Realidade e equívocos sobre o futuro da Inteligência Artificial (IA).

Um mergulho profundo em quatro afirmações recorrentes sobre a IA.

A IA tem claramente um papel fundamental a desempenhar no mundo dos negócios – agora e no futuro. Possui um potencial sem precedentes para ganhos de eficiência e novos modelos de negócio. Como a IA é diferente de qualquer outra tecnologia, também tem o potencial de consequências inesperadas e perturbações a uma escala sem precedentes. Nenhuma empresa deve empregar IA cegamente e sem estratégia, e nenhum conselho de administração responsável pode dar-se ao luxo de não se envolver com e compreender o seu potencial.

A inteligência artificial (IA) está a mudar a forma como as máquinas e as pessoas trabalham em conjunto. Está a melhorar as interacções dos clientes em todas as indústrias e a impulsionar melhorias operacionais e de processos. Mais de 40% das empresas esperam que a IA seja uma “mudança de jogo”. Por exemplo, o governo alemão também quer acelerar a adopção e desenvolvimento de tecnologias de IA. Planeia investir 3 mil milhões de euros em investigação AI até 2025.  Mas 77% das empresas também dizem que a adopção de empresas é um desafio. Até à data, poucas salas de reunião estão dispostas a pesar os riscos e oportunidades associados à IA.

A IA é diferente de outras inovações tecnológicas. Para ter uma imagem mais completa das capacidades e oportunidades disponíveis, neste artigo dirijo-me a quatro declarações que os clientes me dirigem com mais frequência:

“A IA impulsiona a inovação e o sucesso das empresas”.

No centro da IA e de outras tecnologias de ponta estão os dados. Normalmente não há falta de dados a este respeito; há mais do que o suficiente nesta era de aumento do volume de dados. De acordo com o Statista, o grande mercado global de dados crescerá para 103 mil milhões de dólares até 2027, mais do que duplicando a dimensão do mercado em 2018.

Os modelos de IA dependem da qualidade dos dados, para além da quantidade, que deve ser assegurada.  Além disso, o desafio para a maioria das organizações é capturar e criar correlações significativas de dados armazenados em silos em toda a empresa, dados de fontes externas, e dados que são transferidos para a empresa em tempo real.

A gestão de grandes dados requer um compromisso a longo prazo e planeamento para lidar com o crescimento futuro. Pensar demasiado pequeno pode demorar muito tempo para que um investimento em IA possa ser economicamente compensado e fazer o negócio funcionar.

Escolher a plataforma errada, ferramentas ou má integração pode também desperdiçar tempo valioso e acrescentar custos e complexidade significativos à implementação e gestão contínua. As estratégias de governação e segurança a nível da empresa são fundamentais para evitar questões regulamentares e de conformidade ao desenvolver novas tecnologias. Tal como em outras áreas, a tecnologia da IA está a evoluir mais rapidamente do que a regulamentação. Mas a evolução dos dados (por vezes concebidos numa base país a país) e os regulamentos de AI irão aumentar. Uma vez que nenhum conselho de administração responsável se pode dar ao luxo de permanecer despreparado mas de tirar partido do potencial, é uma consideração, por exemplo, incluir a estratégia AI na avaliação anual das políticas de ética e conduta a nível de toda a empresa.

“IA significa uma revolução na inteligência”.

Embora a IA tenha crescido a passos largos recentemente, continua a ser apenas ‘inteligente’ no sentido mais estrito da palavra. Seria provavelmente mais útil pensar no que alcançámos como uma revolução nas estatísticas computacionais, em vez de uma revolução na inteligência.

Até agora, a maior parte do progresso tem estado no que é frequentemente chamado ‘narrow AI’ (alemão: schwache Künstliche Intelligenz). Técnicas de aprendizagem de máquinas são utilizadas para desenvolver algoritmos e sistemas para resolver problemas específicos, tais como o processamento da linguagem natural.

Os problemas mais complexos situam-se na área da chamada “IA geral”. O desafio é desenvolver uma IA que possa resolver problemas gerais da mesma forma que os humanos. Muitos investigadores acreditam que isto ainda está a décadas de se tornar uma realidade.

