Aurélio Miranda, cientista de dados da Norven, fala sobre inteligência artificial e seu impacto no mundo empresarial
Inteligência Artificial (Artificial Intelligence, I.A) pode ser definida como o avanço tecnológico que faz com que as máquinas tenham a capacidade de resolver problemas mais próximos de como humanos resolvem, com um custo de tempo e recursos menores, sendo capazes de pensar, aprender e decidir quais caminhos se deve tomar, de forma racional, a partir de uma determinada situação.
De acordo com o relatório “Artificial Intelligence and Life in 2030” da Universidade de Stanford, até o ano de 2030 todo o nosso dia a dia estará modificado com a Inteligência Artificial. O relatório prevê que os efeitos para as grandes empresas serão os de maior destaque [4].
As empresas que conquistaram os maiores ganhos de receita são aquelas que mais investiram em I.A e, segundo a projeção do International Data Corporation IDC, os gastos globais com I.A devem dobrar nos próximos quatro anos, passando de US $50,1 bilhões de dólares em 2020 para mais de US $110 bilhões em 2024 [2]. Os gastos com sistemas de I.A são acelerados à medida que as organizações implementam I.A como parte de seus esforços de transformação digital e para se manterem competitivas na economia digital. Segundo a projeção da IDC, o mercado de Inteligência Artificial terá uma taxa de crescimento anual de 20,1% (CAGR) para o período 2019-2024 [5].
As empresas que conquistaram os maiores ganhos de receita (aumento médio de 16%) e redução de custos associados à Inteligência Artificial foram as que investiram cinco vezes mais na tecnologia. Ou seja, as empresas já sentem os impactos da Inteligência Artificial [3].
E não é para menos, o uso da I.A virou uma necessidade dentro das empresas, auxiliando processos e serviços – como o atendimento ao cliente – e aumentando a eficiência. Muitas organizações perceberam uma redução nos custos a partir do uso da tecnologia.
Com o aumento da utilização de I.A, a tendência é combina-la cada vez mais ao Big Data, isto por ser considerada uma união importante com potencial de modificar o meio de como as empresas utilizam dados e análises para agregar valor nos negócios,permitindo um processamento de grandes volumes de dados, tornando estes dados mais acessíveis e mais compreensíveis, gerando inovações tecnológicas e grande valor de mercado.
Aprendizagem de Máquina
Aprendizagem de Máquina (Machine Learning, A.M), é uma área da ciência da computação e subárea de estudo diretamente integrada aos princípios da I.A, que possibilita aos computadores a habilidade de aprender sem serem programados explicitamente, pois a A.M tem a capacidade de generalizar a partir de sua análise, ou seja, permite boas predições sobre novos dados nunca fornecidos e processados pela máquina (novas experiências). Com o aprendizado de máquina é possível criar previsões com precisão científica, que auxiliam na tomada de decisões pois reproduzem comportamentos previamente conhecidos, aplicando automaticamente nos dados sem que necessite existir alguma forma de intervenção humana, podendo ser utilizado em tempo real nas tomadas de decisões.
A A.M exerce papel crucial na análise preditiva, sendo comum que algoritmos do tipo sejam modificados ou criados para atuar notadamente em análises preditivas. Por meio deste é possível criar resultados futuros probabilisticamente factíveis a partir de dados históricos Sabendo o que aconteceu, é possível obter uma melhor expectativa do que poderá acontecer a longo prazo.
A área da A.M é bastante multidisciplinar, abrangendo desde o campo da computação, matemática, neurologia, filosofia entre outras.
Para o tratamento de um problema utilizando uma técnica de A.M existem três fatores que devem ser definidos: (1) tarefas que devem ser executadas; (2) a medida de desempenho na execução das tarefas que serão otimizadas; e (3) a fonte de verificação para o aprendizado.
Tendo como exemplo, para resolver CAPTCHAs de texto os três fatores seriam definidos assim:
- Tarefa: faz o reconhecimento da imagem e determina a sequência de dígitos gravada na imagem.
- Medida de desempenho: percentual de imagens resolvidas corretamente.
- Fonte de experiência: banco de dados com CAPTCHAs já resolvido.
Tanto a tarefa a ser realizada quanto a medida de desempenho são dependentes. Embora a experiência de aprendizado também seja dependente do problema, ela pode ser classificada de formas diferentes, que são chamadas de “Paradigmas de Aprendizagem”. Três são os principais paradigmas existentes: aprendizado supervisionado, aprendizado por reforço e aprendizado não-supervisionado [1].
A tecnologia de A.M traz eficiência e reduz a margem de erros ocasionando uma maximização do lucro e minimizando o custo.
A Norven é especialista na aplicação das tecnologias de I.A e A.M em Base de Remuneração do Setor Elétrico e pode aplica-lasem seu negócio, fale conosco!
Referências
[1] SILVA, Daniel Guerreiro e. Uso de aprendizado de máquina para estimar o esforço de execução de testes funcionais. 2009. 113 p. Dissertação (mestrado) – Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação, Campinas, SP. Disponível em: <http://www.repositorio.unicamp.br/handle/REPOSIP/259609>. Acesso em: 15 ago. 2018.
[2] Os gastos mundiais com inteligência artificial devem dobrar em quatro anos, chegando a US $110 bilhões em 2024, de acordo com o novo guia de gastos do IDC. IDC Analyze the future 2020. Disponível em: <https://www.idc.com/getdoc.jsp?containerId=prUS46794720>. Acesso em: 13 de fev. 2021.
[3] Internet of Things: The Complete Reimaginative Force. TCS Global Trend Study 2015. Disponível em: <http://sites.tcs.com/artificial-intelligence/>. Acesso em: 04 de fev. 2021.
[4] 2016 pela Stanford University. Artificial Intelligence and Life in 2030 está disponível sob uma Licença Creative Commons Attribution-NoDerivatives 4.0 (Internacional): Disponível em: <https://creativecommons.org/licenses/by-nd/4.0/>. Acesso em: 02 de fev. 2021.
[5] Worldwide Artificial Intelligence Spending Guide. IDC Analyze the future 2020. Disponível em: <https://www.idc.com/getdoc.jsp?containerId=IDC_P33198>. Acesso em: 01 de fev. 2021
