Vídeo: IBM Watson como funciona e o que é (NUNCA FOI TÃO FÁCIL ADICIONAR IA NO SEU PROGRAMA) (Novembro 2024)
Este episódio do Fast Forward foi gravado no IBM Watson Experience Center aqui na cidade de Nova York. Meu convidado foi Rob High, vice-presidente e diretor de tecnologia da IBM Watson.
Dan Costa: Qual é o equívoco dominante que as pessoas têm sobre a inteligência artificial?
Rob High: Eu acho que o problema mais comum que encontramos com as pessoas que falam sobre IA é que elas ainda vivem no mundo em que eu acho que Hollywood ampliou essa ideia de que a computação cognitiva, IA, é sobre replicar a mente humana, e é realmente não. Coisas como o teste de Turing tendem a reforçar que o que estamos medindo é a ideia de que a IA é capaz de competir com as pessoas que enganam, acreditando que o que você está lidando é com outro ser humano, mas isso não foi realmente o que encontramos. maior utilidade.
Isso remonta a, se você observar quase todas as outras ferramentas já criadas, nossas ferramentas tendem a ser mais valiosas quando estão nos amplificando, quando estão ampliando nosso alcance, quando estão aumentando nossa força, quando eles estão nos permitindo fazer coisas que não podemos fazer sozinhos como seres humanos. Essa é realmente a maneira pela qual precisamos pensar sobre a IA também, e na medida em que realmente a chamamos de inteligência aumentada, não inteligência artificial.
Vamos falar um pouco sobre essa mudança, porque é um tipo totalmente novo de computação. É a evolução da computação a partir do que nós dois crescemos, uma computação programática em que você usaria a computação para alcançar e responder usando um processo muito complexo, até a computação cognitiva, que opera de maneira um pouco diferente. Você pode explicar essa transição?
Provavelmente, a maior diferença notável é que é muito probabilística, enquanto a computação programada é realmente sobre apresentar todas as declarações condicionais que definem as coisas nas quais você está prestando atenção e como responder a elas. É altamente determinístico. É altamente matematicamente preciso. Com um computador programado clássico, você pode criar um software. Como você sabe qual é o modelo matemático que ele representa, você pode testá-lo matematicamente. Você pode provar sua correção.
A computação cognitiva é muito mais probabilística. Trata-se basicamente de testar os sinais dos espaços em que estamos focados, seja visão, fala ou linguagem, e tentar encontrar os padrões de significado desses sinais. Mesmo assim, nunca há certeza absoluta. Agora, isso ocorre em parte porque é assim que é calculado, mas também porque é a natureza da experiência humana. Se você pensa em tudo o que dizemos ou vemos ou ouvimos, gostamos, tocamos, cheiramos ou qualquer coisa que faça parte de nossos sentidos, nós, como seres humanos, estamos sempre tentando avaliar o que realmente é, e às vezes não entendemos direito.
Qual é a probabilidade de que, quando ouvi aquela sequência de sons, realmente significasse essa palavra? Qual é a probabilidade de que, quando vi essa sequência de palavras, significasse essa afirmação? Qual é a probabilidade de que, quando vejo essa forma e uma imagem que estou vendo, seja esse objeto? Mesmo para os seres humanos, esse é um problema probabilístico, e nessa medida é sempre a maneira como esses sistemas cognitivos funcionam também.
Se alguém vem até você e eles têm um problema que eles querem resolver, eles pensam que existe uma solução de computação cognitiva para isso, eles vêm para o Watson, eles dizem: "Olha, vamos usar o Watson para tentar resolver este problema." Fora da caixa, o Watson não faz muito. Eles precisam ensiná-lo a resolver seu problema. Você pode falar sobre esse processo de integração?
Na verdade, devemos falar sobre duas dimensões disso. Uma é que, há algum tempo, percebemos que essa coisa chamada computação cognitiva era realmente maior que a nossa, era maior que a IBM, era maior que qualquer fornecedor do setor, era maior que qualquer uma das duas áreas de solução diferentes em que estaríamos focados e precisávamos abri-la. Foi quando deixamos de focar em soluções para realmente lidar com mais uma plataforma de serviços, onde cada serviço realmente é focado individualmente em uma parte diferente do espaço problemático. É um componente que, no caso da fala, concentra-se estritamente no problema de tentar entender sua fala e reconhecer quais palavras você expressou nessa fala, ou tirar uma imagem e tentar identificar o que está na imagem, ou tirar linguagem e tente entender qual é o seu significado ou converse e participe.
