O
Aprendizado Das Maquinas
Pesquisa
& Traducao : Miguel Moyses Neto
Bussiness
Intelligence (BI) : Suas ferramentas apareceram quando os cenários dos
empreendimentos tecnológicos, há décadas passadas, no inicio meio confuso e
difícil para serem usados, mas ultimamente as melhoras implementadas aumentaram
o fluxo dos dados através das organizações diretamente dos seus sistemas
operacionais para ajuda e suporte nas decisões. Dados armazenados reduziram o
tempo que levou para acessar os dados, mas mesmo assim com sua maturidade
total, e os sistemas podiam fazer muito pouco do que produzir dados e
relatórios como uma organização faria. O software direcionado pelas regras não
estavam na realidade oferecendo inteligência em tudo.
Mas
com o avanço da inteligência artificial e – mais importante ainda – o
aprendizado das maquinas, a inteligência real dos negocios esta na direção
certa para os empreendimentos. Este software de auto aprendizagem ira funcionar
nos servidores construídos em bots, sistemas de tomada de decisões, que foram
introduzidos dentro dos carros ou em aeronaves, e se tornaram a batida dos
coracoes dos dispositivos moveis. O poder aumentado dos processamentos de
dados, a disponibilidade dos big data, a Internet Das Coisas, e a melhora nos
algoritmos estão convergindo para o aumento do poder desta atual inteligência artificial.
Para ser mais claro, isto sera uma evolução ao invés de uma revolução. Há um
grande numero de fatores que poderiam limitar o progresso do aprendizado das
maquinas e sua integração nos negocios, a partir da qualidade dos dados e das
programações humanas para a resistência cultural. No entanto, a questao e
quando, e não SE, as ferramentas do BI irão emergir.
Alem
sci-fi (AI), um termo que data dos anos 1960s, e falado bastante nestes dias de
hoje. E uma descrição como um guarda--chuva que se refere aos computadores
capazes de fazer coisas que um ser humano normalmente faria. Frequentemente e
usada inadequadamente e usada intercambiada com aprendizado das maquinas. O
aprendizado das maquinas, no entanto, e um sub-termo de AI o qual usa métodos
estatísticos para implementar a performance de um sistema ao longo do tempo.
Qualquer programador pode escrever um código para desenvolver um programa o
qual age mais ou menos como um ser humano. Mas não e aprendizado de maquina a
não ser que os sistemas estejam aprendendo como se comportar baseado em dados.
Aprendizado com as maquinas vem com diversos sabores, algumas vezes com
referencia para um aprendizado supervisionado ( o algoritmo e treinado usando
exemplos onde os inputs e dados e os corretos outputs são conhecidos), se for
com aprendizados não supervisionados ( o algoritmo precisa descobrir padrões
nos seus próprios dados), e com aprendizados reforçados ( o algoritmo e
“premiado” por ter penalizado pelas acoes que são tomadas e baseadas em
tentativas e erros). Em cada caso, a maquina tem condições de aprender com os
dados – estruturados e aumentados e desestruturados no futuro – sem a explicidade
sendo programada para fazer isso, absorvendo novos comportamentos e funções ao
longo do tempo.
Gartner
recentemente colocou o aprendizado das maquinas nas alturas das “expectativas
infladas” em seus relatórios, notadamente por que esta capacidade emergente foi
adotada de dois a cinco anos antes das atualizações. Mas estas imersões no
aprendizado das maquinas estão calcadas na realidade. E a realidade e que estão
fazendo evoluções significativas. O aprendizado das maquinas são uma mimica do
aprendizado humano; leva tempo. A grande vantagem que elas tem sobre nos
humanos e que elas podem lidar com grandes quantidades de dados, e tem uma
grande vantagem de serem sempre mais rápidas e com maior poder de
processamento, e (portanto funcionam) por 24 horas por dia. Somente nos últimos
quatro anos, a taxa de erros no aprendizado das maquinas reconhecidas por
imagem, por exemplo, tem caído dramaticamente para quase zero—praticamente os
níveis das performances humanas.
