O que é aprendizado de máquina (Machine Learning)?

Exploramos os prós e contras de como o aprendizado de máquina funciona

Uma das marcas da inteligência humana é ser capaz de incorporar o aprendizado e ficar mais inteligente com o tempo, à medida que novos dados são integrados à base de conhecimento do seu cérebro.

Tradicionalmente, os computadores não são considerados inteligentes, pois, embora tenham habilidades computacionais espetaculares, devem ser programados com bastante precisão para aproveitar esse poder e não têm nenhuma capacidade de integrar o aprendizado. Em vez disso, eles devem ser reprogramados para abranger melhorias – geralmente indicadas como Programa 2.0 para designar a versão mais recente e, com sorte, melhor do software em execução no computador.

O aprendizado de máquina é o ramo da computação que incorpora algoritmos para analisar os dados inseridos e, por meio de análise estatística, pode fazer uma previsão sobre uma saída, incorporando novos dados à medida que se tornam disponíveis, para atualizar a saída prevista.

Em outras palavras, o algoritmo permite que o computador incorpore novos dados e atualize seu algoritmo ao longo do tempo, para que o aprendizado ocorra efetivamente. Um termo intimamente relacionado, e às vezes considerado quase sinônimo, é a inteligência artificial – embora alguns argumentem que a inteligência artificial é considerada o termo mais amplo do qual o aprendizado de máquina é um subtipo.

Campeão de damas/xadrez

A frase aprendizado de máquina remonta a 1959, quando Arthur Samuel, pioneiro nas áreas de jogos de computador e inteligência artificial e professor pesquisador da Universidade de Stanford, o definiu como a “capacidade de aprender sem ser explicitamente programado”.

Ele tinha interesse em aprendizado de máquina no que diz respeito a damas/xadrez, que considerava um assunto ideal devido à simplicidade do jogo. Devido à falta de poder de computação disponível na época, em vez de tentar executar todas as possibilidades, seu algoritmo usou a poda alfa-beta (uma variante do algoritmo Minimax) para escolher um movimento com base na posição de as peças, incluindo a localização das peças do rei e a probabilidade de vitória.

Ele colocou suas teorias em prática em 1961, quando seu programa venceu uma partida contra o campeão estadual de xadrez de Connecticut, considerado o quarto jogador do ranking nacional na época, dando credibilidade ao seu trabalho.

Isso abriu caminho para um trabalho mais inovador no campo do aprendizado de máquina. Isso inclui a famosa partida de 1997 em que o supercomputador Deep Blue da IBM, após uma derrota inicial no ano anterior, conseguiu derrotar o campeão mundial Garry Kasparov em uma série de partidas no jogo mais complexo de xadrez.

Ainda mais recentemente, em 2016, o Google assumiu o jogo ainda mais complicado de Go, um popular jogo de tabuleiro chinês conhecido por seu alto nível de estratégia. Usando o algoritmo AlphaGo para aprendizado de máquina, produto do Google DeepMind, um jogador profissional foi derrotado em impressionantes cinco partidas consecutivas.

O aprendizado de máquina foi aplicado a mais do que apenas jogos. Em 2012, no Google X Labs, um algoritmo de aprendizado de máquina foi projetado para passar por vídeos do YouTube e identificar independentemente aqueles que têm um gato no fluxo de vídeo. Em 2014, o Facebook tinha um algoritmo de aprendizado de máquina, DeepFace, que poderia combinar imagens de rostos com uma pessoa com mais de 97% de precisão, o que se aproxima do desempenho de um ser humano típico quando se trata dessa tarefa.

Para facilitar mais projetos, em 2015, a Microsoft lançou seu Distributed Machine Learning Toolkit, que atualmente inclui Distributed (Multi-sense) Word Embedding para processamento de linguagem natural de alta qualidade.

A tecnologia de aprendizado de máquina também foi aplicada a robôs e sua capacidade de realizar tarefas complexas de forma autônoma. Tem havido interesse em aplicações militares, e isso fez com que muitos luminares da tecnologia, incluindo Stephen Hawking e Steve Wozniak, enviassem uma carta aberta à ONU.

A preocupação deles é que o aprendizado de máquina armado represente uma “terceira revolução na guerra”. Por outro lado, a tecnologia autônoma promete tornar os carros mais seguros para dirigir, e isso foi mostrado recentemente com a tecnologia implementada em um veículo clássico, um Ford Mustang 1965, no Goodwood Festival of Speed.

Benefícios comerciais

As empresas também adotaram o aprendizado de máquina, e um exemplo disso são os chatbots automatizados que reduzem os níveis de interação do cliente com funcionários de suporte.

Há também uma tendência de se afastar dos menus de interação por telefone (“pressione um para isso, pressione dois para aquilo”), que geralmente incomodam os clientes, para a interação por texto. Por exemplo, no final de 2017, o Royal Bank of Scotland lançou seu novo chatbot de IA, Luvo, uma ferramenta de bate-papo na web que aparece no site do banco e pergunta se o cliente tem alguma dúvida.

O objetivo é fazer com que o Luvo ajude 10% dos clientes, com a capacidade de responder diretamente a perguntas simples, e direcionar outros com problemas mais complicados para o agente humano correto para fornecer uma ajuda mais definitiva. O pensamento é que, ao fazer com que o Luvo cuide das tarefas mais simples, isso libera consultores humanos para os problemas mais complicados dos clientes.

Este chatbot virtual em particular é alimentado pela ferramenta Watson Conversation da IBM, amplamente considerada como um dos mecanismos de IA mais avançados, com uma força particular no reconhecimento de linguagem natural. Essa incorporação do aprendizado de máquina na forma de um chatbot no Royal Bank of Scotland, impulsionada pela economia de custos e tempo para atendimento ao cliente, faz parte de uma tendência mais ampla, que outras empresas adotaram com dividendos óbvios. No entanto, o Facebook desligou seu chatbot baseado em texto, no início deste ano, portanto, a transição dificilmente é perfeita, pois aplicativos viáveis ​​para essa tecnologia são procurados.

Música para seus ouvidos

O aprendizado de máquina também foi aplicado ao streaming de música online. No Spotify, o amplo serviço de música sob demanda com mais de 100 milhões de usuários, a empresa aplica aprendizado de máquina para transmitir música que corresponda ao seu gosto musical. Especialmente popular é o recurso 'Discover Weekly' do Spotify, que tem o que parece ser uma lista de músicas escolhidas a dedo com base em seus hábitos de escuta - como um bom amigo que conhece seus hábitos de audição fazendo uma mix tape para apresentá-lo a novos artistas.

No entanto, isso é obtido por meio de algoritmos de aprendizado de máquina que incorporam dados de filtragem colaborativa que analisa seu comportamento de escuta e fãs semelhantes, juntamente com o processamento de linguagem natural que incorpora texto e análise de áudio das faixas diretamente.

Todos esses dados passam pelo algoritmo de aprendizado de máquina da empresa para gerar essas escolhas de música, e isso sem dúvida contribui para a popularidade do Spotify – enquanto alguns serviços concorrentes, como Songza e Pandora, escolhem músicas com base em marcá-las manualmente sem o dados adicionais que o Spotify emprega.

Com o aprendizado de máquina capaz de superar campeões humanos em vários jogos de tabuleiro estratégicos, o poder desses algoritmos que podem incorporar novos dados em seu processo de tomada de decisão foi claramente demonstrado. E agora, diversos setores, desde o atendimento ao cliente, passando pela direção autônoma, até o streaming de música com curadoria, também mostraram o poder de incorporar algoritmos de aprendizado de máquina.