver de forma autônoma, as máquinas não podem fazer o mesmo. Pois elas farão, rompendo todos limites cognitivos, provavelmente no começo com mais ajuda e supervisão humana, e, no futuro, de forma contrária, ou seja, nós é que precisaremos dessa ajuda e supervisão para chegar no mesmo nível de realização, sob todos os sentidos do termo.
Nesse livro apresento minha visão do impacto dos robôs para a área de marketing das empresas, com uma primeira arquitetura evolucionária para os sistemas de informação nessa área. A abordagem básica é que qualquer sistema atual de informações de marketing nada mais é que um modelo que pode ser automatizado e, com inteligência artificial, se autoajustar e decidir de forma autônoma, como um processo totalmente independente, com consciência própria de seu ambiente de atuação.
E os players com maior capacidade e velocidade de construir modelos de SIM diferenciados quanto à coleta, análise e produção de inteligência, real e artificial, a partir do Market Big Data, como definirei essa nuvem de dados, com robôs dedicados para isso, apresentarão maior vantagem competitiva em toda sua cadeia de sistemas de marketing. Mas para isso, é importante estar atento também à complexidade do fato de que a inteligência produzida pelos robôs deve ser compartilhada de forma cada vez mais eficiente, para que exista de fato a produção de inteligência real das equipes de marketing nas empresas sobre as oportunidades e ameaças processadas e percebidas pelos robôs.
Dessa forma, apresento uma arquitetura de sistema de sistemas complexos dos robôs, que é a interface e integração com os mais variados sistemas de mercado, consumidos pelos clientes, e, portanto, em comunicação constante com eles, onde os dados se encontram de forma estruturada e quantitativa, na interface com os consumidores, e onde também é possível encontrar dados e informações de todos os tipos, inclusive texto e voz, caracterizados por atributos mais qualitativos e não estruturados. Nessa arquitetura, cabe à evolução das máquinas e ciências cognitivas a responsabilidade de tornar os modelos de SIM atuais em peças ou blocos a serem gerenciados e montados por robôs.
Nesse sentido, a tecnologia em si não é considerada como o diferencial, mas sim a capacidade das equipes de marketing construírem os modelos de SIM mais competitivos.

Veja mais em: https://www.amazon.com.br/dp/B01N6I28H6/ref=sr_1_15?s=digital-text&ie=UTF8&qid=1482007152&sr=1-15

Anúncios

Building a business case for offshore robotic process automation – CIO

“For years, business case for the offshore captive IT center model — whereby companies set up their own wholly owned IT service centers abroad — has centered on the benefits of labor arbitrage to generate cost savings. However, as the return on salary differentials has dwindled and the pressure on captive centers to create additional value, companies are looking to other sources of lower costs and increased efficiencies.”

Veja mais em: http://www.cio.com/article/3148837/outsourcing/building-a-business-case-for-offshore-robotic-process-automation.html

Another reason to ditch brain training: A declining mind may make you wiser -Arstechnica

“Surveying the data on cognitive functioning, the researchers found that age-related declines are a double-edged sword. Young minds excel at tight cognitive control, i.e. regulating processes in the brain in order to focus intently on a specific goal-based task while shutting out distractions. For instance, ignoring the bustling around you while you’re trying to read a book in a crowded coffee shop. Over time, that cognitive control slacks a bit, allowing some distractions and irrelevant information through while your noodle is processing. This can certainly slow things down and cripple performance on tasks that involve memory and attention.”

Veja mais em: http://arstechnica.com/science/2016/11/another-reason-to-ditch-brain-training-a-declining-mind-may-make-you-wiser/

“Can machines think?” – Uma proposta de novo teste para avaliar se robôs podem pensar

Sem dúvida o teste proposto por Alan Turing, em 1950, para avaliar se robôs podem pensar, é um marco dentro das ciências da computação e toda sua história, ganhando também popularidade a partir do filme ‘O Jogo da Imitação’, de 2014.

E tudo começa e termina com sua frase histórica e enigmática: “Can machines think?”, que a mais de 50 anos é tema dos mais acalorados debates, na academia e nas empresas (recentemente escrevi um post exatamente sobre isso).

