O setor de TI tem um caso grave de conformidade com o Buzzword. Agora é obrigatório que as empresas apresentem palavras como “aprendizado de máquina,” “inteligência artificial,” ou “aprendizagem profunda” para revigorar qualquer conversa em torno de análises.

Infelizmente, isso pode dificultar a compreensão dos benefícios reais que a última evolução em análise pode trazer.

Jargão desmistificado

Para ajudar os não iniciados, vamos começar explicando alguns dos jargões:

Inteligência artificial (IA) é uma capacidade. John McCarthy usou pela primeira vez o termo em 1956 para descrever máquinas que são capazes de realizar tarefas que são características da inteligência humana..

O aprendizado de máquina (ML) é um processo. Arthur Samuel cunhou o termo em 1959 para descrever a variedade de métodos computacionais capazes de criar inteligência artificial, aprendendo e realizando tarefas específicas sem ser explicitamente programado para fazê-lo..

Aprendizagem profunda (DL) é uma técnica ML específica. Muitos outros existem. Quando as pessoas dizem que são “fazendo AI” ou “pesquisando DL,” essencialmente, eles estão fazendo aprendizado de máquina.

O aprendizado de máquina em sua essência é apenas mais uma ferramenta na caixa de ferramentas de análise. Mas não vamos subestimar sua importância. Feito corretamente, o aprendizado de máquina amplia nossa capacidade de prever e tomar decisões em uma ampla gama de casos de uso do que até então possível.

Quando se trata de incorporar inteligência à empresa, muitas vezes é em torno de previsão e tomada de decisão. É amplamente reconhecido que as empresas precisam evoluir para além da simples análise dimensional, como painéis, e desenvolver uma capacidade preditiva para alcançar resultados de negócios cada vez mais valiosos..

Por que aprendizado de máquina?

Felizmente, a matemática fornece alguns métodos altamente eficazes para ajudar a resolver problemas complexos de previsão e tomada de decisão. Então, surge a questão: se já temos métodos efetivos disponíveis, qual é o aprendizado de máquina??

A NASA conseguiu prever o comportamento dos satélites tão bem que ainda está controlando-os a uma distância de 21 bilhões de quilômetros, 41 anos depois de terem sido lançados. Portanto, você pensaria que resolver problemas de negócios terrestres seria uma coisa fácil. Mas isso não é necessariamente o caso.

Para tomar uma decisão sensata ou uma previsão precisa, é preciso ter um modelo - uma compreensão do problema que precisa ser abordado. Embora os problemas da NASA pareçam absurdamente intratáveis, eles são capazes de resolvê-los porque séculos de aprendizagem científica lhes forneceram os modelos necessários, expressos como equações matemáticas. Técnicas analíticas clássicas são incrivelmente eficazes quando temos uma compreensão matemática completa do problema.

Aprendizado de máquina x analítica

Por outro lado, rapidamente perdemos o controle analítico quando nos falta essa compreensão matemática do problema. Quer encontrar uma equação para descrever como a gravidade se comporta? Sem problemas. Precisa encontrar uma equação para determinar como um grupo de consumidores se comporta? Boa sorte! É aqui que o aprendizado de máquina agrega valor. Ele permite que a humanidade encontre soluções para problemas que não entendemos suficientemente bem para usar métodos analíticos existentes..

Os métodos de aprendizado de máquina diferem porque os modelos que eles constroem são invariavelmente simples, precisando apenas compreender o problema específico em questão. Esses modelos são derivados diretamente de observações de conjuntos de dados relevantes aos quais estão expostos e não de séculos de aprendizado científico..

O aprendizado de máquina não deve ser visto como um substituto para abordagens analíticas clássicas. Pelo contrário, é uma extensão útil para permitir que respostas mais precisas sejam obtidas para perguntas existentes, ou tipos completamente novos de perguntas sejam feitas. Em uma caixa de ferramentas composta por ferramentas específicas, o aprendizado de máquina é o canivete suíço. Com suas multi-funções, não é uma ferramenta que o artesão analítico especializado deve procurar imediatamente, mas uma que eles estão felizes em ter quando todas as ferramentas convencionais se mostraram inadequadas..

Paul Fermor, diretor de soluções do Reino Unido em Software AG

  • Também destacamos as melhores plataformas de inteligência artificial para empresas