A confiabilidade da inteligência artificial (II)

“A robot can acquire thousands of pieces of information about its environment through its sensors in a second—more accurate and detailed information than you or I ever could—and it will still drive off a cliff or into a wall unless you tell it not to. Robots are not really stopping at a wall. They are stopping (if you remember to tell them to) when they sense something using a very particular sensor”

Sensors and the Environment (Robotics)
Ian Chow-Miller

[dropcap]A[/dropcap] quarta área-chave contende com a localização e rotulagem tendo em vista ensinar as máquinas. A IA responde à grande questão sobre os dados, que foram definidos em 2018, ou seja como transformá-los em valor. A principal prioridade de dados relacionados à IA para 2019, é integrar os sistemas de IA e de análise para obter informações de negócios a partir dos dados, o que constitui um objectivo realista. A IA pode ser usada com dados e análises para gerir melhor os riscos, ajudar os trabalhadores a tomar decisões mais eficientes e automatizar as operações dos clientes. Todavia existe uma grande dificuldade, pois as pesquisas indicam que as empresas não estão a fornecer a base que a IA precisa para ter sucesso.

É de considerar que menos de um terço dos líderes empresariais afirmam que os dados de rotulagem são uma prioridade para os seus negócios em 2019. A grande questão é de saber como a IA aprende. A aprendizagem de máquina para detectar padrões significativos no presente e prever o futuro, deve passar por um processo de ensino e mostrar dados históricos suficientes sobre o comportamento do consumidor, por exemplo, se eventualmente será capaz de prever como esses consumidores se comportarão no futuro. Mas, para criar conjuntos de dados necessários para o treino é necessário rotular os dados, e um exemplo simplificado é determinar se um consumidor está satisfeito ou não.

É de atender que para que esses conjuntos de dados possam ajudar a suportar a IA em toda a empresa (os consumidores podem interagir com mais de uma linha de negócios) é preciso criar padrões para rotulá-los de forma consistente. Um AI CoE pode criar e monitorizar padrões de dados, bem como desenvolver sistemas e processos que facilitam os trabalhadores a criar conjuntos de dados rotulados e úteis para uso futuro. A questão de novas ferramentas para preencher as lacunas passa pelo facto de que mesmo com uma melhor governança de dados, haverá desafios. Alguns problemas de negócios têm soluções de IA que exigem dados de treino que as empresas podem não ter disponíveis, mas novas técnicas de aprendizagem de máquinas simples e alargadas podem permitir que a IA produza os seus próprios dados com base em algumas amostras. e também podem transferir modelos de uma tarefa com muitos dados para outra que não tenha dados.

Às vezes, a IA pode sintetizar os seus dados de treino usando técnicas como aprendizagem por reforço, aprendizagem activa, redes geradoras de adversários e gémeos digitais. As simulações baseadas em probabilidades, também podem criar dados “sintéticos” que podem ser usados para treinar a IA. Há que dar atenção à política, pois o cenário da política da IA ainda está a dar os primeiros passos e muitos formuladores de políticas, vêem esse momento como o início de uma corrida armamentista da IA que precisa de financiamento público e desregulamentação, enquanto outros estão a pedir directrizes abrangentes que abordem algoritmos éticos.

O Regulamento Geral sobre a Protecção de Dados (RGPD) (UE) 2016/679, é um regulamento de direito europeu sobre a privacidade e protecção de dados pessoais, aplicável a todos os indivíduos na EU e Espaço Económico Europeu (EEE). Regulamenta também a exportação de dados pessoais para o exterior da UE e EEE. O RGPD tem como objectivo dar aos cidadãos e residentes, formas de controlar os seus dados pessoais e unificar o quadro regulamentar europeu e a Lei de Privacidade do Consumidor da Califórnia (CCPA na sigla em língua inglesa) são legislações diferenciadas, mas dão aos indivíduos o direito de ver e controlar como as organizações recolhem e usam os seus dados pessoais, bem como reclamarem, recorrerem ou demandarem caso sofram danos devido a violações da segurança cibernética.

As empresas devem adoptar uma abordagem global para questões reguladoras, harmonizando equipas que estão a ajudar a moldar políticas em diferentes jurisdições e a abordar a conformidade, aplicando as práticas recomendadas globalmente e de acordo com o GDPR, por exemplo, mesmo que sua empresa não tenha operações na Europa, estará disposto a fazer uso de práticas do CCPA e outras regulamentações futuras. A quinta área-chave diz respeito à reinvenção, monitorizando a IA através da personalização e maior qualidade.

O aumento do limite superior e inferior do conhecimento e produtividade com a IA não é um sonho distante e muitas empresas estão a usar a IA para melhorar as operações e aperfeiçoar a experiência do cliente, mas em 2019, vários deles planearão ou desenvolverão novos modelos de negócios baseados em IA e investigarão novas oportunidades de rendimento, bem como muitos cultivarão esses novos negócios em partes separadas da sua organização, distintos dos CoEs que são mais focados internamente.

