A democratização da aprendizagem de máquina: o que isso significa para a inovação da tecnologia

Ao que tudo indica, o mundo da inovação high-tech pode mudar o destino de várias indústrias da noite para o dia. Estamos hoje próximos de um novo grande salto graças à democratização da aprendizagem de máquina, uma forma de inteligência artificial que permite aos computadores aprender sem que estejam explicitamente programados para isso. O processo de democratização já está em andamento, de acordo com o artigo a seguir de Kartik Hosanagar (@khosanagar), professor de operações, informações e decisões da Wharton e um dos fundadores da Yodle Inc. e Apoorv Saxena (@apoorvsaxena1), gerente de produto do Google e um dos presidentes do recente congresso Fronteiras da IA.

No mês passado, durante o congresso CloudNext, em são Francisco, o Google anunciou a aquisição do Kaggle, uma comunidade online para cientistas de dados e competições de aprendizagem de máquina. Embora o gesto pareça muito distante dos principais negócios da empresa, fica claro o enorme interesse da indústria em aprendizagem de máquina (AM). A Kaggle não apenas dá ao Google acesso a comunidade de cientistas de dados talentosos, como também a um dos maiores repositórios de conjuntos de dados que ajudará a treinar a próxima geração de algoritmos de aprendizagem de máquina.

Na medida em que os algoritmos de AM resolvem problemas cada vez maiores e mais complexos, como tradução de idiomas e compreensão de imagens, treiná-los requer uma quantidade colossal de dados pré-rotulados. Para ampliar o acesso a esses dados, o Google havia lançado previamente um conjunto de dados rotulados criados a partir de mais de 7 milhões de vídeos do YouTube como parte do seu desafio YouTube-8M a Kaggle. O passo seguinte foi a aquisição da Kaggle.

O acesso a dados e algoritmos com base no mercado diminuirá as barreiras de entrada e levará a uma explosão de novos aplicativos de IA. Há pouco tempo, em 2015, somente grandes empresas como Google, Amazon e Apple tinham acesso a dados em grandes quantidades e a recursos de computação necessários para treinar e lançar algoritmos de IA avançados. Pequenas start-ups e indivíduos simplesmente não tinham acesso a eles e eram efetivamente impedidos de entrar nesse mercado. Agora isso vai mudar. A democratização do AP dá às pessoas e às start-ups a chance de pôr em prática suas ideias e testar seus conceitos antes de conseguir os fundos necessários para ganhar escala.

Contudo, o acesso aos dados é somente uma maneira pela qual a AM está sendo democratizada. Há um esforço em andamento no sentido de padronizar e melhorar o acesso a todas as camadas da aprendizagem de máquina, entre eles conjuntos de chips, plataformas de computação escaláveis, estruturas de software, ferramentas e algoritmos de AM.

1. Conjunto de chips especializados

Os algoritmos complexos de aprendizagem de máquina exigem uma quantidade formidável de capacidade computacional, tanto para treinar modelos quanto para implementá-los em tempo real. Em vez de usar processadores para vários fins, capazes de dar conta de inúmeros tipos de tarefas, o foco mudou para a criação de hardware especializado feito sob medida para as tarefas de AM. A TPU (Tensor Processing Unit) do Google e o DGX-1, da NVIDIA, permitem agora que tenhamos um hardware robusto criado especificamente para a AM.

2. Plataformas de computação de grande escalabilidade

Mesmo que haja processadores especializados disponíveis, nem toda empresa tem o capital e as habilidades necessárias para lidar com uma plataforma de computação de grande escala necessária para rodar regularmente tarefas de aprendizagem de máquina avançadas. É aí que serviços públicos de nuvem como o Amazon Web Services (AWS), Google Cloud Platform, Microsoft Azure e outras entram em cena. Esses serviços oferecem aos desenvolvedores o aluguel de uma infraestrutura escalável otimizada para a AM a uma fração do custo de aquisição de uma estrutura própria.

3. Estruturas de código aberto e softwares de aprendizagem profunda

Uma grande dificuldade para a adoção em larga escala da aprendizagem de máquina é que há muitas estruturas diferentes de software disponíveis. Grandes empresas estão abrindo o código de suas estruturas centrais de AM na tentativa de conseguir com isso alguma padronização. Assim como o custo de desenvolvimento de aplicativos móveis caiu drasticamente quando surgiram o iOS e o Android como os dois ecossistemas predominantes, assim também a aprendizagem de máquina se tornará mais acessível à medida que houver a padronização de ferramentas e plataformas em torno de algumas estruturas. Algumas dessas ferramentas notáveis de código aberto são o Tensor Flow, do Google, o MXNet, da Amazon e o Torch, do Facebook.