Primeiro, o que estamos falando agora é de um conjunto de serviços, cada um dos quais faz algo muito específico, cada um tentando lidar com uma parte diferente da nossa experiência humana e com a ideia de que alguém constrói um aplicativo, qualquer pessoa que queira resolver um problema social ou de consumidor ou comercial pode fazer isso utilizando nossos serviços e compondo-o em um aplicativo. Esse é o ponto um.
O ponto dois é aquele com o qual você começou, que é, agora que eu tenho o serviço, como podemos fazer o que queremos que ele faça bem? A técnica é realmente de ensino. A natureza probabilística desses sistemas baseia-se no fato de que eles são baseados em aprendizado de máquina ou aprendizado profundo, e esses algoritmos precisam ser ensinados a reconhecer os padrões que representam significado em um conjunto de sinais, que você fornece fornecendo dados, dados que representam exemplos dessa situação que você teve antes, onde foi capaz de rotular isso como dizendo: "Quando ouço essa combinação de sons, significa esta palavra. Quando vejo essa combinação de pixels, significa que objeto." Quando tive esses exemplos, agora posso levá-lo ao sistema cognitivo, a esses serviços cognitivos e ensiná-los a fazer um trabalho melhor de reconhecer o que quer que seja que queremos.
Eu acho que um dos exemplos que ilustra isso muito bem está no espaço médico, onde Watson está ajudando os médicos a tomar decisões e analisando grandes quantidades de dados, mas depois trabalhando com eles em um diagnóstico em parceria. Você pode falar um pouco sobre como esse treinamento ocorre e como a solução acaba gerando melhores resultados?
O trabalho que fizemos em oncologia é um bom exemplo de onde realmente é uma composição de vários tipos diferentes de algoritmos que, em todo o espectro do trabalho que precisa ser realizado, são usados de maneiras diferentes. Começamos, por exemplo, examinando o prontuário médico, examinando o prontuário médico e usando o sistema cognitivo para examinar todas as anotações que os médicos tomaram ao longo dos anos em que trabalham com você e descobrem o que chamamos de informações clínicas pertinentes. Quais são as informações nessas anotações médicas que agora são relevantes para a consulta em que você está prestes a entrar? Levando isso, fazendo análises de similaridade populacional, tentando encontrar os outros pacientes, as outras coortes que têm muita semelhança com você, porque isso informará o médico sobre como pensar em diferentes tratamentos e como esses tratamentos podem ser apropriados para você. e como você vai reagir a esses tratamentos.
Em seguida, abordamos o que chamamos de práticas de atendimento padrão, que são técnicas relativamente bem definidas que os médicos compartilham sobre como vão tratar pacientes diferentes para diferentes tipos de doenças, reconhecendo que elas são realmente projetadas para as pessoas comuns. Em seguida, colocamos em cima disso o que chamamos de experiência clínica. Tendo sido ensinado pelos melhores médicos em diferentes doenças o que procurar e onde estão os discrepantes e como argumentar sobre os diferentes padrões de práticas de cuidado, qual deles é mais apropriado ou como seguir os diferentes caminhos através dessas diferentes práticas de cuidado e agora aplique-os da melhor maneira possível, mas finalmente analisando a literatura clínica, todas as centenas de milhares, 600.000 artigos no PubMed sobre os avanços científicos ocorridos naquele campo que são relevantes para fazer agora essa recomendação de tratamento.
Todos esses são aspectos diferentes dos algoritmos que estamos aplicando em diferentes fases do processo, todos ensinados colocando alguns dos melhores médicos do mundo na frente desses sistemas e fazendo com que eles usem o sistema e corrijam o sistema quando eles vêem algo dando errado e o sistema aprende essencialmente através desse uso sobre como melhorar seu próprio desempenho. Estamos usando isso especificamente no caso da oncologia para ajudar a informar os médicos da área sobre as opções de tratamento com as quais eles podem não estar familiarizados, ou mesmo se eles têm alguma familiaridade com ela, podem não ter tido nenhuma experiência real e não entender realmente como seus pacientes responderão e como obter a resposta mais eficaz de seus pacientes.