Os maiores ganhos da IA, vêm de melhorias na produtividade, pois as empresas usam a IA para automatizar processos e ajudam os trabalhadores a tomarem melhores decisões. A maioria do impacto económico da IA virá do lado do consumo, através de produtos e serviços de alta qualidade, mais personalizados e mais orientados a dados. A saúde, venda a retalho e indústria automobilística podem ter benefícios imediatos. A IA na saúde, por exemplo, poderá permitir novos modelos de acordos baseados na monitorização de dados de estilo de vida do paciente; diagnósticos mais rápidos e precisos de cancro e outras doenças, bem como seguro de saúde personalizado e adaptativo. Os vendedores a retalho estão a usar a IA para antecipar tendências e orientar os negócios com o fim de atingir os seus objectivos. A próxima fase é a venda a retalho hiper-personalizada, pois a IA e a automação tornam viável aos vendedores a retalho oferecer um número crescente de produtos ou serviços feitos especificamente para um indivíduo.

A partir do terceiro trimestre de 2018, existiam novecentas e quarenta empresas de IA nos Estados Unidos. O investimento em capital de risco nos Estados Unidos, que é privado, abrange setecentas e noventa empresas, representando seis mil milhões e seiscentos milhões de dólares nos três primeiros trimestres de 2018, comparados com os três mil milhões e novecentos milhões de dólares no mesmo período de 2017, e nem todo esse dinheiro está a fluir da estrada arterial no oeste do Vale do Silício, Califórnia, e das empresas de capital privado, pois os valores recordes vêm de corporações, seja através de recursos de capital de risco ou investimentos directos.

É de considerar que em 2018, cerca de novecentos e trinta e oito milhões de dólares foram investidos por empresas que procuram investir fora do desenvolvimento da IA. O investimento, para desenvolver a IA, é uma tendência que se prevê de aceleramento, mas não o suficiente. Apenas 8 por cento das empresas americanas estavam a fazer investimentos directos e significativos em IA e outras 52 por cento das empresas americanas procuravam aquisições ou alianças, em 2018.

A sexta área-chave refere-se à convergência que combina a IA com a Inteligência Analítica e a IoT. O poder da IA cresce ainda mais quando é integrado a outras tecnologias, como a Inteligência Analítica, Planeamento de Recurso Corporativo (ERP na sigla em língua inglesa), (IoT), Protocolo da Confiança e até eventualmente, Computação Quântica. Os benefícios dessa tendência de convergência não se limitam à IA, que é de onde os maiores ganhos de todas as oito tecnologias essenciais virão, sem descurar que 36 por cento dos líderes empresariais afirmam que gerir a convergência da IA com outras tecnologias é um dos principais desafios da IA para 2019, colocando-a em pé de igualdade com a reciclagem de trabalhadores, abaixo da garantia da confiança na IA. Ajudar a análise avançada, preditiva e de fluxo de média a evoluir ainda mais com IA é uma prioridade comum.

A convergência pode tornar os novos modelos de negócios baseados em dados mais poderosos. A IoT também pode colher grandes benefícios quando combinada com a IA. Uma grande empresa pode em breve ter milhões de sensores de IoT, reunindo informações de equipamentos comerciais e dispositivos de consumo. A IA e a análise desempenharão um papel crítico na localização de padrões nessa onda de dados para suportar tudo, desde a manutenção de sistemas até à penetração de marketing. A IA incorporada contém os conjuntos de componentes electrónicos da IA directamente ligados aos dispositivos de IoT para criar inteligência local, ajudará a enfrentar esse desafio.

A integração bem-sucedida da IA com outras tecnologias começa com os dados. As organizações que investiram na identificação, agregação, padronização e rotulagem de dados, com a infra-estrutura de dados e o seu armazenamento como respaldo estarão bem posicionadas para combinar IA com análises, o IoT e outras tecnologias. No entanto, para integrar a IA a outros sistemas corporativos, os especialistas terão que convergir também. Em vez de cientistas de dados concluírem um algoritmo e depois entregá-lo a um especialista em TI para codificar uma Interface de Programação de Aplicações (API na sigla em língua inglesa) ou enviá-lo para alguém da empresa que o aplicará, devem trabalhar juntos desde o início do processo.

A grande parte da resposta envolve técnicas de Desenvolvimento e Operações (DevOps), que colocam equipas de desenvolvimento e operações em um ciclo de retorno da informação ou processo para colaboração constante e mudanças interactivas para novos produtos. A outra parte envolverá a criação de novas funções para os trabalhadores servirem como tradutores e contactos entre as várias equipas. É importante considerar como é a IA integrada a tecnologias e sistemas avançados que funcionam ininterruptamente, em que os seus algoritmos precisarão de um fluxo contínuo de novos dados para aprender. Caso contrário, os modelos de IA estarão a trabalhar com dados desactualizados, o que prejudicará o desempenho da IA.

Os modelos também precisarão de testes, actualizações e substituições regulares. O presente ano é o tempo de se pensar em ocupar e estabelecer a estratégia da IA. A IA precisará da sua estrutura organizacional e planos de força de trabalho; algoritmos confiáveis e dados correctos para treinar esses algoritmos; um plano para reinventar o negócio e aumentar a receita e os lucros; e convergência com outras tecnologias existentes e emergentes. É uma lista de tarefas ambiciosa. Mas as empresas que estabelecem as suas prioridades também se diferenciam.