Não acredite no hype sobre a IA nos negócios
Publicados: 2018-03-25Embora os sistemas de IA agora possam aprender um jogo e vencer campeões em poucas horas, eles são difíceis de aplicar em aplicativos de negócios
Para emprestar uma frase do professor da Duke, Dan Ariely, a inteligência artificial é como o sexo na adolescência:
“Todo mundo fala sobre isso, ninguém sabe realmente como fazer, todo mundo acha que todo mundo está fazendo, então todo mundo afirma que está fazendo.”
Embora os sistemas de IA agora possam aprender um jogo e vencer campeões em poucas horas, eles são difíceis de aplicar em aplicativos de negócios.
O MIT Sloan Management Review e o Boston Consulting Group entrevistaram 3.000 executivos de negócios e descobriram que, embora 85% deles acreditassem que a IA daria às suas empresas uma vantagem competitiva, apenas um em cada 20 a incorporou “extensivamente” em suas ofertas ou processos. O desafio é que implementar IA não é tão fácil quanto instalar software. Requer experiência, visão e informações que não são facilmente acessíveis.
Quando você olha para aplicativos conhecidos de IA, como o AlphaGo Zero do Google, fica com a impressão de que é como mágica: a IA aprendeu o jogo de tabuleiro mais difícil do mundo em apenas três dias e venceu campeões. Enquanto isso, a IA da Nvidia pode gerar imagens fotorrealistas de pessoas que se parecem com celebridades apenas olhando fotos de pessoas reais.
A AlphaGo e a Nvidia usaram uma tecnologia chamada redes adversariais generativas, que coloca dois sistemas de IA um contra o outro para permitir que aprendam um com o outro. O truque era que, antes das redes lutarem entre si, elas receberam muito treinamento. E, mais importante, seus problemas e resultados foram bem definidos.
No entanto, a maioria dos problemas de negócios não pode ser transformada em um jogo; você tem mais de dois jogadores e não há regras claras. Os resultados das decisões de negócios raramente são uma vitória ou uma perda clara, e há muitas variáveis. Portanto, é muito mais difícil para as empresas implementar a IA do que parece.
Recomendado para você:
Como o Metaverse transformará a indústria automobilística indiana
O que significa a provisão antilucratividade para startups indianas?
Como as startups de Edtech estão ajudando a qualificação da força de trabalho da Índia e se preparando para o futuro
Ações de tecnologia da nova era esta semana: os problemas do Zomato continuam, EaseMyTrip publica...
Startups indianas pegam atalhos em busca de financiamento
Plataforma de marketing digital Logicserve Bags Financiamento de INR 80 Cr, renomeia como LS Dig...
Os sistemas de IA de hoje fazem o possível para emular o funcionamento das redes neurais do cérebro humano, mas fazem isso de maneira muito limitada. Eles usam uma técnica chamada aprendizado profundo, que ajusta as relações das instruções do computador projetadas para se comportar como neurônios. Para simplificar, você diz a uma IA exatamente o que deseja que ela aprenda e fornece exemplos claramente rotulados, e ela analisa os padrões nesses dados e os armazena para aplicação futura. A precisão de seus padrões depende dos dados, portanto, quanto mais exemplos você der, mais útil ele se tornará.
Aqui reside um problema: uma IA é tão boa quanto os dados que recebe. E é capaz de interpretar esses dados apenas dentro dos limites estreitos do contexto fornecido. Ele não “entende” o que analisou, por isso é incapaz de aplicar sua análise a cenários em outros contextos. E não consegue distinguir causalidade de correlação. A IA é mais como uma planilha do Excel com esteróides do que um pensador.
A maior dificuldade em trabalhar com essa forma de IA é que o que ela aprendeu permanece um mistério – um conjunto de respostas indefiníveis aos dados. Uma vez que uma rede neural é treinada, nem mesmo seu projetista sabe exatamente como ela está fazendo o que faz. Como explica o professor da Universidade de Nova York Gary Marcus, os sistemas de aprendizado profundo têm milhões ou até bilhões de parâmetros, identificáveis para seus desenvolvedores apenas em termos de sua geografia dentro de uma rede neural complexa. Eles são uma “caixa preta”, dizem os pesquisadores.
Falando sobre os novos desenvolvimentos no AlphaGo, o CEO do Google/DeepMind, Demis Hassabis , teria dito: “Ele não funciona como um humano e não funciona como um programa. Ele funciona de uma terceira maneira, quase alienígena.”
As empresas não podem permitir que seus sistemas tomem decisões estranhas. Eles enfrentam requisitos regulatórios e preocupações de reputação e devem ser capazes de entender, explicar e demonstrar a lógica por trás de cada decisão que tomam.
Para que a IA seja mais valiosa, ela precisa ser capaz de olhar para o quadro geral e incluir muito mais fontes de informação do que os sistemas de computador que está substituindo. A Amazon é uma das poucas empresas que já entendeu e implementou a IA de forma eficaz para otimizar praticamente todas as partes de suas operações, desde gerenciamento de estoque e operação de armazém até a execução de data centers.
Na gestão de estoque, por exemplo, as decisões de compra são tradicionalmente tomadas por indivíduos experientes, chamados de compradores, departamento por departamento. Seus sistemas mostram os níveis de estoque por loja e eles usam sua experiência e instintos para fazer pedidos. A IA da Amazon consolida dados de todos os departamentos para ver as tendências maiores – e relacioná-las com dados socioeconômicos, consultas de atendimento ao cliente, imagens de satélite de estacionamentos de concorrentes, previsões da The Weather Company e outros fatores. Outros varejistas estão fazendo algumas dessas coisas, mas nenhuma com tanta eficácia quanto a Amazon.
Esse tipo de abordagem também é a base do Echo e do Alexa , os eletrodomésticos baseados em voz da Amazon. De acordo com a Wired, ao reunir todas as suas equipes de desenvolvimento e tornar o aprendizado de máquina um foco corporativo, a Amazon está resolvendo um problema que muitas empresas têm: ilhas de dados desconectadas. Os dados corporativos geralmente são armazenados em conjuntos de dados desconexos em diferentes sistemas de computador. Mesmo quando uma empresa possui todos os dados necessários para o aprendizado de máquina, eles geralmente não são rotulados, atualizados ou organizados de maneira utilizável. O desafio é criar uma grande visão de como reunir esses conjuntos de dados e usá-los de novas maneiras, como a Amazon fez.
A IA está avançando rapidamente e certamente facilitará a limpeza e a integração de dados. Mas os líderes empresariais ainda precisarão entender o que realmente faz e criar uma visão para seu uso. É quando eles verão os grandes benefícios.
Este post apareceu pela primeira vez em wadhwa.com e foi reproduzido com permissão.