Pular para o conteúdo

Machine Learning, Artificial Intelligence e Data Science além do buzz

Os termos Data Science, Machine Learning e Inteligência Artificial estão na moda e são utilizados frequentemente em contextos de inovação e tecnologia. Se você não sabe bem o que significam

Entrevista com o Empreendedor

Os termos Data Science, Machine Learning e Inteligência Artificial estão na moda e são utilizados frequentemente em contextos de inovação e tecnologia. Se você não sabe bem o que significam ou quais as diferenças entre cada um desses termos, ninguém pode culpá-lo por ficar confuso. Muitas vezes eles acabam sendo usados casualmente por aqueles que estão mais interessados no hype do que na resolução de problemas reais. Então, vamos falar sobre isso?

 

Afinal, o que é Machine Learning (ML)?

 

Machine Learning é uma disciplina que endereça o desafio de desenvolver computadores que aprendem automaticamente a realizar tarefas. Este aprendizado automático, parte da observação e do reconhecimento de padrões com base em um histórico de dados.

Após o processo de aprendizagem, o computador passa a ser capaz de re-executar a tarefa, ao receber novos dados para serem analisados.

 

Um aplicação clássica de ML é a detecção de faces em fotos. [Viola, 2001. "Rapid object detection using a boosted cascade of simple features"]

 

Seu celular provavelmente já sabe detectar faces. Para realizar esta tarefa, o software do celular foi treinado com um extenso banco de imagens, aprendendo padrões que definem o que é uma face em uma foto. Após este aprendizado inicial, o software consegue ser capaz detectar novas faces, re-executando essa tarefa quando novas imagens são capturadas pela câmera.

 

Da mesma forma que celulares aprendem a detectar faces, eles também podem aprender a reconhecer digitais, escutar e entender a fala de uma pessoa, sugerir conteúdos como músicas e filmes, dentre muitas outras tarefas. Isso tudo pode ser realizado com ML.

 

E o que seria a Inteligência Artificial (AI)?

Inteligência Artificial é um conceito mais amplo do que Machine Learning, O que chamamos de AI envolve capacitar um computador para realizar tarefas consideradas “inteligentes” por nós humanos. Esta área surgiu muito antes do conceito de ML. [Goodfellow, 2016. “Deep Learning"]

 

Há 50 anos, lógicas simples já eram utilizadas para imitar o processo de tomada de decisão de um ser humano. Quando computadores começaram a jogar xadrez contra seres humanos, máquinas não aprendiam características de jogadas boas ou ruins. As inteligências artificiais simulavam diferentes cenários para buscar a jogada mais adequada, de acordo com um conjunto de regras pré-definidas. [Wheland, 1978. "A Computer Chess Tutorial"]

 

Machine Learning é um dos mais promissores caminhos para se obter uma Inteligência Artificial robusta. Ambas as áreas estão bastante interligadas por esse motivo.

 

Entretanto para o desenvolvimento de uma inteligência artificial, geralmente são necessárias diferentes técnicas além de ML. Para um carro dirigir sozinho, diferentes modelos de ML são necessários (reconhecimento de pedestres, animais, sinalizações de trânsito, etc). Entretanto, sistemas baseados em regras também são utilizados para construir uma inteligência realmente robusta, capaz de dirigir de forma autônoma, considerando múltiplas fontes de informações antes de tomar uma decisão no volante.

 

E quanto a Data Science?

 

Data Science também é um tópico muito mais amplo do que Machine Learning. Em linhas gerais, se trata de um conjunto de princípios fundamentais que suportam e guiam a extração de informação e conhecimento a partir de dados. A base teórica de Data Science se desenvolveu a partir de outras áreas mais tradicionais, como Matemática Aplicada, Estatística e Computação.

 

Nem todo conhecimento extraído de um conjunto de dados se baseia em um aprendizado automático de tarefas (ML). Tarefas de

mineração de dados, preparação e transformação de dados, execução de análises estatísticas, também são pilares importantes para o desenvolvimento de uma solução analítica robusta. Quando falamos de Data Science, estamos nos referindo a todo esse universo de técnicas que podem auxiliar na extração de valor à partir de um dado.

 

Cientista de Dados: o que faz e qualidades necessárias

 

Cientista de Dados são os profissionais capacitados para extrair o máximo de valor de um conjunto de dados.

Sendo Data Science uma área bastante aplicada, com o objetivo de transformar dados em conhecimento, cientistas de dados também possuem um perfil bastante aplicado, focado na construção de aplicações práticas para um domínio de interesse.

 

 

O critério de sucesso de uma solução de Data Science normalmente é um critério de sucesso do domínio estudado. no caso de uma empresa, o critério de sucesso poderia envolver o resultado financeiro de uma área de negócio, como por exemplo o aumento no faturamento ou a redução de despesas. [Provost & Fawcett, 2013. "Data science and its relationship to big data and data-driven decision making.”]

 

O Cientista de Dados deve navegar bem entre as áreas de Computação, Matemática/Estatística e também o domínio de sua aplicação, conectando seus conhecimentos técnicos às necessidades do domínio.

 

Profissionais que navegam com fluidez por estas três áreas são unicórnios extremamente cobiçados pelo mercado, dada a capacidade inerente de explorar técnicas como Machine Learning para realmente agregar valor a um domínio de atuação.

 

Resumindo...

No meio de todo esse hype, esqueçam o termo “AI" por enquanto. A principal utilização prática de AI para a maioria dos negócios se chama Machine Learning. ML é uma tecnologia que deve ser compreendida e valorizada.

E Data Science se trata basicamente de como você gostaria que fosse aplicado o ML: é a aplicação de ML no mundo real, com o objetivo de criar soluções que realmente conseguem lidar com toda com a complexidade do cotidiano.

Renan Vilas Novas - Dato

Empreendedor Inovador

Conheça outros Empreendedores

Verdade seja dita: um dos maiores talentos do ser humano é transformar uma ideia que pode ser extremamente simples em algo complexo e trabalhoso.    Quando se tem um time […]

Transformação Digital é o nome dado ao conceito que diz respeito à importância do papel da Tecnologia da Informação e Comunicação (TIC) no desenvolvimento da estratégia, estrutura, cultura e processos […]

Quase 9 anos de um trabalho reconhecido em uma bela empresa, uma das melhores para se trabalhar. Eu literalmente estava na minha zona de conforto, com alto grau de conhecimento […]