Machine Learning são modelos tecnológicos que aprendem indefinidamente. Mas aprendem o que, cara pálida?

Pyr Marcondes
11 de março de 2018 - 8h15

Em painel meio marcha-lenta chamado “The Future of Machine Learning: Worth the Hype?”, mas que abordou temas relevantes no universo do Machine Learning, vimos aqui em Austin que esse pedaço da Inteligência Artificial é, de fato, um de seus aspectos mais fascinantes. E úteis para a sociedade, as pessoas e os negócios.

Compôs a mesa de debates um time de craques.

Jeff Chow, VP de Costumer Experiences do Trip Advisor, trabalhou anos na área mobile do Google. Exatamente com Inteligência Artificial. Finale Doshi-Velez, Professora de Ciência da Computação da Universidade de Harvard e hoje responsável por um programa de Machine Learning na instituição voltado para a área da medicina. Além de Chris Jones, VP de Tecnologia de sua própria empresa, a bastante conhecida e respeitada mundialmente iRobot Corporation.

Moderou as discussões Tom Foster, editor da Inc.Magazine, uma super boa publicação sobre tecnologia no ambiente das corporações.

Quem melhor definiu, de forma resumida, o que é Machine Learning, foi o Chow: é um conjunto de modelos tecnológicos que aprendem indefinidamente. Uma das melhores definições que já ouvi sobre ML.

Jones acrescentou que, em seu caso, é isso, sim, só que aplicado a máquinas, robôs (é o que sua companhia faz da vida) que tem como missão interagirem no mundo físico diretamente com os homens. Ou seja, a iRobots precisa traduzir Machine Learning para que as máquinas não matem humanos, sei lá, tipo.

O debate buscou responder a pergunta de seu próprio título … Worth the Hype? Ou seja, de fato o tema vale o destaque que tem tido e a fama que adquiriu?

A conclusão geral foi: não é Hype. É realidade.

Para surpresa de muitos, Foster citou pesquisa em que 89% dos empresários e executivos entrevistados afirmaram que já utilizam algum tipo de Machine Learning em suas empresas e negócios. Ao que Jones replicou … “me surpreende que não tenha sido 100%”.

Ao longo do painel fica claro que, se usamos um celular, se navegamos na internet, se fazemos compras on (e muitas vezes até off) line, se interagimos com aplicativos, se nossas empresas trocam arquivos digitais com outras, se usamos corretores ortográficos num email, e tantas outras atividades de nosso dia a dia como pessoas, consumidores e como profissionais, estaremos, em algum momento, usando algum tipo, mesmo que muito simplificado, de Machine Learning.

Ao ser perguntado por Foster sobre como sua empresa, a Trip Advisor, um dos grandes exemplos mundiais de uso nos negócios de Inteligência Artificial (por isso estava no painel), Chow foi sucinto e objetivo: “Sabe quando você navega ou compra um livro da Amazon e eles depois te oferecem outros livros parecidos? Fazemos a mesma coisa, só que com viagens”. Como curiosidade, Chow revelou que Trip Advisor admionstra 6 milhões de avliações de hotéis por dia. Só com AI mesmo para extrair desse volume assombroso de dados orientações para os navegadores do site e usuários dos seus serviços.

Pois foi esse o achado do painel. É gerir um volume de dados com dimensões inumanas, transformá-los em insights uteis para os negócios e as atividades humanas, através de máquinas que tem fome e capacidade infinita de processar e aprender.

Isso fazem as máquinas e tecnologias que ajudam os médicos que participam dos programas de Harvard, como detalhou Doshi-Velez. Idem os robôs de Jones.

Mais ao final da conversa, Foster provocou os participantes com as já clássicas questões do tipo: e se uma máquina com sistemas de Machine Learning equipando um carro sem motorista tiver que tomar uma decisão de matar um grupo de pessoas ou, o exemplo é dele, o Presidente da República, qual decisão deverá tomar? O que os homens devem ensinar às máquinas em situações-limite como essas?

Esse é um tema, de fato, cada dia mais relevante, na exata medida em que o Machine Learning invade, como vimos aqui, nossas vidas de forma tão abrangente e, de certa forma, nem estamos percebendo.

Todos os participantes saíram pela tangente. É difícil assumir uma posição clara em público sobre isso sem gerar polêmica, seja qual for a posição.

Quem deu a melhor resposta foi Doshi-Velez: essa não é uma questão de engenheiros, é tema para deliberação da sociedade. Ela propõe grupos de estudo, trabalhos com base científica que apoiem, finalmente, uma definitiva consulta ao corpo social.

Isso ainda vai dar muito pano pra manga. Mas no caso se o carro deveria atropelar o grupo de pessoas ou o Presidente da República, a decisão tava fácil.