Neste momento, preocupar-se com a IA maligna é um pouco como preocupar-se com a superpopulação em Marte. O maior perigo aqui é mais os próprios humanos. Nenhum objecto ou algoritmo é intrinsecamente bom ou mau. É a forma como são usados que importa. Uma impressora 3D pode imprimir próteses ou mesmo armas. O GPS foi inventado para disparar mísseis nucleares e agora ajuda a entregar pizzas. Formar uma opinião sobre um algoritmo significa compreender a relação entre o ser humano e as máquinas.

“A decisão de um algoritmo não pode ser rastreada”.

Os algoritmos baseados em regras contêm instruções escritas por humanos e são, portanto, fáceis de compreender.  Teoricamente, qualquer pessoa pode abri-los e seguir a lógica do que acontece no seu interior. Mas os algoritmos baseados em regras têm um grande inconveniente: só funcionam para os problemas para os quais os humanos sabem como escrever instruções. Têm também uma escalabilidade limitada. Os algoritmos de aprendizagem de máquinas, por outro lado, acabam por ser notavelmente bons em problemas em que a elaboração de uma lista de instruções não funciona. O caminho que a máquina toma para o resolver muitas vezes não faz muito sentido para um observador humano.

“A inteligência artificial (IA) é altamente propensa a erros e dados de skews”.

Há um paradoxo excitante na relação humana com as máquinas. Embora muitas pessoas tenham demonstrado confiar demasiado em coisas que não compreendem, rejeitam algoritmos assim que sabem que um algoritmo pode cometer erros. Isto é conhecido pelos investigadores como aversão ao algoritmo. As pessoas são menos tolerantes aos erros de um algoritmo do que aos seus próprios erros – mesmo que os seus próprios erros sejam maiores.

Os sistemas de IA são apenas tão bons como os dados que lhes colocamos. Dados de má qualidade ou má qualidade de dados podem também conter preconceitos raciais, de género, ou ideológicos implícitos. Imagine o impacto na marca de um fornecedor de crédito se se descobrisse que este rejeita rotineiramente candidaturas devido a enviesamento na sua formação AI. Por conseguinte, é fundamental desenvolver e treinar estes sistemas com dados imparciais, e desenvolver algoritmos que sejam fáceis de explicar. Vários grupos de investigação, incluindo a IBM Research, já estão a desenvolver métodos para reduzir o viés (“viés”) que pode estar presente num conjunto de dados de formação.

Além disso, para criar confiança entre o ser humano e as máquinas, precisamos de adoptar políticas e investir em sistemas que promovam o co-desenvolvimento e a aprendizagem partilhada. Por exemplo, as Directrizes Éticas para uma Gripe Fiduciária, produzidas pelo Grupo de Peritos Independentes sobre a Gripe Aviária da Comissão Europeia, fornecem um conjunto de novos princípios para as empresas que operam na União Europeia. medida que cada vez mais produtos e software incorporam inteligência de máquina, devemos procurar formas de construir ciclos de aprendizagem virtuosos e éticos entre a empresa que a produz e as pessoas que a utilizam.

A IA tem claramente um papel fundamental a desempenhar nos negócios – agora e no futuro. Possui um potencial sem precedentes para ganhos de eficiência e novos modelos de negócio. Como a IA é diferente de qualquer outra tecnologia, também tem o potencial de consequências inesperadas e perturbações a uma escala sem precedentes. Nenhuma empresa deve empregar IA cegamente e sem estratégia, e nenhum conselho de administração responsável pode dar-se ao luxo de não se envolver com e compreender o seu potencial.

Britta Daffner ist seit über einem Jahrzehnt in der Technologie- und Daten-Industrie zu Hause. Ihr Credo: Innovation und Digitalisierung von Unternehmen vorantreiben – durch Technologie und Führung. Dafür befähigt sie als Abteilungsleiterin im Bereich „Artificial Intelligence & Data Science“ in der Beratungssparte von IBM Unternehmen dabei, das volle Potential aus Daten zu nutzen. Daneben ist sie Autorin des Buches "Die Disruptions-DNA, sowie Coach und Mentor von Leadern, die in der Konzern- und Wirtschaftswelt etwas verändern wollen.

Comentários estão fechados.

This website uses cookies to improve your experience. We'll assume you're ok with this, but you can opt-out if you wish. Accept Read More