book_icon

Conheça a evolução e o estágio atual de IA e ML

O especialista da Fico, Daniel Arraes, explica as diferenças e similaridades entre Inteligência Artificial, Machine Learning e outras tecnologias
Conheça a evolução e o estágio atual de IA e ML

Daniel Arraes, business developer da Fico, empresa de análises preditivas e ciência de dados, voltadas para auxiliar as decisões operacionais de organizações conversou com Infor Channel sobre machine learning e inteligência artificial. Na nossa ‘Entrevista do Ponto’, ele aborda o estado da arte dessas tecnologias, os melhores mercados para sua adoção e muito mais. Confira.

O que diferencia inteligência artificial de aprendizado de máquina?
É importante pontuar. Inteligência artificial (IA) é o sistema que consegue aprender por conta própria, por meio de experiências, e fazer as suas referências sobre o futuro. Com essa definição o que a gente hoje observa por aí são soluções bastante primárias. Já machine learning (ML) é simplesmente fazer com que a máquina aprenda um determinado processo e responda de uma forma mais elaborada, mas sem uma experiência anterior, sem interagir com o mundo e o contexto no qual está inserido. Como o humano, que nasce e o cérebro vai aprendendo com as experiências, de certa forma, a gente usa o mesmo tipo de paradigma: fazer com que a máquina consiga, por meio de aprendizado – às vezes supervisionado, outras por conta própria -, aprender com essas experiências. Mas é algo bastante rudimentar, apesar das pessoas se espantarem com as soluções de hoje, como um assistente pessoal, seja da Apple ou seja da Amazon, falando de um carro autônomo.

Quando se dará um avanço significativo?
A previsão dos cientistas para essa área é que haverá muito mais progresso em dez anos do que a gente já viu até agora. Então, essa conversa daqui a uma década será bem diferente. A Siri, assistente da Apple, apesar de impressionar e interagir com as pessoas usa processos de machine learning. Agora, para inteligência artificial, um bom exemplo é o filme de 1969, “2001 uma odisseia no espaço”: um computador começa a aprender sozinho, e passa a tomar conta de toda uma nave espacial. Isso de fato é IA. Ele tomou decisões de forma autônoma, sem ter um humano dizendo o que fazer. Nos outros exemplos que citei, tem um humano dizendo: olha Netflix, aprenda isso! ou, à Siri: aprenda aquilo, mas é supervisionado por um algoritmo, um humano que desenvolveu o aprendizado da máquina.

Pode-se dizer que machine learning é uma evolução do business intelligence?
O BI foi a primeira forma de usar dados. Hoje o mercado é maior e o machine learning tem processos mais específicos. Por outro lado, a inteligência artificial continua utilizando dados, mas de forma mais ampla, para resolver problemas. IA é algo para conseguir gerar uma máquina totalmente autônoma, que não depende da gente. Aprende por conta própria, inclusive muitos cientistas comentam que essas máquinas serão capazes de gerar outras máquinas, construir outras máquinas. Um conceito interessante.

Qual o futuro de machine learning?
Uma das revoluções prevista é o computador quântico, que gera preocupação, porque seria muito potente e com capacidade de quebrar qualquer código de segurança, transação financeira ou dados que um governo mantenha registrados. A legislação como sempre terá que se adaptar, mas o avanço não para. A gente não pode deixar de lançar uma inovação, imaginando que um dia existirá uma legislação contrária; as atualizações vão continuar, e temos que nos adaptar em algum momento.

Que setor é mais aderente a machine learning?
Depois da indústria financeira, telecom é bastante importante. Outros são o de energia e o de manufatura em geral, atuando, por exemplo, como otimização de processos, de custos como transportes na distribuição de produtos. E, ainda, podemos o varejo e o segmento de seguradoras.

É possível traçar um paralelo entre ML, IoT e redes neurais?
Já em 1998, mais ou menos, veio a onda de machine learning (ML) e coincidiu com a primeira onda da Internet da Coisas (IoT). As redes neurais são uma parte do que é o ML; é um de seus métodos. O conhecimento começou a ser aplicado nos negócios e, nesse mesmo ano, a Fico comprou a empresa HNC, com uma solução baseada em redes neurais para prevenção de fraudes de cartões de crédito. E ainda hoje é líder nessa área e tem forte base, não só em redes neurais mas, também, em outras técnicas de ML, já disponíveis no mercado. O ML melhora os processos industriais e o que a Fico faz é aplicar esses conceitos, voltados aos negócios.

A tendência é falar de IA e ML como uma coisa só?
Hoje, na verdade, essa diferencia só existe com quem lida mais com o assunto, mas acho que tudo caminha para chamar inteligência artificial, que são processos de aprendizados de um modo geral. Essas tecnologias vão andar juntas e os processos todos de ML vão ficar cada vez mais autônomos, até atingir a totalidade. Um exemplo: a China pela primeira vez gerou um blog de notícias totalmente escrito por máquina, sem a participação de um jornalista, é logico que qualquer pessoa percebeu que faltou ação humana. Agora num mundo digital, já fica realmente mais próximo da IA; máquinas são capazes de sintetizar a voz das pessoas. O tema da IA é que consiga aprender com o raciocínio e seja capaz de aprender a voz. Ao sintetizar, seria capaz de falar com uma pessoa como se fosse eu e, o outro, não seria capaz de perceber a diferença. Então isso é um pouco assustador, mas é para onde tudo indica que vai caminhar.

