Como o RPA está evoluindo com a IA

Como o RPA está evoluindo com a IA: em cinco etapas

Com o recente lançamento do primeiro Quadrante Mágico do Gartner para RPA, todos os 18 fornecedores cobertos estão esperando um aumento nos negócios, esse é o poder do Gartner.

Em termos de plataformas centrais e sua capacidade de automatizar o trabalho chato, mundano e repetitivo que os funcionários do escritório odeiam; para permitir que esses funcionários se concentrem em tarefas de maior valor e mais gratificantes, todos os 18 têm essa capacidade em menor ou maior grau.

Além disso, dado que a adoção do RPA nas empresas da Fortune 500 em todo o mundo está se aproximando de 100%, (o Uipath tem 60% dessa comunidade como clientes), o que as pessoas estão interessadas é como o RPA pode ser combinado com inteligência artificial (IA) para fornecer benefícios adicionais aos seus programas de automação e ajudá-los em suas jornadas de transformação digital – uma jornada, a propósito, que não tem um ponto final.

Veja também Como você sabe se o que você está comprando ou construindo é verdadeiramente Inteligência Artificial?

O problema com a IA é que ela é complicada e está em movimento rápido. Portanto, tentei simplificá-la em quatro áreas. Cada uma delas é representada por um “entendimento” fornecido por ferramentas de IA que foram incluídas no RPA para obter o máximo de benefícios de ambos os tipos de tecnologia.

Ofereço aqui a você cinco etapas sobre o que é importante e por quê:

1. Compreensão visual

Alguns dos primeiros adotantes de RPA foram as empresas de terceirização, pois viram que a automação poderia reduzir seu custo para atender seus clientes de uma forma que a arbitragem trabalhista estava fazendo cada vez menos. No entanto, eles tinham um problema: era extremamente improvável que eles tivessem acesso aos aplicativos de seus clientes – os sistemas e a tecnologia que os clientes estavam usando para administrar seus negócios. Em vez disso, as empresas de terceirização de processos de negócios (BPO, business process outsourcing) tinham que acessar os sistemas de seus clientes sobre a (geralmente) Citrix.

As empresas de BPO certamente poderiam usar codificação e macros para automatizar muitas das tarefas que receberam de seus clientes. Contudo o que eles precisavam era trabalhar um bitmap – uma imagem – toda vez que o cliente atualizava, corrigia ou alterava seus sistemas. Isso quebrou imediatamente todas as automações que a empresa de BPO havia construído e tiveram que recomeçar. Um processo demorado e caro.

Junto veio a RPA em 2015, ou por aí, e essas plataformas usaram âncoras e outros elementos para permitir que a automação sobrevivesse a quaisquer alterações feitas nos sistemas subjacentes para que não quebrassem todas as vezes.

Depois de quatro anos, agora as melhores plataformas de RPA estão usando a visão computacional (uma ferramenta de IA) para que o sistema entenda todos os elementos em todas as telas exatamente da mesma maneira que um humano. Isso permite que os clientes de RPA (fornecedores de BPO também) criem uma automação segura, sabendo que não importa quais alterações são feitas, o robô será capaz de “ver” e “entender” o que está vendo.

2. Compreensão de documentos

O papel não vai morrer.

Toda empresa ainda está inundada de documentos, arquivos, faturas, ordens de compra, currículos e outros pedaços de papel. A ideia de um escritório sem papel para a maioria é um sonho distante.

Essa realidade já foi abordada anteriormente com a tecnologia de digitalização: afinal, se você conseguir digitalizar as informações no papel, poderá usar um robô para lidar com isso. Não? Não.

Documentos digitalizados são apenas parte do que é necessário. Para que o sistema “compreenda” o que está olhando e aloque esse documento ao robô ou à pessoa certa, o sistema precisa usar vários recursos de IA: reconhecimento de entidade denominada, análise de sentimento, reconhecimento inteligente de caracteres ópticos, linguagem natural compreensão, traduções, aprendizado de máquina e assim por diante.

Os fornecedores de RPA têm trabalhado nas tecnologias inteligentes de OCR (reconhecimento óptico de caracteres) com operações comerciais, como a Abbyy, e estão utilizando cada vez mais os desenvolvimentos em outras áreas criadas por empresas como Microsoft e Google. O que é interessante sobre esses dois últimos é que eles abriram a maioria dos elementos necessários para a compreensão do documento. Isso significa que eles estão livres para usar e, assim, eventualmente, todo o software os usará.

Para as empresas de RPA, isso significa que eles estão usando a melhor tecnologia possível para permitir que os clientes manipulem os dados não estruturados armazenados em suas pilhas de papel.

