Nem todo mundo sabe, mas a evolução tecnológica tem sido tão grande nos últimos anos que já se fala em comércio de robôs que serão capazes de autonomia quase completa. A essência desse tipo de engenharia é o machine learning.
Ou seja, o famoso “aprendizado da máquina”, que nada mais é do que um tipo de processador ou processamento que permite que as máquinas tenham uma interatividade espantosa com os seres humanos, seja um robô ou apenas um software.
Certamente, o maior exemplo atual é o dos motores de busca, como os do Google, do Bing e do Yahoo!, que são os mais utilizados no país. O fato é que, ao pesquisar ali algo como vistoria de carros, há vários parâmetros ou algoritmos rodando.
Assim, se uma pessoa pesquisa algo assim, a máquina entende que ela está atrás de um serviço específico, e não apenas fazendo uma pesquisa de trabalho escolar, por exemplo. Então, a máquina apresenta oficinas que prestam o serviço na região.
A customização do suporte que as plataformas de busca dão chega a tal ponto que é possível pesquisar pelo celular, integrar o sistema com o mapa ou GPS, e se dirigir ao local com um suporte passo a passo, que indica o melhor caminho a se fazer.
Além disso, o machine learning dos buscadores chega muito mais longe, justamente por ir salvando informações de pesquisa que traçam um perfil do usuário. Por exemplo, se a pessoa pesquisa sempre por carrinho supermercado, isso gera um histórico.
Caso um dia ela escreva apenas “carrinho”, não virão brinquedos, mas sim, os mesmos carrinhos de supermercado. Sendo que a mesma pesquisa em outro navegador poderia apresentar brinquedos de carrinho.
É justamente aí que está a percepção de que a máquina aprende, ou de que é possível operar esse aprendizado da máquina. Isso ocorre a partir do momento que ela começa a fazer coisas para as quais não foi especificamente configurada.
Ou seja, ela associa dois ou mais parâmetros para criar um terceiro algoritmo. Hoje, já se fala até em códigos cuja função principal é criar outros algoritmos, sem a interferência humana, o que já aponta para Inteligência Artificial em alto nível.
Por isso mesmo é que decidimos tratar deste assunto encantador, mostrando não apenas como alguém pode desenvolver o machine learning, mas também quais são suas aplicações e o que esperar em termos de curto, médio e longo prazo.
Um ponto realmente interessante é o fato de que atualmente essa frente está sendo utilizada por muitas empresas e instituições, desde motores de busca até agências de marketing que fazem totens personalizados, e querem impactar cada vez mais clientes.
Desta maneira, se o seu interesse mais urgente é o de mergulhar de cabeça na questão do machine learning, entendendo de uma vez por todas como desenvolver esse tipo de tecnologia e aplicar assertivamente, basta seguir adiante na leitura.
O que é machine learning?
Acima mencionamos a Inteligência Artificial, que na verdade é um conceito bem mais amplo, a ponto de que o machine learning configura um capítulo dentro desse segmento, embora esteja se popularizando tanto que pareça ser algo autônomo.
De maneira geral, a Inteligência Artificial é todo tipo de processamento que permite a uma máquina operar comandos automatizados, sem a interferência humana.
Mas isso é mais comum do que se imagina, ao menos desde a revolução do microchip. Antes as fábricas eram compostas de máquinas a carvão ou vapor, mas com o microchip e a placa lógica já surgiu o papel do processador de dados.
Assim, atualmente, quando uma máquina opera com um disco abrasivo de corte, ela já está em um nível de software, configuração e automatização que é bem maior do que qualquer solução mecânica que havia durante a Revolução Industrial.
Já no caso do machine learning, o grande diferencial está no fato de que se trata de algo muito mais assertivo e elaborado, pautado em alguns princípios gerais, tais como:
- Geração de dados;
- Captura de informações;
- Arquivamento de dados;
- Análise dessas informações;
- Identificação de padrões;
- Tomada de decisões;
- Padronização e melhorias.
Ou seja, o aprendizado da máquina lida eminentemente com informações. Lembrando que a aplicação de Big Data ou banco de dados no cenário empresarial é algo que já tem mais de meio século, porém, o nível de cálculo era bem menor.
Ou seja, tratava-se mesmo de acumular dados, depois precisando apurá-los quase que manualmente. O que já era bem vantajoso, pois permitia às empresas tomar decisões com base em subsídios e números, e não apenas em “achômetro”.