O que isso basicamente fez é democratizar a experiência. Podemos encontrar os melhores médicos do Memorial Sloan Kettering que tiveram o benefício de atender literalmente milhares de pacientes por ano em torno da mesma doença da qual eles desenvolveram essa tremenda experiência, capturar isso no sistema cognitivo, trazer isso para uma comunidade ou clínica regional onde esses médicos podem não ter tido tanto tempo trabalhando com a mesma doença em um grande número de pacientes diferentes, dando-lhes a oportunidade de se beneficiar com a experiência que agora foi capturada no sistema cognitivo.
Acho que a ideia de distribuir esse conhecimento, em primeiro lugar, capturá-lo é uma tarefa não trivial, mas depois que você tiver feito isso, sendo capaz de distribuí-lo realmente por todo o planeta, você terá o conhecimento de os melhores médicos do Memorial Sloan Kettering podem ser entregues na China, na Índia, em pequenas clínicas, e acho isso extraordinário.
Tem um tremendo impacto social no nosso bem-estar, na nossa saúde, nas coisas que nos beneficiarão como sociedade.
Por outro lado, o que preocupa as pessoas sobre inteligência artificial é que ela substituirá as pessoas, substituirá empregos. Está ligado ao movimento de automação. O que mais me impressiona é ficar no espaço médico, radiologistas. Os radiologistas analisam centenas e centenas de slides por dia. O Watson ou um sistema baseado em IA pode replicar o mesmo tipo de diagnóstico e análise de imagem. Daqui a dez anos, você acha que haverá mais ou menos radiologistas humanos empregados nos EUA? Qual o impacto em indústrias como essa?
O impacto é realmente ajudar as pessoas a fazer um trabalho melhor. É realmente sobre… tomá-lo no caso do médico. Se o médico agora pode tomar decisões mais informadas, baseadas em evidências reais, apoiadas nos fatos mais recentes da ciência, mais personalizados e específicos para cada paciente, isso permitirá que eles realmente façam seu trabalho melhor. Para os radiologistas, pode permitir que eles vejam na imagem coisas que, de outra forma, poderiam perder ou ficar sobrecarregadas. Não se trata de substituí-los. É sobre ajudá-los a fazer seu trabalho melhor.
Ele tem a mesma dinâmica de todas as ferramentas que já criamos na sociedade. Eu gosto de dizer que, se você voltar e olhar para os últimos 10.000 anos da sociedade moderna desde o advento da revolução agrícola, fomos como uma sociedade humana ferramentas de construção, martelos, pás, hidráulica, polias, alavancas e muito Uma dessas ferramentas é mais durável quando o que eles estão realmente fazendo é amplificar os seres humanos, amplificar nossa força, amplificar nosso pensamento, ampliar nosso alcance.
Essa é realmente a maneira de pensar sobre essas coisas, é que ela terá sua maior utilidade quando nos permitir fazer o que fazemos melhor do que poderíamos fazer sozinhos, quando a combinação do humano e da ferramenta juntos for maior que qualquer um deles deles teria sido por si mesmos. Essa é realmente a maneira como pensamos sobre isso. É assim que estamos desenvolvendo a tecnologia. É aí que a utilidade econômica estará.
Concordo plenamente, mas acho que haverá indústrias que serão evitadas por causa da eficiência introduzida por esses sistemas inteligentes.
Eles serão transferidos. Sim, eles serão transferidos. Não quero diminuir esse ponto dizendo dessa maneira, mas também quero ter certeza de que não estamos pensando nisso como a eliminação de empregos. Trata-se de transformar os trabalhos que as pessoas realizam. Eu vou te dar um exemplo. Muita discussão sobre como isso pode tirar empregos no call center. Bem, adivinhe? Há muito trabalho que os agentes de call center realizam, que não precisam fazer, que não gostam de fazer, que afasta a capacidade de fazer coisas mais interessantes.
A rotatividade que vemos nos call centers é amplamente motivada pelo fato de que, se você pensar no trabalho de ser um agente de call center, estará sentado no final da ligação, ouvindo os clientes irados o dia inteiro e fazendo a mesma pergunta. e mais uma vez, e é difícil voltar para casa à noite me sentindo muito bem com o que você fez naquele dia. É difícil se gabar para seus amigos e familiares sobre esse trabalho que você tem e como é bom em fazê-lo quando essa é a situação em que você está.
