INTELIGÊNCIA ARTIFICIAL: A INTERAÇÃO ENTRE A MÁQUINA E O HOMEM

0

José Roberto Securato Junior*

 Inteligência artificial não é ficção. Ela já é uma realidade e está no meio de nós. Está tanto nas recomendações dos sites de compra como também no iPhone, no ainda pouco compreendido e usado Siri. Há exemplos mais extremos como um restaurante na Ásia inteiramente operado por robôs; o primeiro livro escrito totalmente por eles (computer generated stories) e ainda o carro da empresa “Tesla”, que dispensa a interferência do condutor nas estradas (sim, ele faz curvas sozinho, lê placas e acompanha o trânsito).

 

O mercado financeiro também conta com a sua presença. Estima-se que mais de 50% das transações em Bolsa de Valores do mundo são originadas por robôs (seria um deles comprando de outro?). Enquanto isso, em outro contexto, há humanos que também parecem máquinas, mas, aqui, não trataremos deste assunto.

 

Em um dos eventos do Knowledge Exchange Session (KES), o professor de Ciências da Computação da Northwestern University, Kris Hammond, foi categórico: “Não há nenhum aspecto do ser humano que não poderá ser replicado por uma máquina”. Ainda segundo ele, “seremos capazes de criar um mundo em que os humanos não precisarão fazer nada, a não ser socializar”. No limite, se aplicarmos realidade virtual, nem precisarão socializar.

 

Embora não haja um CEO no mundo que não tenha sonhado em ter terabytes de informação, foi justamente este excesso de conhecimentos que viabilizou a inteligência artificial, um fenômeno que o próprio Kris chamou de “explosão de dados”: não temos condições de consumir, processar e digerir essa enormidade de informações. A inteligência artificial sim.

 

Deep learning, predictive analytics, evidence based, machine learning systems, prescriptive analytics, natural language, etc… Todos os métodos de inteligência artificial se resumem às habilidades de avaliar (assess), prever (predict) e recomendar (advise). Note que aprendizado é um meio, não o fim.

 

Inteligência artificial passa por compilar todas as possíveis respostas para uma pergunta, associando pequenas quantidades de informação, da mais para a menos relevante, estimando a probabilidade de esta resposta estar certa. Como o processo é estatístico, quanto mais dados relacionados ao assunto estiverem disponíveis, maior será a possibilidade de acerto. Por exemplo: se uma máquina chega à mesma resposta por quarenta caminhos diferentes e à outra por apenas cinco caminhos distintos, é muito provável (40/45, ou 89% de certeza) que a primeira resposta seja a correta.

 

A limitação da maioria das ferramentas de inteligência artificial está relacionada à resposta, e na resposta apenas. Geralmente, seus métodos são incapazes de reproduzir como se chegou a tal conclusão, o que é fundamental quando os seus impactos são de extrema relevância (neste contexto, podemos citar como exemplo a decisão de se submeter, ou não, a uma cirurgia de cérebro).

 

Outro entrave é que somente a análise de dados é insuficiente para produzir uma recomendação. Há de se incorporar premissas e propósito na análise, o que nem sempre está acessível para um robô. Ano após ano, a informação e a tecnologia estão disponíveis e sofisticadas. Novos problemas como privacidade, ética e responsabilidade na inteligência artificial serão debatidos e equacionados.

 

Cada vez menos, será evidente a diferença entre inteligência artificial e a humana que a criou. Como também disse Kris Hammond, ter ou não uma explicação é a diferença entre um parceiro e um mandão (partner e bully, em inglês). Entretanto, o que sempre irá nos distinguir das máquinas será o propósito. Ou será que elas, as máquinas, podem ter um propósito também?

 

*José Roberto Securato Junior é Vice-Presidente do Instituto Brasileiro de Executivos de Varejo e Mercado de Consumo (IBEVAR) e diretor da Saint Paul Advisors

Compartilhar.

Sobre o autor

Comentários desativados.

000-017   000-080   000-089   000-104   000-105   000-106   070-461   100-101   100-105  , 100-105  , 101   101-400   102-400   1V0-601   1Y0-201   1Z0-051   1Z0-060   1Z0-061   1Z0-144   1z0-434   1Z0-803   1Z0-804   1z0-808   200-101   200-120   200-125  , 200-125  , 200-310   200-355   210-060   210-065   210-260   220-801   220-802   220-901   220-902   2V0-620   2V0-621   2V0-621D   300-070   300-075   300-101   300-115   300-135   3002   300-206   300-208   300-209   300-320   350-001   350-018   350-029   350-030   350-050   350-060   350-080   352-001   400-051   400-101   400-201   500-260   640-692   640-911   640-916   642-732   642-999   700-501   70-177   70-178   70-243   70-246   70-270   70-346   70-347   70-410   70-411   70-412   70-413   70-417   70-461   70-462   70-463   70-480   70-483   70-486   70-487   70-488   70-532   70-533   70-534   70-980   74-678   810-403   9A0-385   9L0-012   9L0-066   ADM-201   AWS-SYSOPS   C_TFIN52_66   c2010-652   c2010-657   CAP   CAS-002   CCA-500   CISM   CISSP   CRISC   EX200   EX300   HP0-S42   ICBB   ICGB   ITILFND   JK0-022   JN0-102   JN0-360   LX0-103   LX0-104   M70-101   MB2-704   MB2-707   MB5-705   MB6-703   N10-006   NS0-157   NSE4   OG0-091   OG0-093   PEGACPBA71V1   PMP   PR000041   SSCP   SY0-401   VCP550   HP0-S42   70-483   101   000-080   1z0-434   CCA-500   CAP   1Z0-804   220-802   70-483   SY0-401   70-980   300-101   c2010-652   ICGB   1Z0-144   101   70-533   000-017   1Z0-060   640-916   9L0-012   MB2-704   9L0-066   2V0-621D   1Z0-144   1Y0-201   74-678   EX200   70-483   700-501   210-260   200-310   100-105  , JK0-022   350-080   300-070   CISSP   810-403   CAS-002   300-206   200-101   OG0-093   000-104   MB6-703   CISSP   1Z0-144   070-461   1Z0-060   SSCP