Mesmo
assim todas as instancias do aprendizado das maquinas são diferentes. Assim
como, para nos, aprender a tocar piano e diferente de aprender como engatinhar,
cada instancia do aprendizado das maquinas e diferente. Isso pode levar mais
tempo para o computador aprender a analisar textos do que leva para reconhecer
o significado de uma “backlash”
O
aprendizado das maquinas para o restante de nos
Os
gigantes digitais estão liderando o caminho para aprender o desenvolvimento. O
Google tem mais de 1.000 maquinas aprendendo projetos atualmente, inclusive o
seu próprio projeto Google Brain. A IBM continua a fazer manchetes com o
Watson. A Microsoft usa redes neurais como energia para suas classificações de
buscas, buscas de fotos, sistemas de traduções enquando o Facebook traduz 2
bilhoes de mensagens postadas em mais de 40 linguas todos os dias da mesma
maneira. Somente no ano passado, as firmas de parcerias de venture capital
despejaram aproximadamente US$ 5 bilhoes em startups de inteligência de
maquinas. Neste estagio inicial somente, não há linhas básicas para taxas de
adoção de aprendizado de maquinas no restante das industrias. A adoção de
consumidores para as tecnologias de aprendizado de maquinas decolou com o
sucesso da Amazon’s Echo e do Apple Siri. Isso e um componente para a detecção
e vigilância de fraudes, de imagens e de reconhecimento de voz, para
recomendação de produtos. Mas, como um recente relatório de 451 pesquisas
destacou, as adoções das cias e menos comum . Para uma abrangência maior use o
aprendizado das maquinas, alguns dos maiores players do mercado tecnológico,
tais como o Google, Microsoft, Intel, e o Facebook, fazem com que suas maquinas
mais antigas sejam sistemas de aprendizado e os designs disponíveis para a
comunidade open source.
O
aprendizado das maquinas poderia trazer valores substantivos para os negocios :
A implementação da funcionalidade central de softwares e das analíticas,
descobrem insights previamente inacessíveis e ocultos em grandes dados em
preparos e formatos desestruturados,
para tomar conta de tarefas como reconhecimento de imagens, analises de textos,
e trabalhos de reconhecimento repetitivos. O potencial de casos e usos são
aparentemente sem fim, desde centros de distribuição e detecção de riscos, e
também para logísticas e suporte técnico para analises comportamentais e ajuda
para os clientes
Fatores
Limitantes
O
aprendizado das maquinas não e uma bala de prata e há um numero de problemas
que as cias precisam olhar com cuidado. Em função de que foi baseado em
algoritmos que aprendem através dos dados ao invés de confiar nas regras
baseadas em programações, o verdadeiro e eficaz aprendizado das maquinas e
dependente dos dados relevantes e confiáveis – e numa grande quantidade deles.
Os lideres do comercio precisam olhar com muita atenção aos dados disponíveis (a
qualidade deles, as falhas deles, os silos que estão em volta deles) para
extrair o valor do auto aprendizado e suas competências. Ademais, o aprendizado
das maquinas em ultima analise e baseado pela tomada de decisões humanas. Os
seres humanos e que irão desenvolver os algoritmos para empregar no sistema. E
os seres humanos não necessariamente operam somente com a logica. Talvez mais
importante ainda, a adoção do aprendizado das maquinas esta indo em direção as
forcas mais organizadas e culturais para serem mais determinadas do que os
fatores técnicos. Os humanos ainda não tem as maquinas prontas. O aprendizado
das maquinas ainda irão precisar de serem desenhadas com uma interação do homem
com a maquina. O medo, a incerteza, e a duvida sobre estes sistemas de auto
aprendizado irão impactar os papeis e nossos modos de vida e que precisam ser
revistos com mais investimentos a serem feitos com mudanças nos métodos
gerenciais e nos processos de negocios com os modelos sendo retrabalhados para
integração dos sistemas de auto aprendizado.
O
aumento das maquinas nos negocios – vai além disso !
