8 mitos sobre inteligência artificial e a realidade por trás deles

A IA vai extinguir empregos? E, afinal, empresas precisam de uma estratégia de IA? Analisamos alguns mitos e verdades

As máquinas com consciência têm feito parte das ficções de Hollywood há décadas, despertando medo sobre as consequências da tecnologia. De fato, a ascensão da inteligência artificial e do aprendizado de máquina nos últimos anos não tem ajudado, e mesmo as pessoas que deveriam saber melhor sobre o assunto estão cedendo aos receios. Seja como for, muitos dos sentimentos negativos sobre a IA ​​vêm da imaginação hiperativa de que as máquinas imitarão os nossos próprios maus comportamentos.

Filmes à parte, existem algumas perguntas e respostas racionais sobre o assunto. Então, vamos dividir os mitos e a realidade em torno da IA ​​e todas as suas ramificações, como aprendizado de máquina e deep learning.

Mito: A IA vai extinguir empregos

Realidade: A IA mudará as funções existentes e criará novas.

Esse é o maior medo – e é legítimo. A IA está sendo usada para automatizar muitas funções repetitivas em áreas tão diversas quanto atendimento ao cliente, gerenciamento de datacenter e radiologia. Isso significa que os administradores do servidor estão sem trabalho? Não, isso significa que eles estão livres para trabalhar em atividades mais desafiadoras.

Algumas indústrias podem ser impactadas e alguns trabalhadores podem ser deslocados, mas isso acontece constantemente e regularmente. A revolução industrial do final do século XIX causou mudanças maciças. O carro deixou a indústria de cavalos fora do mercado, por exemplo.

“O que acontecerá às pessoas cujos empregos serão substituídos pela IA? Elas passarão a fazer outros trabalhos. Fizemos isso por toda a história da humanidade. Isso não é novidade”, disse David McCall, vice-presidente de inovação da operadora de data center QTS.

“Com base em todo o trabalho que estamos fazendo com grandes empresas, estamos vendo um deslocamento de profissionais de conhecimento de nível inferior”, explicou Anthony DeLima, chefe de transformação digital e operações nos EUA da Neoris. “A IA está automatizando uma série de tarefas realizadas por profissionais, opera 24 horas por dia, 7 dias por semana, com um nível de precisão mais alto e também fornece insights e perspectivas futuras para onde os clientes ou o mercado estão indo”, acrescentou DeLima. “Portanto, em alguns casos, o nível de previsão da IA ​​excede o que as pessoas podem fazer.”

Mito: A IA é mais inteligente que as pessoas

Realidade: a IA é tão inteligente quanto quem a programa. “Acho que o mecanismo mais inteligente do mundo é o cérebro humano e não vamos construir uma IA mais inteligente do que ele. A IA não é senciente, não é consciente e não acho que seja mais inteligente do que nós”, afirmou McCall.

Não há inteligência artificial sem pessoas. Os seres humanos que criam os algoritmos e as informações que compõem a IA. Nós a construímos, ensinamos e fornecemos as ferramentas para tomar certas decisões em nosso nome.

“Estreitamente, a IA pode ser usada em alguns círculos para tomar decisões mais rapidamente que os humanos. Isso não significa que as decisões sejam sempre corretas, ponderadas ou que sempre forneçam o resultado certo”, declarou McCall. “A IA tem consciência social? Algumas decisões só podem ser tomadas por humanos.”

Mito: AIOps é predominantemente baseado no gerenciamento de eventos

Realidade: Talvez no começo, mas está evoluindo.

“A onda inicial de AIOps revolucionou nossos sistemas de gerenciamento de eventos para reduzir o ruído com base em alertas correlatos, como no agrupamento de alertas semelhantes”, disse Ciaran Byrne, vice-presidente de estratégia de produtos da OpsRamp. Esse foi um passo significativo, pois o ruído há muito tempo atrapalha a usabilidade dos sistemas de gerenciamento de eventos.

Mas benefícios ainda maiores estão por vir. “A próxima onda foi ampliada para outras áreas das operações de TI, como automação e monitoramento / observabilidade”, disse Byrne. “As aplicações incluirão roteamento inteligente de tickets ou automação com base em padrões aprendidos.”.

