Vídeo: Tipos de aprendizagem de máquina (Outubro 2024)
Inteligência artificial e aprendizado de máquina são tópicos importantes em todas as conferências de tecnologia em que vou, e a recente conferência da DLD NYC não foi exceção.
Ramin Assadollahi, do ExB Group, uma empresa alemã que lida com computação cognitiva na área da saúde, concentrou-se em várias maneiras pelas quais novas técnicas de computador podem nos ajudar a aprender "como curar com software". Dirigindo-se a muitos dos termos lançados hoje, ele observou que a IA não precisa ser computação cognitiva, a computação cognitiva não precisa ser de aprendizado de máquina e o big data é uma questão totalmente separada.
Assadollahi focou-se em maneiras pelas quais a IA poderia melhorar o campo da medicina. Ele observou que um patologista que analisa dados de tecidos normalmente vê 200.000 amostras em sua vida útil, mas com aprendizado profundo e placas gráficas modernas, um sistema de computador pode processar isso em duas semanas. Ele disse que, com 100 amostras, um sistema pode ser tão bom quanto um ser humano. Da mesma forma, ele disse, um sistema de computador pode ingerir 28.000 artigos técnicos por dia, enquanto um humano pode ler apenas 4.000 desses artigos em toda a sua vida profissional.
Ele disse que uma IA que pudesse entender células únicas em nível molecular poderia ajudar a projetar medicamentos melhores, e um software que ajudaria a descobrir quais medicamentos se encaixam com os outros poderia salvar a vida, pois interações adversas com medicamentos matam 100, 00 pessoas por ano. Sua empresa está abordando todo o continuum da saúde - médicos, pesquisadores, farmacêuticos e pacientes - com foco em "quebrar os silos". No geral, ele disse que a IA não matará empregos, pois o número de pessoas envolvidas no cuidado está crescendo. Ele não substituirá o médico, ele disse, mas permitirá que ele passe mais tempo com os pacientes.
David Kenny, que agora dirige o grupo Watson da IBM, falou sobre big data e o potencial de aprendizado profundo em uma variedade de aplicativos. Kenny era CEO da The Weather Company antes da aquisição da IBM pela empresa; é o maior provedor mundial de dados climáticos. Ele disse que a TWC desenvolveu um aplicativo projetado para mapear a atmosfera da maneira como o Google tentou mapear a Terra, usando uma combinação de tecnologia IoT (Internet das Coisas), informações meteorológicas e computação em nuvem para coletar informações meteorológicas em 2, 2 bilhões de locais.
Na Watson, ele disse, está interessado em três grandes áreas de algoritmos e software: interação humana, como visão, visão e fala; aprendizado profundo e aprendizado de máquina para apoiar essas interações; e raciocínio. Ele disse que o Watson envolve milhares de pessoas na IBM, desde laboratórios de pesquisa até vendas e serviços.
De certa forma, segundo Kenny, o Watson é diferente de outros negócios disruptivos, porque exige muito conhecimento, e empresas estabelecidas que possuem conhecimento podem acelerar mais rapidamente do que as startups. Ele disse que a tradução e a interação humana estavam melhorando, mas ainda havia um longo caminho a percorrer, e que muito do que as pessoas usam o Watson está criando "bots" de conversação.
Ele disse que entender as conversas é difícil por causa dos diferentes tons, sotaques e nuances que as pessoas usam ao se comunicar. "Todo mês fica melhor", disse ele, com o software usado para entender a fala agora com uma taxa de erro de 6, 9%, ante 10% há três meses. Em comparação, ele disse, a taxa de erro humano é de 4%. Ele disse estar otimista de que o software possa abordar a taxa de erro humano dentro de um ano.
Kenny afirma que a IBM tem uma abordagem diferente da concorrência. Outras empresas costumam trabalhar em IA centralizada, mas a IBM está trabalhando com vários clientes que desejam criar suas próprias versões privadas do Watson, usando sua própria propriedade intelectual ou "gráficos de conhecimento". Ele observou que 80% dos dados do mundo não acessam a Internet - coisas como raios-x, registros de saúde e contas bancárias.