Se conseguirmos obter o sistema cognitivo através de um agente de conversação para descarregar uma porcentagem, digamos que 30% dessas chamadas entrem e respondam às perguntas mais comuns e urgentes dos clientes com rapidez, eficiência e cuidem desse trabalho mundano. Depois de tudo o que foi resolvido, são os tipos de perguntas que as pessoas têm que inerentemente exigem mais um toque humano que você passará para o agente do call center. O problema que eles estão lidando para esse cliente é mais interessante, mais desafiador, exige que eles tenham mais esforço intelectual, mas também estão lidando com um cliente que está satisfeito. Eles estão chegando um pouco mais felizes. Eles não estão muito furiosos com o problema deles.
Para o agente do call center, ele realmente melhorou o trabalho deles. Na verdade, torna possível que eles façam seu trabalho melhor e sejam mais satisfeitos com isso. Enquanto isso, para o cliente, para o consumidor, eles resolvem rapidamente os problemas mais prementes. Eles não ficam em espera por 10 minutos. Eles não estão esperando o encaminhamento para a pessoa certa com o conhecimento certo. Eles estão obtendo as informações de que precisam com mais facilidade e são capazes de seguir em frente com sua vida, provavelmente com uma decisão melhor, certamente informações melhores ou pelo menos informações mais consistentes. Na verdade, beneficia ambos os lados dessa equação.
É interessante. Algumas das demos que vi hoje são que os aplicativos de call center podem antecipar e detectar o estado emocional das pessoas que estão ligando com bastante eficiência, portanto, não é apenas transacional. Na verdade, ele pode ler muito bem o estado da pessoa do outro lado da linha.
O que é realmente essencial se você pensar; uma conversa possui dois elementos. Uma é que o que as pessoas dizem para começar geralmente não é para o que realmente estão lá. Se eu disser: "Qual é o meu saldo?" bem, esse não é realmente o meu problema. Sim, preciso saber o saldo da minha conta, preciso saber quanto dinheiro tenho, mas meu problema é que estou tentando comprar algo ou tentando descobrir como conseguir dinheiro na posição certa para pagar minhas contas este mês, ou estou tentando economizar para a educação dos meus filhos. Meu problema é maior que a primeira pergunta que fiz e uma conversa deve ser sobre como chegar a esse problema real.
A segunda característica comum de uma conversa é que normalmente ela carrega um tipo de arco emocional. As pessoas entram em um certo estado emocional, e parte da conversa é movê-las através de uma mudança emocional que, muitas vezes, significa levá-las de ficar com raiva a ficarem satisfeitas agora. Em algumas conversas, podemos entrar nisso. Na verdade, pode ficar um pouco quente. Você vê um arco emocional que começa talvez calmo e depois se move para uma discussão mais contenciosa que eventualmente acaba sendo resolvida.
Ser sensível e consciente do estado emocional das partes envolvidas é uma parte importante de ser eficaz nessa conversa.
Quais são alguns dos outros aplicativos que você acha realmente transformadores que estão disponíveis hoje?
Eu acho que qualquer um deles, o que estamos fazendo, envolve o usuário, o cliente, de uma maneira que resulta em inspirá-los. Para mim, finalmente, e novamente voltando às conversas como exemplo, normalmente quando os seres humanos entram em uma conversa, chegamos à mesa com uma ideia. Você tem uma ideia. Eu tenho uma ideia. Essa ideia inicial é o começo da conversa e, ao longo da conversa, desenvolvemos essas idéias. Nós os misturamos. Nós os fundimos. Talvez os descontemos ou amplifiquemos. Nós evoluímos para um ponto em que, saindo da conversa, temos uma idéia melhor, espero. Idealmente.
Para fazer isso, tem que haver não apenas o dar e receber, mas um elemento de como você inspira alguém? Como você faz as pessoas ativarem sua imaginação? Como você os leva a pensar em algo que não haviam pensado antes, ou a ver uma luz que não tinham pensado antes, ou a ver outro ponto de vista que os leva por um caminho que eles nem conheciam? pensar, fazer perguntas que eles não estão pensando em fazer? Esses são os exemplos, são as situações que eu acho mais promissoras e terão o maior benefício para as pessoas.
Isso está acontecendo hoje, ou é algo que precisa acontecer no decorrer da evolução da tecnologia?