Os
lideres comerciais tem falado muito a respeito da importância dos sistemas
contexto-sensiveis para empreendimentos já por diversos anos. O aprendizado das
maquinas finalmente veio para trazer estes contextos para a atualidade – tendo
sua origem nos smart softwares para os smart vehicles e para as maquinas
inteligentes e para os robots fazendo com que o aprendizado das maquinas se
habilitem como assistentes digitais e painéis inteligentes que podem aprender
para compreender seu ambiente e adaptar-se por conta própria.
As
maquinas inteligentes irão se tornar uma parte integrante dos negocios—e do dia
a dia – criando insights dos dados da maneira que os humanos nunca conseguiram
por si so. Isso ira levar para novos níveis de automação, redução de custos e
mudanças nos processos. Gartner prevê que em 2018, 45% das cias que mais
crescem terão muito menos empregados do que as aplicações das maquinas
inteligentes, e os assistentes digitais que usam reconhecimentos faciais dos
indivíduos e também pela voz através do cruzamento de canais e dos parceiros. O
auto aprendizado através dos algoritmos irão introduzir níveis sem precedentes
de eficiência em eficiência nos sistemas de negocios, tomando o lugar dos trabalhos
altamente repetitivos. A nível pessoal, a assistência tecnológica inteligente
poderia fazer com que os nossos dispositivos moveis – os quais já são capazes
de responder através das vozes – em assistentes de aprendizes interativos cujas
tarefas poderiam nos ajudar a navegar as nossas vidas diárias. O aprendizado
das maquinas poderia descobrir novas eficiências nos nossos complexos sistemas
já muito estressados em infraestrutura, que incluem energia, cuidados com a
saúde, IT, e ate com a educação. O valor que o aprendizado das maquinas pode
oferecer sera dependente do nível para o qual estes sistemas podem lidar com
dados estruturados ou não estruturados (o que ainda permanece um desafio) assim
como a disponibilidade de dados uteis e da qualidade dos algoritmos. Se
falarmos sobre as tarefas mundanas e repetitivas dentro dos sistemas de negocios
e também para os clientes, estão todos garantidos. As organizações estão
começando a coleta de dados desestruturados e não processados nos tais lagos de
informações. Se as cias oferecerem mais tarefas de aprendizado de maquinas com
os dados e desenhos, que compartilharam seus insights, isso ira resultar em
melhores algoritmos e maquinas mais acuradas para aprender mais capacidades. Se
o aprendizado das maquinas melhorarem ao ponto disso poder lidar com dados desestruturados, as cias
poderiam abrir os dados, e os algoritmos começariam a interagir uns com os outros
mais livremente, e as maquinas de aprendizado seriam incluídas em todos os
sistemas, dispositivos e softwares. Isso poderia habilitar contextos e insights
altamente sensíveis de larga escala e nos níveis individuais. Nos so podemos
adivinhar sobre os níveis de automação e de suporte que podem ter resultados,
mas o impacto nos negocios – e na sociedade—seriam significativos.
No
entanto esta evolução não tem tempo certo, ela vai demorar. Mas os negocios e
seus lideres podem se preparar agora para o aumento do aprendizado das
maquinas, dando uma grande olhada nas estruturas e na disponibilidade,
liberando estas informações para os sistemas com problemas de definição,
identificando as áreas mais ricas para o insight e os melhoramentos de maquinas
para ir em frente aos desafios e mudanças que irão requerer mais vantagens
destas inteligências reais para os negocios.
BH
17 03 2017
Uma
pequena informação, quando compartilhada pode percorrer um grande caminho, mas
acaba sempre encontrando seu legitimo destinatário !!!
Pesquisa,Traducao & Divulgação:
Miguel Moyses Neto Se gostou desta matéria , divulgue para
seus amigos ou também pode visitar nosso
linkedin http://br.linkedin.com/pub/miguel-moyses-neto/28/971/9aa---Twitter: @mikenetIT onde VC poderá ver as principais
agencias de noticias e os links das empresas & nomes mais famosos do mundo!
ou simplesmente visite nosso blog :
|
Bremense
Participacoes Ltda
|
|||
|
|
|
|
Desde 1940
|
|
|
|||
Nenhum comentário:
Postar um comentário