Mas, se por um lado acredito em Turing e suas ideias, e que portanto robôs podem pensar – e cada vez mais farão isso – por outro lado penso que o teste proposto deve evoluir para outras formas mais alinhadas com nossa realidade.

Afinal, em nenhum momento o genial cientista afirmou que suas ideias deveriam ficar gravadas em pedra, como vários pesquisadores pensam.

Dessa forma, ouso propor nesse artigo, um teste a mais para avaliar se robôs podem pensar.

O que é pensar?

Consultando o dicionário Michaelis, encontrei as seguintes definições para a palavra ‘pensar’:

  1. Desempenhar a capacidade de julgar ou de deduzir
  2. Ter em mente; pretender, tencionar
  3. Decidir mediante ponderação
  4. Delinear no pensamento
  5. Tentar trazer à lembrança
  6. Emitir um parecer
  7. Cobrir um ferimento com penso
  8. Cuidar de modo apropriado

Provavelmente os robôs não passarão tão cedo por um checklist assim, e portanto a ideia de Turing de criar um teste como o Jogo da Imitação é genial, pois resume de uma forma mais simples o que seria para ele avaliar se uma máquina pode ou não pensar, que é simplesmente um interrogador já não poder diferenciar se está falando com uma pessoa ou uma máquina. Se isso acontecer, pelo conceito de Turing, a máquina está pensando.

Portanto, antes de mais nada, gostaria de passar minha definição ou conceito principal de pensar, e o que o meu teste de fato estaria avaliando se uma máquina fosse capaz de ser aprovada nele.

Os problemas inesperados

Meu conceito principal de pensar – em termos de resultados práticos – está relacionado à nossa capacidade de resolver problemas inesperados, ou seja, quando a vida apresenta situações que não temos um padrão pronto para resolver em nosso cérebro. Nesses casos, ou agimos com intuição – o que às vezes é a única alternativa de sobrevivência, pois não temos a velocidade das máquinas para pensar -, ou pensamos antes de decidir.

Note-se que o Teste de Turing, em parte, faz exatamente isso, quando usa a comunicação ou conversa como forma de gerar problemas inesperados. Se o interrogador fizer uma pergunta muito inesperada, controlando os momentos para fazer isso, em pouco tempo verá que o robô irá se perder totalmente, se não está entendendo a semântica ou o modelo de pensamento, como bem alertou um dos grande críticos do teste – talvez o principal – o filósofo John Searle.

Para melhor entendimento, vamos imaginar o seguinte problema inesperado, para avaliar se uma pessoa ou uma máquina estão pensando, e a qualidade de seus pensamentos.

Chamarei esse exemplo de o dilema do cachorro, do homem e da máquina, que são os três personagens envolvidos e que estaremos avaliando em termos de capacidade de pensar, ou não.

O dilema do cachorro, do homem e do robô

Em volta de uma piscina, estão uma bola, um cachorro, um homem e uma máquina, que na verdade é um robô humanoide.

Sabe-se também que nenhum dos três sabe nadar e que o cachorro está brincando com a bola.

Então acontece de a bola cair na piscina e o cachorro em seguida saltar ao encontro dela.

Como não sabe nadar, ele fica em apuros e logo o homem percebe isso e salta na piscina, esquecendo que também não sabe nadar.

O robô – que em tese não sabe nem nunca teria capacidade de pensar – identifica a situação de risco, através de seus algoritmos de inteligência artificial, mas não encontra em sua base de dados nada parecido com essa situação. Todos seus sensores de risco, entretanto, estão ativos, ainda mais com os latidos e gritos vindos da piscina. Então ele realiza uma primeira inferência, através de mecanismos de sinapse artificial, e passa a procurar alguma coisa que seja capaz de boiar. Não encontrando nenhuma boia – realmente não existia – entra na garagem da casa, encontra uma velha câmara de pneu vazia. Então ele encontra um compressor de ar desligado e logo em seguida liga a chave, enche a câmara e de forma rápida retorna à piscina, lançando a câmara cheia de ar para o homem, que salva a si próprio e o cachorro.