Não, está acontecendo. Temos exemplos disso acontecendo agora. De fato, voltando à oncologia como um exemplo, para os melhores médicos do mundo, as opções de tratamento que estão sendo apresentadas podem ser óbvias para eles em sua maior parte. Pode haver um em cada dez casos em que eles possam dizer: "Bem, espere um minuto, essa foi uma ideia interessante". Não será tão frequente, mas, como você disse anteriormente, se levarmos isso agora para configurações da comunidade, configurações regionais e em áreas onde não há níveis de especialização, o fato de o sistema poder introduzir novas idéias, novas opções de tratamento, é realmente sobre a introdução de novas idéias. Já estamos vendo isso.
Então, é claro, indo além do que eu acho que se tornou o cenário clássico do chatbot que acho que alguns de nós estamos começando a ver em exemplos diferentes agora para uma situação em que, se alguém der um alerta de fraude no cartão de crédito no cartão de crédito e for para um chatbot hoje, pode ser simplesmente: "Essa transação foi algo que você fez ou não? Se for, então tudo bem. Se não, então faremos algo para cancelar a transação", e agora, "Ok, você precisa de um novo cartão de crédito. Qual é o melhor lugar para obtê-lo? Devemos enviá-lo por correio? Não devemos enviá-lo por você? Oh, você está se preparando para ir nessa viagem. não poderemos enviá-lo para você. Temos que enviá-lo para você mais rápido do que isso.
"Ah, você está indo para o exterior. Talvez haja uma opção de cartão de crédito aqui à qual você não estava exposto antes, que não conhecia, onde lidamos melhor com as trocas de moedas a seu favor. Ah, você está usando isso para negócios Esta é uma viagem ao exterior. Você está usando isso para despesas comerciais. Bem, aqui está um cartão de crédito com uma taxa de juros mais apropriada para isso. " Estes são exemplos muito simples, mas cada um deles está abrindo um novo conjunto de idéias que normalmente não acontece no seu chatbot simples hoje em dia e, no entanto, pode realmente ser muito empoderador para os seres humanos.
O ponto interessante é que, ao passar por todas essas opções, no passado isso seria um script. Haveria um script com alguns ramos. Seria predefinido com antecedência. É algo muito diferente quando um chatbot faz isso, na verdade, está reagindo às informações que você fornece e às informações que você já forneceu e levando você a caminhos que não foram roteirizados. Sabe que você está viajando, mas não necessariamente contou. Ele encontrou essas informações do seu histórico de e-mail.
Ele pode encontrar coisas sobre você que foram descobertas ao longo do caminho.
Conversamos sobre oncologia porque é um ótimo exemplo. Conversamos sobre chatbots porque a maioria das pessoas teve alguma interação com eles. Mas essa é uma tecnologia que realmente escala em todos os setores. É difícil pensar em um setor que não tenha algum tipo de componente cognitivo. Existem alguns exemplos que as pessoas ainda não pensaram?
O que é surpreendente para mim é como todo dia alguém aparece com outra ideia nova. É por isso que acho que estamos em uma fase muito interessante, porque, ao nos concentrarmos em decompor o que temos em termos de capacidades cognitivas em serviços de blocos de construção, está realmente liberando as pessoas para usar sua imaginação e buscar idéias que temos. nunca realmente considerado antes, seja usando reconhecimento visual para pesquisar a paisagem.
Na Califórnia, por exemplo, uma empresa está usando o reconhecimento visual para examinar a topografia e a topologia e reconhecer na imagem a diferença entre uma superfície de concreto, uma superfície de telhado de asfalto, uma superfície de grama, árvores e arbustos e essas coisas, para estimar quanta água está sendo consumida e onde pode haver vazamentos de água e coisas que poderiam ser feitas para melhorar o uso eficiente da água, como exemplo.
Ou, na área jurídica, usar essas coisas para explodir e ajudar advogados a ler literalmente milhões e milhões de páginas de material de apoio que é como encontrar a agulha no palheiro. Onde está aquele pedaço de papel que é realmente relevante para esse caso em particular? Tentando resolver tudo isso. As oportunidades são enormes.
Eu acho que uma dessas qualificações está tendo grandes quantidades de dados que precisam ser analisadas. Você falou sobre registros médicos e foi capaz de digitalizar os registros médicos para obter informações relevantes. Esses registros ao longo de sua vida útil podem ter muitas centenas de páginas. É isso que, talvez o seu médico de família tenha uma idéia disso, mas eles não vão se lembrar de tudo, enquanto o sistema nunca esquece.