4. Ferramentas amigáveis para desenvolvedores

O passo final para a democratização da aprendizagem de máquina será o desenvolvimento de estruturas de arrastar e soltar acessíveis a quem tiver doutorado ou treinamento em ciência de dados profundos. O Microsoft Azure ML Studio oferece acesso a muitos modelos sofisticados de AM através de uma interface simples e clara com o usuário. A Amazon e o Google também lançaram softwares parecidos em suas plataformas de nuvem.

5. Mercados para algoritmos de AM e conjuntos de dados

Não só temos a infraestrutura sob demanda necessária para a criação e o funcionamento de algoritmos de AM como temos, inclusive, mercados para os próprios algoritmos. Você precisa de um algoritmo para reconhecimento de rosto em imagens ou precisa adicionar cor a fotografias preto e branco? Mercados como o Algorithimia permitem que você faça o download do algoritmo da sua escolha. Além disso, sites como o Kaggle fornecem os conjuntos de dados em quantidades necessárias ao treinamento posterior desses algoritmos.

Todas essas mudanças significam que o mundo da aprendizagem de máquina não se restringe mais aos laboratórios de universidades e aos centros de pesquisas corporativas com acesso a dados de treinamento em grandes quantidades e infraestrutura de computação.

Quais são as implicações?

Em meados dos anos 90, e também no final dessa mesma década, o desenvolvimento da internet era feito por especialistas e estava acessível somente a empresas com amplos recursos. Agora, com ferramentas simples como o WordPress, Medium e Shopify, qualquer leigo pode estar presente na Internet. A democratização da aprendizagem de máquina terá um impacto semelhante de reduzir as entradas de barreiras para indivíduos e start-ups.

Além disso, o ecossistema emergente de mercados de dados, algoritmos e infraestrutura de computação permitirá também que os desenvolvedores adquiram mais facilmente habilidades de AM. O resultado final será a redução dos custos de treinamento e de contratação de bons profissionais. Cremos que os dois fatores acima sejam particularmente impactantes em casos de uso vertical (específicos para a indústria), como a previsão do tempo, diagnósticos de avaliação de condições de saúde/doenças, descobertas de drogas e avaliação de risco financeiro cujo custo sempre foi proibitivo.

Assim como a computação em nuvem inaugurou a atual explosão de start-ups, a criação sistemática de plataformas de AM possivelmente alimentará a próxima geração de clientes e de ferramentas de negócios. A plataforma do PC nos deu acesso a aplicativos de produtividade como o Word e o Excel e, por fim, a aplicativos de Internet como buscas e redes sociais. A plataforma móvel nos deu os aplicativos de mensagens e os serviços baseados em localização. A democratização sistemática da AM, tudo indica, nos proporcionará uma série fantástica de softwares inteligentes e de aparelhos que movimentarão nosso mundo.

Citando a Universia Knowledge@Wharton

Close


Para uso pessoal:

Por favor, use as seguintes citações para referências de uso pessoal:

MLA

"A democratização da aprendizagem de máquina: o que isso significa para a inovação da tecnologia." Universia Knowledge@Wharton. The Wharton School, University of Pennsylvania, [26 April, 2017]. Web. [27 May, 2017] <http://www.knowledgeatwharton.com.br/article/democratizacao-da-aprendizagem-de-maquina-o-que-isso-significa-para-inovacao-da-tecnologia/>

APA

A democratização da aprendizagem de máquina: o que isso significa para a inovação da tecnologia. Universia Knowledge@Wharton (2017, April 26). Retrieved from http://www.knowledgeatwharton.com.br/article/democratizacao-da-aprendizagem-de-maquina-o-que-isso-significa-para-inovacao-da-tecnologia/

Chicago

"A democratização da aprendizagem de máquina: o que isso significa para a inovação da tecnologia" Universia Knowledge@Wharton, [April 26, 2017].
Accessed [May 27, 2017]. [http://www.knowledgeatwharton.com.br/article/democratizacao-da-aprendizagem-de-maquina-o-que-isso-significa-para-inovacao-da-tecnologia/]


Para fins Educacionais/Empresariais, use:

Favor entrar em contato conosco para usar com novos propósitos artigos, podcasts ou vídeos através do nosso formulário de contato para licenciamento de conteúdo. .

 

Join The Discussion

No Comments So Far