Antes de fazer a pergunta principal do teste, faço outra pergunta: será que esse dilema apresentado seria impossível de acontecer um dia?

E a pergunta principal, que é a do teste que proponho, é simples: o robô teve capacidade de construir uma linha de pensamento para solução do problema inesperado?

Considero essa a pergunta principal, pois se perguntarmos quem teve a melhor linha de pensamento, o cachorro, o homem ou o robô, a resposta lógica e surpreendente é que foi o robô. Ou seja, o robô pensou ‘melhor’ que o homem, que na verdade agiu por intuição e esqueceu que não sabia nadar.

O dilema: é no mínimo curioso perceber, também, que se o homem que caiu na piscina fosse um crítico da capacidade de robôs pensarem no padrão humano, dificilmente perguntaria “Robô, você estava pensando de forma consciente e intencional quando fez isso?” ao receber a boia de salvação. Até porque, se a resposta fosse não, o efeito prático seria o mesmo, a menos que ele decidisse, pela força de sua teimosia, devolver a boia para não ser salvo perdendo suas convicções.

Uma proposta de novo teste para avaliar se robôs podem pensar

Portanto, minha proposta de teste é muito simples.

Criar um problema inesperado complexo em determinada área, por escrito, e passar ele para um especialista na área e para uma máquina.

Os dois – homem e máquina – deverão responder com uma solução em determinado tempo máximo, descrevendo sua linha de pensamento para chegar nela (como a que foi descrita no dilema, ou seja, perceber a situação de risco, encontrar a câmara de pneu, etc.).

De forma diferente do Teste de Turing, não precisaremos de um interrogador – bastam esses dois agentes – uma vez que o especialista na área é que irá avaliar a qualidade da solução do problema.

Se o especialista considerar que o robô encontrou uma linha de pensamento melhor que a sua, ou seja, uma solução que ele nem sequer tinha pensado, então obviamente seu pensamento foi complementado por uma máquina, e por óbvio, a máquina estava pensando.

Conclusão

Na verdade, acredito que esse tipo de teste estaremos fazendo, todos nós especialistas em cada área, no dia a dia, cada vez mais, avaliando a capacidade das máquinas inteligentes e robôs pensarem, como nós pensamos.

E, por mais que Searle ou outros críticos de Turing não acreditem que máquinas sejam capazes de pensar, certamente iremos nos surpreender com o fato de que, os robôs, estão pensando – mesmo que sem consciência disso, mas muitas vezes de forma bem melhor e mais criativa que nós mesmos -, para a solução dos mais complexos e inesperados problemas da vida.

Por Rogério Figurelli em 15/11/2016

Copyright © Trajecta – www.trajecta.com.br – todos direitos reservados – permitida a cópia quando citado o autor

Inteligência Artificial: porque Alan Turing estava correto e John Searle está errado

Quando propôs o famoso Teste de Turing, em seu artigo de 1950 ‘Computing Machinery and Intelligence’, como um teste para avaliar se uma máquina pode ou não pensar, Alan Turing abriu as portas para uma nova ciência dentro da ciência da computação, e que hoje conhecemos como Inteligência Artificial.

Antes dele, o máximo que se esperava de uma máquina era a capacidade de processar informações. Mas no alto de sua genialidade, percebendo o nascimento dos programas e computadores para executarem as mais genéricas aplicações, e o seu potencial futuro de desafiar a capacidade humana, foi capaz de ter a visão do que vivemos hoje, ou seja, as máquinas inteligentes e a Inteligência Artificial.

Mas em 1980, o professor e filósofo John Searle, em seu artigo ‘Minds, brains, and programs’, apresentou fortes argumentos contra a validade do Teste de Turing e de toda a possibilidade de existir de fato uma Inteligência Artificial Forte, ou seja, onde realmente máquinas e robôs fossem capazes de pensar.