Sim. Um médico pode ter cinco, talvez dez minutos para examinar esse histórico médico antes de vir e consultar você, e ainda assim existem todos os tipos de informações muito relevantes que podem estar no seu histórico, no seu passado, que, sob qualquer outra circunstância, eles perderiam apenas porque eles não têm tempo, que, se tivessem, faria diferença.
Pense em uma situação em que se uma mulher tivesse dito ao médico que sua mãe havia morrido de câncer de mama há dois anos. Bem, é provável que o médico tenha notado isso nesse registro, mas neste momento, se essa mulher estiver apresentando um nódulo no peito, e se o médico não vir isso, bem, isso é uma perda muito importante em formação. Agora, talvez eles redescobram isso conversando com o paciente, mas talvez não. Você realmente quer correr o risco de não saber disso quando algo assim é tão relevante?
A característica geral de onde essas coisas tendem a ser úteis é você mencionar onde há muitos e muitos dados. Sim, mas na verdade é quando qualquer um desses aspectos de quem somos como seres humanos, onde nossa capacidade cognitiva começa a atingir seu limite. Nós somos bons em ler. Nós podemos ler algo. Podemos assimilá-lo. Podemos nos adaptar às informações e usá-las de maneiras muito poderosas como seres humanos. Mas não somos muito bons em ler muitos dados. Não podemos senão… A ideia de ler dezenas de milhares, centenas de milhares de milhões de páginas da literatura em um dia está muito além de nossa capacidade.
A questão torna-se, à medida que crescemos em um mundo onde a quantidade de informações produzidas diariamente está crescendo exponencialmente, quanto mais dessas informações não estamos fazendo uso e que contém informações, temos esse pequeno detalhe. absolutamente crítico para a decisão que precisamos tomar, não estamos chegando? Se não é a quantidade de informação que lemos, é: quanto assimilamos? Quanto somos capazes de recordar? Somos capazes de ver os pequenos padrões que são relevantes nessas informações para nossas decisões?
Há muitas coisas em que nós, como seres humanos, somos bons. Também há muitas coisas que não somos muito boas, e acho que é onde a computação cognitiva realmente começa a fazer uma enorme diferença, é quando é capaz de superar essa distância para preencher essa lacuna.
Parece bastante claro que este é o mundo em que estamos nos mudando. Como estamos preparados? O que você vê no nosso sistema educacional, nossa economia, nossas estruturas políticas? Quão bem preparados estamos para viver em um mundo com esse tipo de computação cognitiva como componente?
É interessante. Isso se baseia em um dos principais pontos de valor que possuímos como seres humanos, que é a nossa capacidade de adaptação. Se você olhar para isso em termos puramente discretos, para onde isso vai dar, e se avançarmos 10 anos, olhar para ele e dizer: "Onde estaremos 10 anos? Estamos preparados para isso?" a resposta provavelmente será, não. Há muito mais que precisamos fazer. Mas os seres humanos têm essa capacidade notável de se adaptar rapidamente e crescer com as mudanças que estão ocorrendo ao seu redor.
Pense em 10 anos atrás, quando o smartphone estava realmente começando a se tornar disponível para nós, muito menos popular, e quantas mudanças sofremos como sociedade nos últimos 10 anos. Pense em como é sua vida diariamente, com e sem o seu smartphone. Podemos reclamar do quanto isso pode estar tirando outras experiências, e isso pode ser verdade, mas o ponto é que não passamos muito tempo 10 anos atrás nos preocupando, se estivéssemos preparados como sociedade, embora na verdade, passamos por muitas mudanças nos últimos 10 anos das quais provavelmente não estávamos totalmente cientes, assimilamos essa mudança na tecnologia e começamos a usá-la de maneiras muito eficazes.
Há muito o que fazer. Há muito o que faremos ao longo do tempo, muito crescimento pelo qual passaremos, muita educação e política e outras coisas pelas quais temos que passar por mudanças, mas continuaremos.
Vamos chegar às minhas últimas perguntas. Qual tendência tecnológica mais preocupa você? Existe algo que te mantenha acordado à noite?
