O que você precisa saber sobre Machine Learning?

Quando entramos na internet, basta fazer uma rápida pesquisa sobre qualquer produto para que, na sequência, inúmeras ofertas de sites de compra apareçam como recomendações. Checamos a distância entre um ponto e outro da cidade no aplicativo de geolocalização e ele indica o melhor caminho para o trajeto, conforme o trânsito naquele momento. Abrimos a tela inicial do serviço de streaming utilizado para escutar músicas e/ou assistir a filmes e séries, e ele nos apresenta uma lista de sugestões relacionadas ao histórico de acessos anteriores. 

Esses são apenas alguns exemplos de como o Machine Learning, Aprendizado de Máquina na tradução para o português, está presente no nosso dia a dia, em ações tão triviais que muitas vezes podemos nem nos atentar a ela.

Muitas vezes, as tecnologias de Inteligência Artificial (IA) e Machine Learning (ML) são tratadas como sinônimos, mas não são exatamente a mesma coisa. A ML é considerada um subcampo, um subconjunto, dentro da IA. Assim, todo Aprendizado de Máquina é uma Inteligência Artificial, mas nem toda Inteligência Artificial é Aprendizado de Máquina.

A tecnologia de ML permite que as máquinas aprendam por si mesmas e tomem decisões (ou façam recomendações), aperfeiçoando-se de forma automática conforme executam novas ações, com base em dados ou experiências anteriores, sem a necessidade de novas intervenções humanas. Os procedimentos que vão sendo realizados pela máquina são registrados e ficam “guardados” em um banco de dados, e funcionam como uma memória que é acionada em oportunidades futuras, para indicar comportamentos, sugerir atitudes, etc., a partir dos resultados anteriores. A estratégia foi pensada copiando um comportamento semelhante ao cérebro humano, como o que acontece com uma criança, que aprende observando, testando, errando e tirando conclusões, ou seja, aprendendo. Por isso, o termo Aprendizado de Máquina.

Muitas dessas soluções também podem avaliar o próprio desempenho, realizar análises estatísticas, fazer previsões e pressupor respostas mais precisas, a partir de modelos de treinamento. Esses processos acontecem por meio de Big Data e algoritmos matemáticos, estatísticos e computacionais, que identificam padrões de dados e criam conexões entre si.

E qual a aplicabilidade disso tudo?

O Aprendizado de Máquina tem uma capacidade impressionante de automatização dos processos, por isso tem sido amplamente utilizado em empresas de diferentes portes, tanto privadas quanto públicas. E nas mais variadas áreas, como comércio, mercado financeiro, mobilidade, indústria automotiva, marketing, telecomunicações, cibersegurança, medicina, agronegócio, meteorologia, entre outros. 

Além dos exemplos mencionados no início do artigo, as soluções de ML vão desde ferramentas aparentemente simples, como o recurso que sugere textos e completa as frases enquanto se está digitando, por exemplo, a pesquisa em um buscador que indica expressões. Até programas desenvolvidos para evitar fraudes em sistemas de pagamentos e garantir a segurança de transações financeiras, como quando uma movimentação bancária não usual é identificada e o cliente é notificado por mensagem para confirmar que executou a ação.

As possibilidades que os sistemas de ML oferecem são múltiplas. Uma das caraterísticas que tem mobilizado as empresas públicas e privadas se refere à capacidade de estar próximo dos usuários e clientes, conhecer suas rotinas, entender melhor seus comportamentos e quem são essas pessoas. Por meio dos algoritmos, é possível analisar dados de fontes variadas, como as redes sociais, históricos de buscas em navegadores, entre outros, e estabelecer perfis a partir de determinados interesses e características, como localização, faixa etária, escolaridade, atuação profissional, entre outros. Além disso, ferramentas como chatbots permitem contato imediato e, praticamente, irrestrito entre as empresas e os usuários, para tirar dúvidas, enviar informações, divulgar serviços, o que pode resultar em melhorias no relacionamento e nas entregas.

Evidente que os próximos anos serão de avanços imensuráveis para as tecnologias de Machine Learning, com iniciativas que já estão crescendo de forma exponencial. As previsões sugerem carros autônomos, entregas com drones, robôs assistentes, entre outras possibilidades que, há poucas décadas, pareciam futuristas demais para serem realidade. 

O Centro de Informática e Automação do Estado de Santa Catarina (CIASC), por sua essência e visão comprometida com o bem público, tem acompanhado o desenvolvimento de pesquisas e a aplicação de soluções em ML que estão acontecendo nacional e internacionalmente. Pela responsabilidade com os governos e os cidadãos catarinenses, a empresa tem atuado de forma significativa, e segue expandindo sua participação, na entrega de sistemas que retornam em serviços mais ágeis e efetivos para a população, utilizando inovações e tendências tecnológicas como a Inteligência Artificial e o Aprendizado de Máquina.

Referências:

Computação Brasil, número 39 – Revista da Sociedade Brasileira de Computação. Especial Machine Learning. Porto Alegre: Sociedade Brasileira de Computação, 2019.

Computação Brasil, número 43 – Revista da Sociedade Brasileira de Computação. Porto Alegre: Sociedade Brasileira de Computação, 2020.

Tabita Strassburger – Bolsista da Fundação de Amparo à Pesquisa e Inovação do Estado de Santa Catarina (FAPESC), no Programa de Pesquisa e Implantação de Sistema de Inovação do CIASC.