Assim, o machine learning nada mais é do que um tipo de Inteligência Artificial, voltado totalmente para o aprofundamento e leitura de dados, com foco na criação de comandos autônomos e vantajosos que dispensam a atuação humana.
Exemplos de aplicação atual
Para falar sobre como desenvolver o machine learning, podemos dar vários outros exemplos de como ele está sendo aplicado atualmente, indo muito além do caso dos motores de busca.
Pouca gente sabe ou já percebeu, mas o marketing está mergulhado nesse tipo de Inteligência Artificial. Como quando você pesquisa por algo como especialista em massoterapia, e depois começam a aparecer banners sobre isto em todo lugar.
Ou seja, as propagandas vão muito além do buscador onde você digitou isso, aparecendo em caixas de e-mail, portais de notícias, transmissão de vídeos e toda uma rede de displays.
O mesmo vale para as famosas redes sociais, que encontram pessoas que você conhece sem que você saiba como isso aconteceu. Ou o streaming que você assina e que começa a indicar filmes do gênero que você mais gosta, como se a lista tivesse sido feita para você.
No fundo, ela foi mesmo, pois essas plataformas trabalham pesado com o machine learning, cruzando dados e criando padrões autônomos e automatizados.
Já se fala até mesmo em carros inteligentes, que vão ser conduzidos pelo computador de bordo, sem a necessidade de motoristas.
Ou de geladeiras inteligentes, que também dependem do aprendizado da máquina, como para avisar que o leite acabou e você precisa comprar mais.
Faça a sua coleta de dados
Um exemplo muito claro de como desenvolver seu próprio machine learning é o do marketing ou das vendas, que está ao acesso de todos hoje.
Trata-se de instalar um programa como o CRM (Customer Relationship Management), que faz a Gestão de Relacionamento com o Cliente, cuja base é justamente a captura e arquivamento de dados, como os perfis de compra de cada um.
Assim, se o cliente já pesquisou três vezes sobre carimbo na hora, você sabe que não adianta de nada oferecer para ele um carimbo que demore 10 dias para ficar pronto, pois ele procura ou prefere soluções que sejam atendidas imediatamente.
Depois de acumular um montante considerável de dados, você já consegue identificar as tendências por trás das informações, dando o passo seguinte.
Hoje, os softwares ou aplicativos que operam nessa frente podem ser operados por instância, regressão ou árvore de decisão.
Treinar e solidificar o modelo
Depois que o parâmetro começa a rodar, com base no banco de dados já montado e na interface escolhida, é preciso fazer o famoso teste A/B, que ajuda seu machine learning a evoluir ainda mais.
Trata-se de colocar duas frentes para operarem juntas ao mesmo tempo. Depois, periodicamente você testa qual deles performou melhor, descontinuando a outra.
Assim, uma agência dispara e-mails com promoção de camisa social atacado, em um falando sobre promoção no título, em outro apenas no corpo do e-mail.
Aquele que reagir melhor e trouxer mais resultados, merece continuar a fazer parte da estratégia, os outros não podem nem devem, para não dar gastos à toa.
O que vai tornar a funcionalidade mais poderosa é justamente a quantidade de testes e o sucesso do modelo. Alguns podem ver nisso uma desvantagem, mas pense bem, até um funcionário novo precisa aprender alguns comandos.
Importância e por que investir
Por fim, depois de descobrir o melhor modelo para sua própria aplicação de machine learning, é preciso considerar a importância disso tudo, como modo de entender por que razão é preciso investir e não parar.
No caso, há dois pilares que determinam esses termos. O primeiro é o da assertividade, que lida com o fato de que essa Inteligência Artificial está cada vez mais efetiva, em muitos casos já podendo substituir realmente um ser humano.
Outro pilar é o da escala, que permite ampliar a execução sem grandes esforços. Por exemplo, se uma loja de limpeza de estofados tem um CRM rodando, para adicionar centenas ou mesmo milhares de novos leads, bastam alguns poucos cliques.
Considerações finais
Falar em machine learning e Inteligência Artificial equivale a tratar de um futuro que já chegou, ao contrário do que a maioria pensa.
Assim, com os conceitos técnicos e conselhos práticos que trouxemos aqui, fica mais fácil e mais seguro entender como exatamente e por que desenvolver sua própria frente de machine learning.
Esse texto foi originalmente desenvolvido pela equipe do blog Guia de Investimento, onde você pode encontrar centenas de conteúdos informativos sobre diversos segmentos.