Mito: As empresas não precisam de uma estratégia de IA

Realidade: Ah sim, você precisa

O QTS prevê que, na próxima década, não haverá organização, setor ou segmento de negócios livres do impacto da IA. É uma proposta arriscada não ter um plano de IA porque a sua concorrência certamente terá – e eles serão capazes de responder às mudanças do mercado muito mais rapidamente.

Jay Marwaha, CEO da SYNTASA, desenvolvedor de software de análise comportamental para interações com clientes e dados comportamentais, concorda. “Os clientes com os quais lidamos sentem que a IA é a próxima grande tecnologia que as empresas devem adotar para aumentar a sua lucratividade imediatamente ou reduzi-la”, declarou.

Quanto impacto a IA tem depende de como as empresas a utilizam. Aquelas que usam a IA para efeito total se saem muito bem. “Muitas empresas não entendem o cenário todo. Elas veem as palavras da moda, ouvem outras empresas tirando vantagem disso”, explicou Marwaha. “Os retornos nem sempre são grandes, mas em alguns casos, são enormes.”

Mito: A IA tomará decisões e fará diagnósticos médicos

Realidade: Sim, mas a IA não terá a última palavra

Hoje, os radiologistas são especialistas na avaliação de raios-X, ressonância magnética, tomografia computadorizada e outras imagens médicas. Um dos maiores esforços da IA ​​é ensinar classificadores de imagem a reconhecer anormalidades como tumores. A IA tem a capacidade de digitalizar milhões de imagens para aprender a interpretar as informações de maneira mais rápida e completa do que qualquer humano poderia fazer.

No entanto, um médico ou radiologista ainda terá a palavra final para determinar um diagnóstico. A questão é que esse diagnóstico pode ser feito em minutos, em vez de dias ou semanas.

Mito: Não faço ideia do que a IA está fazendo e se posso confiar nela

Realidade: a IA é muito mais transparente agora

No início, os AIOps eram vistos como uma “caixa preta”, isto é, um sistema misterioso que gerava resultados sem fornecer informações sobre o que o algoritmo subjacente fazia e por quê. No entanto, com o tempo, vemos essas soluções se tornarem mais maduras.

“Embora alguns sistemas não forneçam transparência, cada vez mais fornecedores de software e sistemas de inteligência artificial estão dando mais visibilidade sobre os motivos da tecnologia”, afirmou Byrne, da OpsRamp. “O difícil é fornecer a transparência adequada, não sobrecarregar o usuário, ganhar sua confiança e compreensão.”

Mito: preciso de um data lake para treinar minha IA

Realidade: Depende.

Dados não estruturados são piores que dados estruturados porque ocupam espaço. Para se livrar deles, você precisa usar recursos para filtrar. Por esse motivo, diz McCall, da QTS, dados não estruturados podem ser inúteis.

“O que o mundo está trabalhando agora é em como estruturar e organizar os dados para explorá-los e como construir algoritmos”, explicou McCall. “Um pouco de dados não estruturados é bom, mas quando abrimos comportas, você precisa ter um data lake com a capacidade de organizá-los e estruturá-los mais tarde.”

Mito: A modelagem determina o resultado

Realidade: Você não pode ter certeza.

Todas as iniciativas de IA começam como projetos de teste. Você pode obter excelentes resultados durante os pilotos, mas descobrir que o seu modelo é muito menos preciso quando implementado na produção. Isso ocorre porque os modelos de IA e de aprendizado de máquina devem ser treinados em dados, e esses dados de treinamento devem ser representativos dos dados reais – ou os resultados sofrerão as consequências.

Observe também que o treinamento do seu modelo de IA nunca estará completo. Assim que você colocar o seu modelo no mundo real, a sua precisão começará a diminuir. A velocidade do declínio dependerá da rapidez com que os dados do mundo real mudam (e as preferências do cliente podem mudar rapidamente), mas mais cedo ou mais tarde seu modelo precisará ser treinado novamente com novas informações.

“É uma tarefa delicada de definir o seu conjunto de dados de treinamento. Os seus dados de treinamento devem ser os mesmos que os de produção”, revelou Marwaha. “Essa é a chave para tornar os seus programas bem-sucedidos.”

E é uma chave que você precisará mudar diversas vezes ao longo da vida útil do seu modelo de IA.

FONTE: CIO