Inteligência Artificial: A batalha entre dados e algoritmos

Inteligência Artificial: A batalha entre dados e algoritmos

Há uma batalha contínua entre dados e algoritmos? Quem está ganhando?

 

Não há dúvida de que a Inteligência Artificial é um dos pontos tecnológicos mais efervescentes. Segundo o estudo do Gartner "O valor comercial da inteligência artificial em todo o mundo, 2017-2025", é que o volume de soluções de negócios empresariais baseadas em plataformas de Inteligência Artificial crescerá drasticamente em todo o mundo, com um aumento de 70%, em 2018 em relação ao ano anterior. E isso pode triplicar em 2022, quando o negócio deve valer US$ 3,900 bilhões.
A explosão da Inteligência Artificial tem transformado profundamente a sociedade moderna, impulsionado pela capacidade computacional cada vez maior e as quantidades continuamente crescentes de dados e informações disponíveis hoje. Isso afetará todos os aspectos de nossas vidas e será uma das tecnologias mais disruptivas dos próximos anos.
Para mim, é claro que, como diretor de uma empresa voltada para auxiliar seus clientes na transformação digital, a adoção de soluções utilizando Inteligência Artificial é a base das atividades diárias e dos motivos de debate com colegas e clientes. Hoje, lendo a imprensa especializada e fóruns de discussão na Internet, parece haver uma batalha entre dados e algoritmos, para suportar os melhores aplicativos baseados em IA. É possível ler artigos que parecem ser quase expressões de facções opostas; tendenciosa de acordo com a preferência de dados sobre algoritmos ou vice-versa.
O que caracteriza a Inteligência Artificial do ponto de vista tecnológico é o método/modelo de aprendizagem com o qual a inteligência se torna habilidosa em uma tarefa ou ação (daí a distinção entre os vários Machine Learning, Aprendizagem Profunda, etc). Portanto, dados quanto os algoritmos são necessários para o desenvolvimento de uma aplicação baseada em IA.
Existe realmente uma batalha entre dados e algoritmos?
Já faz muito tempo desde que deixei a Faculdade de Ciências Estatísticas em Bolonha (Itália), mas com todos os investimentos que estamos fazendo na empresa no campo de Machine Learning e Inteligência Artificial em geral, eu estou frequentemente envolvido nessas áreas em interessantes discussões de projetos com meus colegas, que lideram o departamento Digital, e felizmente são muito mais experientes do que eu.
Do meu ponto de vista, se é verdade que - como afirma Geraldo Salandra - "Inteligência Artificial é o foguete, mas os dados são o combustível", também é verdade e inegável que a IA é uma combinação de dados e algoritmos.
Não há dúvida de que sem combustível (ou seja, dados) você não vai a lugar algum, mas tenha em mente que também é verdade que a escolha do algoritmo correto pode compensar a má qualidade dos dados, e é igualmente certo que escolher um algoritmo errado pode empobrecer os efeitos de excelentes dados.
Devemos assumir que os dados são mais importantes que os algoritmos?
Eu não acho que é sempre assim. Eu entendo o valor fundamental da infraestrutura de dados e análise para alimentar os algoritmos de Inteligência Artificial.
Em nossa experiência cotidiana, "coleta e preparação de dados" são, de fato, as atividades que requerem mais tempo para o desenvolvimento de aplicações baseadas em Inteligência Artificial, comparadas com aquelas para a seleção e desenvolvimento de um modelo. É por isso que investimos muito para fornecer aos nossos clientes a melhor infraestrutura de dados para alimentar e treinar algoritmos.
Mas nos algoritmos é necessário um ótimo trabalho: ninguém pode dizer com certeza qual algoritmo terá o melhor desempenho sem antes ter tentado diferentes. Elaborar e comparar algoritmos e modelos para escolher os adequados é uma atividade crucial para definir o sucesso de uma solução de IA:
- Qual algoritmo devo usar?
- Quantas horas de treinamento de algoritmo tenho à minha disposição?
- Qual é o tipo, a qualidade e o tamanho dos dados disponíveis para mim?
A qualidade do conjunto de dados influenciará diretamente o sucesso do modelo preditivo. Com foco nos dados, é possível transformar um banco de dados ruim em um que vale a pena ser usado na aplicação da Inteligência Artificial, mas também é essencial escolher o algoritmo e modelo corretos que se ajustam aos dados disponíveis e que são consistentes com os dados dos objetivos de negócio.
Aqui estamos nós: o negócio. A palavra que muitas vezes falta nos artigos que li, onde a prioridade dos dados sobre os algoritmos é debatida ou vice-versa, são precisamente "negócios". A disponibilidade de uma grande quantidade de dados de boa qualidade e algoritmos relevantes permite melhores informações e aplicações; mas obter esse tipo de dados e algoritmos não é apenas uma questão técnica: habilidades empresariais profundas são necessárias para gerar valor significativo e aplicativos de inteligência artificial para empresas.
Dados e algoritmos não se opõem, mas são aliados em uma estratégia orientada para os negócios.

[author] [author_image timthumb='on']https://docmanagement.com.br/wp-content/uploads/2018/06/Filippo-Di-Cesare-thumbnail.jpg[/author_image] [author_info]Filippo Di Cesare

CEO da Engineering do Brasil[/author_info] [/author]

Share This Post

Post Comment