Google quer eliminar “trabalho braçal” da Inteligência Artificial

A Inteligência Artificial (AI) já está transformando em ritmo acelerado o modo de produção das empresas, do campo à indústria, impulsionada pela quantidade de dados disponíveis e pela capacidade de processamento computacional. Mas há uma ironia para os profissionais da área: a inteligência é artificial, só que a implementação ainda é bem manual.

A tarefa de criar modelos preditivos, com a modelagem de dados complexos e operações de Machine Learning, envolve guias, tentativa e erro, palpites, um esforço cerebral e quase braçal. Para as empresas, a construção desse tipo de mecanismo exige a contratação de profissionais altissimamente capacitados, um investimento que muitas não conseguem fazer.

Mas isso está começando a mudar. O divisor de águas neste aparente atoleiro é o “aprendizado de máquina automatizado” (“automated machine learning”, em inglês). O chamado AutoML está eliminando o monopólio que os cientistas de dados altamente treinados têm sobre a Inteligência Artificial, porque permite que não especialistas trabalhem com partes dessa tecnologia que antes eram proibidos para eles. E, além disso, permite que os cientistas de dados trabalhem de forma mais inteligente.

“A tecnologia do AutoML tem a audácia de democratizar a inteligência artificial”, afirma em artigo o especialista Andrew J. Brust, da consultoria de tecnologia GigaOm. “Ela desmistifica o trabalho, cria uma uniformidade em torno dela, adiciona rigor e aumenta a eficiência, fazendo com que não especialistas sejam capazes de trabalhar com inteligência artificial e permitindo que os especialistas se concentrem na próxima fronteira. ”

Nos últimos meses, têm surgido algumas ferramentas que prometem automatizar ao menos parte do processo. Uma das mais conhecidas e completas é a AutoML, do Google. A tecnologia tem como base uma ferramenta de reconhecimento de imagens chamada NAS (Neural Architecture Search), da própria empresa. O sistema funciona a partir das chamadas “redes neurais”: algoritmos capazes de aprender por conta própria ao analisar dados. Por exemplo: ao observar milhões de padrões em fotos de um determinado animal, a tecnologia aprende a reconhecê-lo.

Automated Machine Learning é uma solução baseada nas “redes neurais”, algoritmos que aprendem sozinhos a interpretar dados

O que o AutoML do Google faz é – baseado em um conjunto de dados – escolher a melhor rede neural para realizar uma determinada tarefa sobre aquela base de informações. Isso de forma automatizada, sem exigir grandes conhecimentos de Inteligência Artificial. Muitas empresas precisam desse tipo de mecanismo para tarefas mais simples, como classificar imagens, então elas podem não precisar mais de um profissional altamente qualificado para realizar a operação. Apenas alguém que consiga organizar os dados.

O sistema está integrado ao serviço de computação em nuvem da empresa, o Google Cloud. Isso facilita o processo de exportar os dados, “treinar” o sistema para a realização da tarefa, e automatizá-la.

Aplicação prática

A experiência de um cientista de dados japonês ajuda a ilustrar como o sistema funciona, apesar de ainda não ter uso nos negócios. Foi um teste, digamos, delicioso. Você conseguiria dizer de qual restaurante é a foto de um determinado prato, sem nunca ter comido lá? Foi para exatamente isso que Kenji Doi treinou o sistema. Ele coletou em torno de 1.200 fotos de cada uma das 41 unidades da Ramen Jiro, uma rede de comida japonesa. Depois, alimentou o sistema com 48 mil fotos de lamen. Após cerca de 24 horas de treinamento, o AutoML conseguiu prever, com 95% de acerto, de qual restaurante veio cada tigela de lamen.

E já há exemplos reais de negócios que têm usado a plataforma para trabalhar melhor com inteligência artificial – e já na ponta final, no contato com o consumidor. É o caso do Mercari, um aplicativo japonês para a compra e a venda de produtos entre os usuários. Quando um vendedor faz o upload da imagem do produto, o sistema já sugere qual é a marca do fabricante.

Inicialmente, a empresa estava usando um sistema próprio, que acertava a opção correta com 75% de acerto. A companhia, decidiu, então, usar o AutoML. A ferramenta foi “treinada” com o uso de 50 mil imagens de produtos e elevou o nível de acerto para 91,3%.

Outras marcas como Urban Outfitters e Disney também estão usando a ferramenta em suas plataformas de e-commerce. Os produtos agora são categorizados de forma mais detalhada, para ajudar os consumidores a encontrar o que eles estão precisando.

Texto: Pedro Araújo

Foto: Unspash