O QUE É 'MACHINE LEARNING'?

Conheça os principais benefícios do 'Machine Learning'

#ciência #P+D+I

Carros autônomos, assistentes que traduzem instantaneamente de um idioma para outro ou sugestões de compra personalizadas. Essas atividades atualmente são possíveis graças ao 'Machine Learning', uma disciplina que permite que os computadores aprendam sozinhos e executem tarefas de forma autônoma sem necessidade de serem programados.

Em seu livro Sobre a inteligência, publicado em 2004, Jeff Hawkins definia a inteligência como a capacidade de prever o futuro, por exemplo, o peso de um copo que vamos levantar ou a reação dos outros em relação às nossas ações, com base nos padrões armazenados na memória (o quadro memória-previsão). Esse mesmo princípio está por trás do Machine Learning (ML), também conhecido como aprendizagem automática.

O QUE É 'MACHINE LEARNING' E PARA O QUE SERVE?

Machine Learning é uma disciplina da área da Inteligência Artificial que, por meio de algoritmos, dá aos computadores a capacidade de identificar padrões em dados massivos para efetuar previsões. Essa aprendizagem permite que os computadores efetuem tarefas específicas de forma autônoma, ou seja, sem necessidade de serem programados.

O termo foi utilizado pela primeira vez em 1959. No entanto, ganhou relevância nos últimos anos devido ao aumento da capacidade de computação e ao boom dos dados. As técnicas de aprendizagem automática são, de fato, uma parte fundamental do Big Data.

DIFERENTES ALGORITMOS DO 'MACHINE LEARNING'

Os algoritmos do Machine Learning se dividem em três categorias, sendo as duas primeiras as mais comuns:

  • Aprendizagem supervisionada: esses algoritmos têm uma aprendizagem prévia baseada em um sistema de etiquetas associadas a dados, o que permite tomar decisões ou fazer previsões. Um exemplo é um detector de spam que etiqueta um e-mail como spam ou não, dependendo dos padrões que aprendeu do histórico de e-mail (remetente, relação texto/imagens, senha no assunto etc.).
  • Aprendizagem não supervisionada: esses algoritmos não têm um conhecimento prévio. Eles enfrentam o caos de dados, com o objetivo de encontrar padrões que permitam, de alguma forma, organizá-los. Por exemplo, na área do marketing são utilizados para extrair padrões de dados massivos das redes sociais e criar campanhas de publicidade altamente segmentadas.
  • Aprendizagem por reforço: seu objetivo é fazer com que um algoritmo aprenda a partir da própria experiência. Isto é, ser capaz de tomar a melhor decisão diante de diferentes situações de acordo com um processo de teste e erro em que se recompensam as decisões corretas. Atualmente, esse algoritmo está sendo utilizado para possibilitar o reconhecimento facial, fazer diagnósticos médicos ou classificar sequências de DNA.
IBERDROLA

BENEFÍCIOS DO 'MACHINE LEARNING' PARA AS EMPRESAS

PREVÊ TENDÊNCIAS
Ao analisar os hábitos de compra, é possível prever quais produtos terão mais demanda e qual é o melhor momento para aumentar ou diminuir os preços.
PROMOVE INOVAÇÃO
Graças à massa de dados que é capaz de analisar, o machine learning auxilia na busca por novas soluções.
REDUZ OS CUSTOS
O machine learning automatiza tarefas para economizar em recursos humanos ou otimizar lojas on-line e shopping centers, usando dados de navegação e fluxos de clientes.
MELHORA O RELACIONAMENTO COM OS CLIENTES
Os chatbots respondem aos clientes 24 horas por dia, sete dias por semana e coletam dados para aumentar o conhecimento sobre os consumidores.
MELHORA A SEGMENTAÇÃO
DOS ANÚNCIOS
Algoritmos do machine learning podem prever qual é o conteúdo mais efetivo para cada público-alvo e qual época do ano e meio de comunicação são mais apropriados.
MELHORA A SEGMENTAÇÃO
DO PÚBLICO ALVO
Algoritmos de aprendizado não supervisionados encontram padrões nas informações coletadas pelas empresas sobre os consumidores.

 

 VER INFOGRÁFICO: Benefícios do machine learning para as empresas [PDF]

APLICAÇÕES PRÁTICAS DO 'MACHINE LEARNING'

O Machine Learning é um dos pilares em que se baseia a transformação digital. Atualmente, já está sendo utilizado para encontrar novas soluções em diferentes áreas, dentre as quais vale destacar:

 Recomendações: permite fazer sugestões personalizadas de compras em plataformas online ou recomendar músicas. Em sua forma mais básica, analisa o histórico de compras e reproduções do usuário e compara com o que fizeram outros usuários com tendências ou consumos semelhantes.

 Veículos inteligentes: de acordo com o relatório Automotive 2025: industry without borders de IBM, em 2025, já veremos carros inteligentes nas ruas. Graças ao machine learning, esses veículos poderão definir a configuração interna (temperatura, música, inclinação do encosto etc.) de acordo com as preferências do condutor e, inclusive, mover o volante sozinho para reagirem em relação ao ambiente.

 Redes sociais: O Twitter, por exemplo, utiliza algoritmos do machine learning para reduzir boa parte do spam publicado na rede social. O Facebook, por sua vez, utiliza para identificar e bloquear automaticamente notícias falsas e conteúdos não permitidos em transmissões ao vivo.

 Processamento de Linguagem Natural (PLN): por meio da compreensão da linguagem humana, assistentes virtuais como Alexa ou Siri podem traduzir instantaneamente de um idioma para outro, reconhecer a voz do usuário e inclusive analisar seus sentimentos. Por outro lado, o PLN também é utilizado para outras tarefas complexas como traduzir o jargão legal dos contratos para uma linguagem simples ou ajudar os advogados a organizarem grandes volumes de informações relativas a um caso.

 Buscas: os motores de busca utilizam o machine learning para mensurar os cliques dos usuários e otimizar os seus resultados de acordo com a performance.

 Medicina: pesquisadores do Instituto de Tecnologia de Massachusetts (MIT) já usam o machine learning para identificar o câncer de mama precocemente, algo de extrema importância, já que a identificação precoce da doença aumenta as probabilidades de cura. Também é altamente eficaz para detectar pneumonias e doenças da retina, que podem provocar cegueira.

 Cibersegurança: os novos mecanismos de identificação dos antivírus já usam o machine learning para aumentar a varredura, acelerar a detecção do vírus e melhorar a capacidade de reconhecer anomalias no sistema.
 

 Disrupção tecnológica(*) Nota

 Mobilidade urbana inteligente(*) Nota

 Domótica(*) Nota

   

(*) Disponível na versão em espanhol.