Deep Learning (DL) é um tema emergente dentro do campo da Inteligência Artificial (IA) e, por isso, um dos mais comentados e estudados do momento. Ele é uma subcategoria do Machine Learning (ML) que diz respeito às oportunidades de aprendizagem profundas com o uso de redes neurais para melhorar as coisas, tais como reconhecimento de fala, visão computacional e processamento de linguagem natural.
Ivan Marin, Cientista de Dados e Arquiteto de Sistemas na Daitan, é um dos profissionais que sabe muito sobre o tema. Tanto é que ele foi um dos organizadores do 6º Meetup de Deep Learning (DLSP) que aconteceu este ano em São Paulo, e do qual a Daitan foi apoiadora. Neste bate papo Ivan faz um apanhado geral sobre o tema e sobre o futuro do DL na nossa sociedade.
. Quais aplicações práticas do Deep Learning você destaca?
Carros autônomos envolvem deep learning em grande parte de seu funcionamento. E mesmo que não satisfaçam a promessa de serem totalmente autônomos, as melhorias que ele leva aos sistemas de auxílio à direção, como reconhecimento de obstáculos, já mostram uma aplicação bem prática.
DL também foi utilizado em análise de imagens astronômicas, ajudando na classificação de galáxias. Aqui na Daitan, estamos testando redes neurais para detectar anomalias em dados de operadoras de telefonia. Ainda está em fase de protótipo, mas apresentam resultados que indicam que podemos continuar os testes com sucesso.
. Quais os principais benefícios o DL traz para a nossa sociedade? E as principais preocupações?
Os benefícios são diversos. Entre os principais, destaco:
- a automação de tarefas repetitivas, como classificação de imagens, permitindo que as pessoas foquem em tarefas de complexidade maior;
- eficiência e amplificação de processos, como seleção de candidatos para vagas: um sistema de machine learning pode identificar as melhores vagas para determinados currículos e vice versa. Isso aumenta a eficiência de um recrutador, permitindo que ele selecione mais candidatos;
- ajudar no diagnóstico de conjuntos de informações complexas, como logs de operação de servidores; um analista humano pode ser ajudado por um sistema com machine learning que detecta e alerta anomalias nos servidores.
Por outro lado, não podemos considerar apenas os benefícios. Esses sistemas podem reforçar viés e preconceitos que já existem. Por exemplo, no recomendador de vagas, o algoritmo pode ser treinado de forma enviesada e somente recomendar currículos que tenham uma determinada característica que não deveria ser levada em consideração, como gênero. Esse é uma preocupação que deve sempre estar na mente de quem constrói estes sistemas.
. Na sua palestra no Meetup de Deep Learning você faz justamente uma avaliação crítica sobre o DL. Por quê?
Eu fiz uma breve apresentação sobre um artigo de um professor da Universidade de New York, Gary Marcus. Ele é um crítico do modo atual que deep learning é mostrado na mídia de forma geral, e como pesquisadores da área pensam em como atingir a Inteligência Artificial Geral, a "hard AI', que é mais próximo de como pensamos.
Machine Learning é uma das áreas de Inteligência Artificial que mais foi aplicada nos últimos 10 anos, nos mais diversos contextos. Nós, que somos da área, temos que tomar cuidado em divulgar os avanços em IA, sem menosprezar os grandes avanços que ML tem trazido para as empresas. A questão é que não podemos exagerar as possibilidades das técnicas atuais. E a discussão sobre se estamos no caminho correto é válida, sempre.
. Há um número crescente de startups voltadas para Deep Learning. A que você atribui este fato?
Tem um fator de hype, de "todo mundo está fazendo então temos que fazer também". Isso é prejudicial para a área! Muita gente que está investindo dinheiro nisso vai ver que o problema poderia ser resolvido com algo mais simples e começar a falar que o problema é o deep learning e não a aplicação correta dele.
No entanto, tem o fator que DL e ML em geral permitem que coisas que só eram possíveis para grandes empresas sejam feitas por empresas muito menores. E isso abre o campo para que estas possam competir no mercado.
Se você tem habilidades com inteligência artificial e quer aprofundar seu conhecimento, faça parte do nosso time!