Acho que a maior preocupação que tenho agora é que as pessoas precisam assumir a responsabilidade. Nós, como engenheiros e fornecedores de tecnologia, consumidores de tecnologia, pessoas que têm a responsabilidade de regulamentar a tecnologia, realmente precisamos estar conscientes e pensar agora no que queremos fazer para nos proteger e nos preparar para as mudanças que estão ocorrendo. Não será porque não vamos nos adaptar a isso. Nós vamos. É claro que o problema é que, no processo de adaptação, também não estaremos conscientes do que isso está fazendo e como isso está nos afetando e onde as pessoas podem estar explorando essa tecnologia de maneiras que não preferimos, que não somos. não nos sentimos à vontade ou, em retrospecto, não desejaremos necessariamente.
Eu acho que precisamos estar conscientes e pensar sobre o que fazemos e não queremos que aconteça em nossas vidas com esta tecnologia. Especificamente, os fornecedores em particular, nós, como fornecedores dessa tecnologia, e as pessoas que estão consumindo esses componentes da tecnologia e construindo aplicativos a partir dela devem, neste momento, assumir a responsabilidade por nosso comportamento ético ou comportamentos nascidos de valores éticos.
Como exemplo, recomendamos vivamente a qualquer um de nossos desenvolvedores de aplicativos, qualquer uma das instituições que estão criando aplicativos usando essas tecnologias, que sejam muito transparentes com seus usuários finais sobre o fato de que esse é um aplicativo cognitivo, é um computador e não tente se disfarçar como um ser humano real, por exemplo. Não finja. Não deixe essa coisa fingir.
Não imite.
Não imite e não permita que seus clientes sejam enganados ao acreditar que essa coisa é uma pessoa real. Ético, está errado. Eu acho que isso cria o risco de vulnerabilidade. Um ser humano que está interagindo com um ser humano pode fazer certas suposições sobre nossas falhas, sobre nossa incapacidade de realmente reter muita informação; quando, ao lidar com um sistema cognitivo, precisamos estar cientes de que as pessoas que fornecem esse conhecimento cognitivo A solução tem uma responsabilidade pela privacidade e proteção das informações que fornecemos. Não devemos esquecer nunca esse fato.
Em termos de tecnologia de ponta, qual tecnologia você usa todos os dias que apenas inspira admiração? O que mudou sua vida?
Penso que agora posso ter acesso a informações que, mesmo que conseguisse obtê-las na Internet, mantivemos informações disponíveis por muito tempo, mas muitas vezes paramos de tentar obter essas informações porque é esmagador. Eu estava olhando para alguns equipamentos de câmera e tentando tomar decisões sobre as compensações entre diferentes câmeras -
Vou enviar um link para o nosso guia de compradores.
Ai está. Fica esmagador e, no entanto, você precisa confiar em outras pessoas para fornecer esse conselho e assumir que eles fizeram a pesquisa por você, mas, mesmo assim, eles o fazem com base em algumas suposições que fizeram sobre o que você precisa e com o que você se importa. Em algum momento, você simplesmente desiste e diz: "Ok, tudo bem, apenas me diga o que fazer, eu farei". Ou você acessa um monte de sites e vê todas essas opiniões, e isso fica confuso e contraditório e você diz: "Bem, que diabos com todos eles. Eu vou apenas usar o que me parece bom."
Agora, como esses sistemas podem acumular, assimilar e organizar grandes quantidades de informações, mesmo para as pessoas que estão fazendo recomendações, mesmo para os consultores, isso os beneficia porque os ajuda a fazer um trabalho melhor. Uma maneira que eu gosto de dizer é que não faz nosso pensamento por nós, faz nossa pesquisa por nós, para que possamos pensar melhor, e isso é verdade para nós como usuários finais e para consultores. É verdade para quem tem esse papel de analista.
Penso no aplicativo, porque estamos sempre tentando ajudar as pessoas a tomar decisões de compra. Não estamos longe de um sistema que possa observar todas as fotos que você tirou nos últimos cinco anos, ver que você gosta de fotografar animais selvagens ou close-up de flores e, em seguida, fazer uma recomendação de câmera com base nas fotos que você toma.
Está certo. Flamingos. Não sei porque.
Esta é a melhor câmera para tirar fotos de flamingos.
Flamingos, certo.
Estamos quase lá. A tecnologia existe, apenas não foi programada ainda.
Sim.
Ou ensinado, como fazemos hoje em dia. Rob High, muito obrigado por fazer isso.
Muito obrigado.
Para mais Fast Forward com Dan Costa, assine o podcast. No iOS, faça o download do aplicativo Podcasts da Apple, pesquise "Fast Forward" e assine. No Android, faça o download do aplicativo Stitcher Radio for Podcasts via Google Play.