Para isso, Searle propôs o não menos famoso, e inteligente, teste do Quarto Chinês, onde, em essência, busca provar a incapacidade de entendimento das máquinas de compreenderem as palavras e o seu real significado, como fazem os seres humanos, ou, como ainda refere seu autor, a sua semântica.

Porque Alan Turing estava correto

Muitos foram os argumentos contra os argumentos de Searle até hoje, mas acredito que nenhum foi convincente o suficiente para encerrar a polêmica. E nem tenho a pretensão de conseguir isso.

Uma prova disso é que, talvez a empresa de tecnologia que atingiu o maior nível de conhecimento e realizações na área, que é a gigante IBM, com sistemas inteligentes como o Deep Blue e o recente IBM Watson, prefira referir e focar seu trabalho ao que classifica de Inteligência Aumentada. Mas acredito que ela de fato seja a empresa líder em Inteligência Artificial, e que portanto está realmente trabalhando fortemente na tese de Turing, mas com um discurso que evita a polêmica desse artigo, e portanto alinhado de forma inteligente com a realidade atual do mercado nessa área. Mas, de forma subliminar, insere em seu produto mais relevante o nome de uma pessoa, o que, além de uma estratégia de marketing inteligente, mostra seu real objetivo na área e visão do futuro dos computadores.

Portanto, gostaria de registrar também minha opinião, tanto pelo fato de que, como consultor, sou seguidamente questionado sobre isso, mas também porque acredito que Alan Turing, seu teste e sua visão de Inteligência Artificial estavam corretos e não estamos muito longe de provar isso.

Apresento minha visão com três argumentos, descritos de forma resumida abaixo:

  1. Da diferença de capacidade de análise semântica e capacidade de consciência e intencionalidade
    Acredito que os argumentos e teste de Searle induzem, de forma inteligente e criativa, a associarmos a capacidade de análise semântica das máquinas, ou artificial, à capacidade de consciência e intencionalidade. Mas essa não foi a pergunta de Turing e sua proposta de teste, resumida em ‘As máquinas podem pensar?’. Ou seja, em momento nenhum Turing pergunta: ‘As máquinas podem ter consciência?’ ou ainda ‘As máquinas podem ter intencionalidade?’. Evidentemente, a filosofia poderá afirmar que não existe pensamento sem consciência ou intencionalidade. Mas qual a prova científica e cabal disso e em que momento se alinham às teorias científicas e evolucionárias de Darwin? Portanto, se separamos a capacidade de análise semântica, podemos imaginar, de forma lógica, máquinas que realmente tenham capacidade de entendimento e pensamento, obviamente artificiais, uma vez que são apenas máquinas, e estamos falando de Inteligência Artificial.
  2. Não se invalida um teste com o outro teste
    O teste do Quarto Chinês não invalida o Teste de Turing, pois não é a prova de que ele não tem solução. Ou seja, penso que para provar que esse último teste é inválido, deve-se apresentar um argumento de que é impossível que ele tenha sucesso no futuro. E o teste do Quarto Chinês não consegue fazer isso, justamente devido ao argumento anterior da separação da capacidade semântica dentro da máquina de Turing. Em outras palavras, será que no futuro realmente não teremos vários sistemas passando no teste de Turing e com capacidade de análise semântica artificial, tão ou mais compententes que os seres humanos?
  3. Da ilimitada capacidade de evolução do ‘hardware’
    Também penso que estamos apenas no começo da evolução do ‘hardware’ e que novas tecnologias, como as baseadas em computadores quânticos, e, por que não, no futuro, com sistemas orgânicos artificiais, poderão conduzir a uma análise semântica ainda mais inteligente, que a que o ‘hardware’ atual permite alcançar. Aliás, será justamente o momento que a Lei de Moore terá sua ruptura, com crescimento em saltos da tecnologia na área.

Na verdade, apenas o tempo irá comprovar quem estava certo ou errado.

Mas, seja como for, prefiro estar comprado com Alan Turing.

___
Por Rogério Figurelli em 12/11/2016
Copyright © Trajecta – http://www.trajecta.com.br – todos direitos reservados – permitida a cópia quando citado o autor