Desenvolvimentos como Inteligência Artificial (IA), Machine Learning (ML) e Deep Learning (DL), começaram a impactar as soluções da indústria audiovisual.
Andrea Mereghetti*
Já saímos no passado um dos anos mais controversos da história da humanidade, chegamos a um nível de estresse social que acredito ser comparável apenas a eventos passados, como as Brigadas Vermelhas na Itália, a Guerra Fria (EUA e a antiga URSS) e a ameaça de guerra nuclear, há pouco menos de 30 anos. Pessoas como Donald Trump, Kim Jong-un e outros populistas ao redor do mundo definiram e estão definindo nosso futuro e a maneira como percebemos o que está por vir.
Alan Touring, matemático e mente brilhante, pai da Ciência da Teoria Computacional e Inteligência Artificial (IA), bem como "Codebreaker" na Segunda Guerra Mundial, recebeu desculpas oficiais em 2013 do governo britânico de Gordon Brown, após seu suicídio aos 41 anos, por ter sido discriminado e humilhado por sua homossexualidade.
O seu é o "Teste de Touring", que por décadas foi indicado como um dos testes por excelência para ser capaz de reconhecer se você estava interagindo com uma máquina ou com uma pessoa, ainda é válido? Quais são as ferramentas disponíveis para definir ou perceber diferenças? Bem, não há.
Essas tecnologias (IA) estão definindo nossas vidas e pouco ou nada está sendo feito para nos proteger. Em 2017, tomando as leis1 da robótica definidas em 1942 por Isaac Asimov (famoso escritor do século passado, autor da Trilogia da Fundação, I Robô, e muitas outras histórias de ficção científica) a União Europeia fez uma primeira tentativa de reduzir um possível impacto na sociedade.
Elon Musk, um dos visionários deste século, em diferentes ocasiões ressaltou que é hora de regular a Inteligência Artificial (IA) antes que seja tarde demais, é surpreendente e ao mesmo tempo fascinante como a SpaceX (uma de suas empresas, além da Tesla) foi capaz de fazer um tubo de materiais compostos pode retornar da atmosfera e da terra (após um período de aprendizado) sem problemas aparentes e ser capaz de reutilizá-lo em a curto prazo. Como eles fizeram isso?
Lars Blackmore2 graduado em algoritmos do MIT (Machine Learning) que poderiam aprender de acordo com variáveis relacionadas ao seu ambiente ambiental e fazer com que um veículo não tripulado possa definir sua rota, chegando ao seu destino final integrado (obviamente ele trabalha na SpaceX agora). Ou como o Waze que também conta com machine learning para definir a melhor rota, talvez sem considerar muitas variáveis externas (como as que temos no CDMX). Um caso curioso é o que aconteceu em Nova Jersey, onde por um período de tempo a melhor rota para chegar a Nova York estava passando por uma pequena cidade chamada Leonia, e o prefeito decidiu fechar as ruas para evitar o aumento do tráfego. Será que o algoritmo vai ter sucesso em aprender com as decisões imprevisíveis do homem?
Você viu o que conseguiu na Boston Dynamics3 aplicando IA e ML? Eles projetaram e programaram um robô humanoide chamado ATLAS e seu filhote SPOTMINI4, que são capazes de correr, saltar, evitar obstáculos, carregar pesos, se eles caírem eles se levantam e também trabalham em equipe. Obviamente, todos financiados pelo Departamento de Defesa dos Estados Unidos da América (DARPA5).
Hoje essas tecnologias estão disponíveis, talvez ainda não para todos, mas não é mais necessário ter um "Mestrado" em matemática ou ser um desenvolvedor experiente. Temos acesso a muitas APIs para criar aplicativos, serviços que suportam redes neurais e algoritmos de Inteligência Artificial, Machine Learning ou Deep Learning, do Google Cloud Platform à Amazon ML, ou como Microsoft Azure ML, IBM Spectrum, Intel Nervana, entre outras.
É importante entender quais são as diferenças, pois com todos esses termos é fácil ficar confuso, podemos dizer que ML e DL são desdobramentos da IA.
"Machine Learning" significa o que um computador pode aprender com o que um humano faz, por exemplo, repetindo análises, identificando padrões e aplicando soluções lógicas, aprendendo com o resultado e lembrando-o.
E com o termo "Deep Learning", como uma grande diferença, entende-se que você pode aprender e escrever seu próprio código para aplicar melhorias e obter o resultado. Exemplos surpreendentes foram obtidos pelo Facebook, onde um conjunto de algoritmos BOTS6 atingiu um nível onde eles desenvolveram uma linguagem que o homem não conseguia entender (os engenheiros acabaram desligando as máquinas); ou o que o Google7 conseguiu fazer, sintetizando a primeira voz digital sem ser capaz de distingui-la da humana, com algoritmo de aprendizagem ML e DL.
Universidades de prestígio, como Harvard, licenciam sua plataforma deep learning com o setor privado para desenvolver novos materiais para exposição e iluminação com tecnologia OLED.
Com as empresas multinacionais de "Deep Learning" no campo tecnológico estão definindo nosso futuro, resolvendo problemas do mundo atual e fazendo com que os computadores ajam e pensem como humanos; por exemplo, imitando o funcionamento do nosso cérebro, eles podem analisar uma foto ou um vídeo e ser capazes de gerar um texto descritivo dessa imagem, não apenas de quem ou o que é, em que lugar ou configuração, e tudo com uma precisão de 93,9%.
E na indústria de sinalização digital? Tudo isso já está sendo aplicado, e a Associação Mexicana de Sinalização Digital (DSMX) está muito ciente de sua evolução e medindo impactos, regulando e promovendo a aplicação correta. A medição do público é baseada em algoritmos ML e Redes Neurais, que aprendem com a experiência e se tornam mais precisos com o tempo.
Na Eslovênia8, a experiência do usuário em uma loja de departamentos é moldada para que os algoritmos de ML sejam responsáveis pela definição de padrões e, com a sinalização correta, se comunicando de forma eficaz e em tempo real. Tudo isso se tornará preditivo aplicando DL, controlando a fabricação e distribuição de produtos, antecipando as necessidades dos consumidores, de forma eficiente, sem a intervenção do homem. E como se fosse uma história de Black Mirror, as máquinas serão capazes de criar novos produtos, para se tornarem criativas e um dia não muito longe, para fazer sem o ser humano?
*Andrea Mereghetti é CTO da empresa mexicana Kolo DS. Texto editado por Boris Dallafontana, Gerente MKT da Kolo DS.
Referências:
1 https://blogthinkbig.com/las-6-leyes-de-la-robotica-de-la-union-europea
2 http://www.larsblackmore.com/stochasticcontrol.htm
3 https://youtu.be/fRj34o4hN4I
4 https://www.youtube.com/watch?v=rnTyzwpz4JI
5 https://es.wikipedia.org/wiki/Defense_Advanced_Research_Projects_Agency
6 https://www.forbes.com/sites/tonybradley/2017/07/31/facebook-ai-creates-its-own-language-in-creepy-preview-of-our-potential-future/ - 221b61d9292c
7 https://www.theverge.com/2016/9/9/12860866/google-deepmind-wavenet-ai-text-to-speech-synthesis
8 https://www.researchgate.net/publication/290365887_Modelling_In...Store_Consumer_Behaviour_Using_Machine_Learning_and_Digital_Signage_Audience_Measurement_Data
Leave your comment