Mito 1: Máquinas aprendem por conta própria
O termo machine learning pode dar a impressão de as máquinas que utilizam essa estratégia são capazes de aprender por conta própria. O nosso primeiro mito sobre inteligência artificial vem explicar isso melhor!
Para uma máquina aprender, ela precisa que cientistas de dados experientes – e humanos! – compreendam um problema e a necessidade a ser resolvida, separem conjuntos de dados apropriados e os preparem.
Para essa preparação, é extremamente importante conhecer os dados para remover o viés potencial nos dados de treinamento e entender limitações dos mesmos para, então, desenvolver e testar soluções. A gestão e governança de dados ajuda a tornar essas etapas mais confiáveis.
Por fim, atualizar continuamente a aplicação para garantir a integração de novos conhecimentos e tendências no próximo ciclo de aprendizagem.
A máquina precisa de exemplos para aprender. Ela não é capaz de compreender novas tendências ou mudanças bruscas rapidamente, sem auxílio humano. Mudanças constantes não são bem recebidas pelas inteligências, que trabalham com padrões.
Mito 2: A IA é totalmente objetiva
Esse mito sobre inteligência artificial é desmascarado quando lembramos que cada tecnologia de IA é baseada em dados, regras e outros dados de entrada determinados por especialistas humanos.
Como todos nós temos vieses inerentes, eles são refletidos nos dados, análises e exemplos de treinamento, algoritmos que escolhemos, métricas que decidimos otimizar, na forma que tratamos os dados, o propósito e interpretação do problema, variáveis consideramos realmente relevantes, de forma que a IA também vai conter esses vieses.
Para reduzir a presença de vieses, diversos métodos podem ser aplicados. Por exemplo, garantir a diversidade nas equipes de trabalho, coletar dados de treino o mais diversos possível e seguir práticas de IA responsável.
Mito 3: A IA impactará apenas trabalhos simples e repetitivos
Esse mito sobre inteligência artificial é muito comum!
A IA permite que a tomada de decisões mais precisas por meio de previsões, classificações e agrupamento. Essas habilidades permitiram que as soluções baseadas em IA atinjam os ambientes de trabalho, não apenas substituindo as tarefas simples, mas também permitindo que nós atuemos mais profundamente em tarefas mais complexas.
Um exemplo na área da saúde que mostra porque esse é um mito sobre inteligência artificial, pode ser um leitor de raio-X baseado em IA que pode detectar doenças mais rápido do que os radiologistas. No setor financeiro e de seguros, os robôs conselheiros estão sendo usados para gerenciamento de patrimônio e detecção de fraude.
Essas capacidades não eliminam o envolvimento humano nessas tarefas, em muitos casos reduzem a necessidade de realizar trabalhos repetitivos e aumentam a velocidade de conclusão de tarefas administrativas ou que necessitem do processamento de grandes quantidades de informação.
Para essa transição ocorrer de forma confortável para os profissionais, entretanto, é preciso de planejamento, realinhar funções e treinamento.
O que você achou desses mitos sobre inteligência artificial?
Post baseado neste artigo: Gartner
