Conheça 5 tendências em Inteligência Artificial que dominarão 2018

Da CIO Brasil, com Thor Olavsrud (CIO/EUA)

30/01/2018 - 09h08

 

Machine Learning, Deep Learning e AI estão ficando populares. Mas antes colocá-las em produção, será preciso investir em áreas como gestão de dados

Em 2017 vimos uma explosão de uso do Machine Learning em produção, e Deep Learning e outras áreas da Inteligência Artificial sendo alavancadas para aplicações práticas.
"As aplicações estão em todos os lugares", diz Kenneth Sanford, cientista de dados da Dataiku, apontando para os "super-outdoors" do Piccadilly Circus, em Londres, que sustentam câmeras escondidas dedicadas à coleta de dados sobre o tráfego rodoviário, incluindo a marca e o modelo dos veículos que passam, para fornecer anúncios direcionados.
Então, onde esses frameworks e ferramentas de IA, Machine e Deep Learning nos levarão em 2018?
Falamos com uma série de líderes de TI e especialistas da indústria sobre o que esperar este ano.
As empresas começarão a usar a IA em áreas mais nobres  
A Inteligência Artificial já está entre nós, quer a reconheçamos ou não.
"Muitas organizações já estão usando IA, mas podem não se referir ao que fazem como 'IA' ', diz Scott Gnau, diretor de tecnologia da Hortonworks. "Por exemplo, qualquer empresas que lance mão de chatbots baseados em linguagem e natural e reconhecimento de voz para  contato com clientes está usando Inteligência Artificial".
Mas muitas das implementações que utilizam tecnologias e ferramentas IA foram de pequena escala. Espere por aplicações mais relevantes em 2018.
"As empresas passaram os últimos anos se educando em várias estruturas e ferramentas de IA", diz Nima Negahban, CTO e co-fundadora da Kinetica. "À medida que a IA se destaca, ela vai além das experiências de pequena escala, com as empresas buscando por ferramentas para automatizar, gerenciar e agilizar mais aplicações de Machine Learning e Deep Learning relacionadas com aplicações core."

Mas o hype ainda será maior que o ROI
Ramon Chen, diretor de produto da Reltio, é menos otimista. Chen diz que houve repetidas previsões, durante vários anos, sobre os potenciais avanços no uso da IA ​​e do Machine Learnings, mas a realidade é que a maioria das empresas ainda não viu benefícios mensuráveis ​​para seus investimentos nessas áreas.
Para ele, até o momento, vivemos um hype exagerado e a maioria das empresas segue relutante em começar devido a uma combinação de ceticismo, falta de experiência e, o mais importante de tudo, falta de confiança em seus conjuntos de dados.
"A maioria das empresas tem que se dedicar a uma tarefa árdua, que antecede o investimento em IA: organizar seus dados de forma a garantir que eles possam ser reconciliados, refinados e relacionados, para descobrir informações relevantes que suportem a execução eficiente de negócios em todos os departamentos, sem perder de vista questões de compliance no tratamento desses dados", diz Chen.
Chad Meley, vice-presidente de marketing da Teradata, concorda que 2018 será o ano da reação ao hype da IA, mas acredita que uma abordagem mais equilibrada da Deep Learning e aplicação do Machine Learning para oportunidades de negócios emergirá como resultado.
Embora possa haver uma reação contra o hype, isso não impedirá as grandes empresas de investir em IA e tecnologias relacionadas. Nem na arrumação da casa para receber a nova tecnologia.
"IA é o novo Big Data: as empresas vão correr para experimentar, precisando ou não", diz Monte Zweben, CEO da Splice Machine.
Meley  menciona a edição 2017 do estudo State of Artificial Intelligence for Enterprises, lançado recentemente pela Teradata, que identificou a falta de infraestrutura de TI como o maior obstáculo para a obtenção de benefícios de IA, superando questões como acesso a talentos, falta de orçamento e casos de negócios fracos ou desconhecidos. "Os fornecedores já preparam soluções de IA de nível empresarial na nuvem e ofertas de suporte que superem as dores crescentes associadas à adoção de IA", diz Meley. 

Conjuntos de dados de treinamento continuarão sendo um desafio
Chen, da Reltio, não está sozinho em sua convicção de que as empresas precisam organizar seus dados, antes de qualquer iniciativa relacionada à IA. Tomer Shiran, CEO e co-fundador da startup de análise Dremio, envolvida no projeto open source Apache Arrow, acredita que um debate mais aprofundado sobre os conjuntos de dados necessários para as aplicações de IA se tornará ainda mais necessário em 2018.
"As empresas estão adicionando IA aos seus produtos para torná-los mais inteligentes, mais eficientes e até autônomos", diz Shiran. "Em 2017, ouvimos argumentos concorrentes para saber se a IA criaria empregos ou iria eliminá-los, com alguns chegando até mesmo a vaticinar o fim da raça humana. O que começou a emergir como parte fundamental da conversa é que sem conjuntos de dados para  treinamento, capazes de moldar o comportamento dos modelos de IA, não chegaremos a lugar algum".
Shiran alerta que esses modelos serão tão bons quanto os dados de treinamento usados por eles e o desenvolvimento de um conjunto de dados de treinamento representativo e efetivo é muito desafiador.
"Os seres humanos são irremediavelmente tendenciosos, e a questão para a IA se tornará se podemos fazer melhor em termos de preconceitos, ou se faremos pior, como chegou a acontecer com o bot da Microsoft no Twitter.
Este debate se concentrará na propriedade dos dados - quais dados possuímos sobre nós mesmos e quais dados empresas como Google, Facebook , Amazon, Uber, etc possuem sobre nós, capazes de gerar enormes conjuntos de dados que alimentariam nossos modelos ".

A IA deve resolver o problema da "caixa preta" com trilhas de auditoria
Uma das grandes barreiras para a adoção da IA, particularmente nas indústrias reguladas, é a dificuldade em mostrar exatamente como uma IA chegou a uma decisão. Negahban, da Kinetica, diz que a criação de trilhas de auditoria de IA será essencial.
"A IA está sendo aplicada cada vez mais a aplicações como a descoberta de medicamentos ou controle do carro autônomo, e essas aplicações podem ter um impacto prejudicial na vida humana se uma decisão incorreta for tomada", diz Negahban. "Detectar exatamente o que causou a decisão incorreta, que provoque um problema sério, é algo que as empresas começarão a olhar em 2018. A auditoria e o rastreamento de cada entrada e cada pontuação que uma estrutura produz ajudará a detectar o qu exatamente  acabou por causar o problema, a nível de código."

A adoção da nuvem irá acelerar para apoiar a inovação em IA
Horia Margarit, principal cientista de dados para Qubole, concorda que as empresas procurarão melhorar suas infraestruturas e processos para apoiar a aprendizagem de máquinas e os esforços de IA.
"À medida que as empresas procuram inovar e melhorar com o Machine Learning e a Inteligência Artificial, ferramentas mais especializadas serão adotadas na nuvem para suportar casos específicos de uso, como soluções para mesclar entradas sensoriais multimodais para interação humana (através dos cinco sentidos) ou soluções para fundir imagens de satélite com dados financeiros para catapultar capacidades de negociação algorítmica ", diz Margarit.
"Esperamos ver uma explosão em soluções baseadas na nuvem que acelerem o ritmo atual de coleta de dados e demonstrem a necessidade de computação disponível em provedores de nuvem gerenciada", acrescenta.

Fonte: IDGNow!