Quais são as aplicações de IA e de ML?
Na verdade, são muitas as aplicações. A função mais óbvia é no marketing, dentro de qualquer indústria. Um cliente em potencial tem mais chances de identificar e comprar seus produtos dentro do mundo digital, das mídias. Tem o uso em proteção de dados. Grande parte das denúncias de corrupção é detectada porque estão no mundo digital, então, o uso desse algoritmo também vem potencializar esse tipo de detecção de evento, sejam fraudes, lavagem de dinheiro… Outra aplicação é para detectar fraude no uso de plano de saúde, que acarretam custo para as empresas. É usado também no próprio diagnóstico de doenças, por meio do cruzamento de informação; grandes bancos de dados têm sido utilizados e alimentados com comportamentos e descrição de sintomas. Tem ajudado os médicos a melhorar a capacidade de fazer diagnósticos, ou até sem o médico, nos sites de diagnósticos. Se é confiável ou não, é outra questão, mas já existe.  A automação de processos produtivos, que exige grande volume de dados, análises jurídicas, são atividades que a IA tem ajudado.  Ao coletar dados de comportamento de criminosos; de fluxo de pessoas e atitudes criminosas padrão, é possível prever onde o crime acontecerá, que tipo, qual a região. Mais recentemente, a Fico lançou um produto de proteção, que é capaz de medir o risco que uma empresa tem de sofrer um ataque cibernético. São usos muito variados, enfim, é um futuro interessante.

E especificamente no sistema financeiro?
Existe uma solução específica que combina dois mundos – o tradicional, que são os de créditos e o mais novo de ML, que usa o conhecimento de máquina no modelo preditivo. No mundo de crédito bancário é muito importante você saber explicar para o cliente ou para o Banco Central, no caso do Brasil, porque determinado crédito foi negado ou aprovado. Por uma questão de segurança sistêmica é importante que os bancos ou instituições financeiras tenham esse controle. Então, esses modelos matemáticos que fazem o controle automático de crédito têm que ser capazes de conhecer as variações, as informações mais importantes para decidir. Dentro do contexto, o ML é capaz de melhorar esses sistemas automáticos, mas ele tem o inconveniente de gerar processos de sistemas de análises muito complexos e de difícil explicação. Conseguimos combinar a técnica tradicional com o ML e, dessa forma, a gente tem a capacidade de explicar o modelo, de chegar no regulador bancário, de saber os motivos da aprovação ou negação do crédito e, ao mesmo tempo, de melhorar a capacidade de fazer previsões financeiras.

Qual a vantagem da solução para o usuário final?
A empresa detém o Fico Score, que é uma pontuação de crédito. Cada consumidor nos Estados Unidos tem uma pontuação de 300 a 800 pontos que confere sua saúde preditiva, ou seja, sua capacidade de pagar no crédito. A Fico é responsável por implementar esse conceito naquele país, onde é o score mais conhecido do mercado. Lá todo cidadão tem o direito a crédito no mercado e isso é muito importante para eles. Por isso, os bancos ou instituições financeiras precisam dizer exatamente porque uma pessoa tem ou não crédito. A solução também informa motivo da pontuação fazendo com que as empresas sejam capazes de dizer aos seus clientes porque seu crédito foi negado. O mais importante é o método analítico da Fico. É a capacidade de informar o regulador bancário também. Essa é a principal motivação para a gente trazer essa explicação, por meio do mundo de redes neurais, para o mundo de crédito.

Como é o modelo de atuação da Fico?
Uma das formas de irmos ao mercado é por meio da consultoria e, depois, o cliente pode andar com as próprias pernas. Temos software que é capaz de levar o ML para o usuário gerar suas próprias soluções com essa tecnologia aplicada. Uma terceira forma, uma solução completa, que engloba a inteligência do ML e o próprio software. É uma solução contra fraude de cartão de crédito; a primeira que passamos a ofertar e já tem incorporado vários modelos de ML e de AI, com capacidade de pontuar todo uso de cartão pelo cliente e pontuar, por exemplo, quando a transação sai do padrão. Tem alta capacidade de apontar fraude e é o trabalho mais comum, com mais de dez mil clientes. Um grande banco, por exemplo, adquire essa solução para proteger seus clientes de cartão de crédito.

As opiniões dos artigos/colunistas aqui publicados refletem exclusivamente a posição de seu autor, não caracterizando endosso, recomendação ou favorecimento por parte da Infor Channel ou qualquer outros envolvidos na publicação. Todos os direitos reservados. É proibida qualquer forma de reutilização, distribuição, reprodução ou publicação parcial ou total deste conteúdo sem prévia autorização da Infor Channel.