Pode o meu PC falar?

De forma mais genérica, machine learning (ML) estuda algoritmos e modelos estatísticos que um computador usa para uma determinada tarefa, sem instruções explícitas. Normalmente baseiam-se em padrões e inferências em vez disso. Esta área tem crescido devido à volumetria de dados que consumimos, devido ao processamento que se torna mais barato e storage mais em conta.

Ao contrário do que se possa pensar, ML pode ser aplicado não só à área de informática, mas também na área da saúde, agricultura, marketing, robótica, banca e psicologia. Estes são apenas alguns exemplos de como ML pode mudar o nosso mundo, cada vez mais tecnológico e automatizado. Claro que, para conseguirmos ter sistemas fidedignos – uma batalha ainda muito presente no campo –, é necessário termos algumas bases, nomeadamente boa capacidade de preparação de dados, processos interativos e automatizados e boa escalabilidade.

É um facto que existem alguns exemplos de “ML gone wrong” como por exemplo, a ferramenta de Inteligência Artificial da Amazon que entre 2014 e 2017 ajudava a rever os currículos dos candidatos, mas que favorecia os candidatios do sexo masculino, dado que o modelo base do sistema estava formatado consoante os currículos anteriores, que apresentavam uma amostra tendencialmente masculina. Alegadamente, o software rejeitava candidaturas que continham a palavra “woman” ou que implicasse que o candidato era do sexo feminino. Ao aperceber-se deste erro, a Amazon deixou de utilizar essa ferramenta.

É através deste pequenos erros que podemos comprometer o negócio, mas também é assim que percebemos que ainda existe muito por explorar, desde o news feed de uma rede social, como é o caso do Facebook; a análise de sistemas de CRM e de vendas até aos veículos autónomos de hoje (aqui mais focados em deep learning) ou até mesmo salvar uma vida, como é o exemplo da empresa Ubenwa que utiliza machine learning para criar uma ferramenta de diagnóstico digital para a asfixia perinatal.

Tudo isto, levou-me a pensar que, daqui a nada, tenho o meu PC a “falar” comigo e a verdade é que esse dia não está assim tão longe. Claro que ainda é complicado processar linguagem natural para os computadores, mas com o modelo word2vec conseguimos alguns resultados de associações de palavras com sentido. Mais do que isso, com o treino e a automatização, o computador pode simular textos como que escritos por mim, pode ajudar-me no meu dia-a-dia de trabalho e otimizar a gestão de tempo.

Ainda, para o computador “falar”, tem de ser definido o que deve ser compreendido pela máquina, pelo que é necessário atribuir-lhe um cérebro, ou seja, transformar as palavras em números e depois com parâmetros (milhares e milhares de parâmetros) treinar o computador a “falar”. Uma boa solução são as RNN (Recurrent Neural Networks) que são construídas com neurónios projetados especificamente para dados de séries temporais: dados que vêm numa determinada ordem, onde se vê apenas uma parte de cada vez. Isso torna-os particularmente adequados para examinar frases, porque podem “ler” as palavras por ordem e uma a uma. Não entrarei em muitos detalhes, até porque muitos dos leitores deste artigo terão competências bem superiores às minhas neste tópico. Contudo, os modelos são, em teoria, capazes de qualquer coisa se conseguirmos os recursos computacionais certos e dados suficientes.

Em suma, considero importante sublinhar a importância que algumas ferramentas, e até mesmo algumas realidades desconhecidas para nós, podem ter uma influência positiva no nosso dia-a-dia e nos mais variados setores.

Entendo ser essencial ativarmos o bichinho da curiosidade e reaproveitarmos todo o potencial que, no caso, a área das tecnologias tem para nos oferecer. Quem sabe, daqui a uns anos, não possa ter o meu PC a ajudar-me com as minhas publicações, quer em contexto de trabalho quer em contexto pessoal.

por Sofia Santos, Michael Page