3. Compreensão do processo

Quais processos devem ser automatizados? Estou de acordo com a Automation Anywhere quando eles disseram que “qualquer processo que possa ser automatizado, será”. Mas por onde começar?

Identificar quais processos automatizar primeiro e a ordem na qual eles são feitos até agora tem sido o foco do centro de automação de excelência (COE) junto com os especialistas no assunto em cada unidade de negócios ou área de processo. Agora, os fornecedores de RPA estão vendo cada vez mais o valor da tecnologia de mapeamento de processos, como Celonis e Minit, que as equipes de Lean Six Sigma e de melhorias de processos utilizam para identificar fluxos de processos, gargalos, exceções e assim por diante. O objetivo é ilustrar o caminho ótimo através de qualquer processo para maximizar a eficiência.

Os fornecedores de RPA, como o UiPath, estão trabalhando para alterar o output da atividade Celonis de uma imagem de um mapa de processo para um script XAML; um script XAML que se torna um robô. Então, em termos simples, o que estamos desenvolvendo são robôs autoconstruídos.

O sistema irá observar o que o usuário humano faz, identificar o caminho ideal onde há atividade repetitiva e depois criar um robô para fazê-lo; automaticamente. Este é o final do jogo quando se trata de facilidade de uso para este tipo de tecnologia.

Além disso, há uma segunda parte para processar a compreensão: entender o que acontece quando (inevitavelmente) os processos mudam.

Você deve se interessar também por: Inteligência Artificial: o avanço do backoffice nas empresas

Todos os processos mudam com o tempo. As regras de negócios mudam; a tecnologia é corrigida ou substituída, as prioridades de negócios se alteram. Isso quebra robôs. Então, os fornecedores de RPA estão agora olhando para o aprendizado de máquina (ML) para capturar qualquer aumento nas exceções – um sinal claro de que algo mudou – e então a plataforma de automação irá reconfigurar o robô para atender às novas necessidades do processo. Estes são robôs auto-curáveis; e ainda estão longe.

4. Compreensão conversacional

Por fim, os robôs serão controlados por voz.

Digamos que você trabalhe em um banco e seu robô não entenda o que fazer com um determinado documento ou pagamento; ele seria sinalizado como uma exceção para o usuário humano e, hoje, o usuário lidará com isso manualmente ou voltará ao desenvolvedor do RPA para alterar o robô para que ele saiba o que fazer no futuro.

Não é isso que vai acontecer em breve.

Se o sistema e os robôs tiverem uma compreensão conversacional, você será capaz de se comunicar com o robô em linguagem natural: no caso do funcionário do banco, tudo o que eles terão a dizer é “OK robô, se você ver esse tipo de documento, siga na conta do Wells.” O robô, é claro, tem que entender que ‘Wells’ neste caso significa Wells Fargo; e não buracos no chão com água no fundo ou uma cidade em Somerset no Reino Unido (que também são ambos ‘Wells’).

O entendimento conversacional, portanto, precisa do processo ou de ontologias específicas do setor para permitir que a compreensão da PNL e da linguagem natural funcione. No caso do UiPath, a empresa está trabalhando com vários fornecedores neste espaço, incluindo Kore.ai e Humley.

5. RPA e IA irão desaparecer

O passo 5 é diferente; não se trata de uma tecnologia de IA, mas o corolário do que acontece quando os quatro aspectos anteriores: visual, documento, processo e conversação são totalmente implementados nas plataformas de RPA. Eles vão desaparecer.

Parece contraintuitivo que todo esse trabalho leve ao desaparecimento da RPA e da IA, mas acho que é exatamente isso que vai acontecer. No entanto, não irá desaparecer por falta de utilização: desaparecerá porque será usado em toda a parte!

Bill Gates, no início dos anos 80, imaginou uma época em que todas as residências e todas as escrivaninhas teriam um computador. Hoje, imaginamos uma época em que todo trabalhador de escritório terá um robô; assumir o trabalho que eles não querem fazer (o material chato e repetitivo) e ajudá-los a fazer o trabalho que eles querem fazer (aumentando sua eficiência – e felicidade).

Neste estágio, a RPA e a IA serão consideradas tão naturais quanto o trabalho em si e efetivamente se tornarão invisíveis.

Então lá vamos nós, cinco etapas que você pode referenciar quando alguém lhe pergunta como o RPA e a IA estão se unindo.

*Escrito por Guy Kirkwood, Chief Evangelist at UiPath

Fonte: Linkedin Pulse

Você sabe se é mesmo Inteligência Artificial?

Como você sabe se o que você está comprando ou construindo é verdadeiramente Inteligência Artificial?

Uma pesquisa do Gartner no início de 2019 descobriu que o número de empresas que implementam inteligência artificial (IA) cresceu 270% nos últimos quatro anos. Não é de admirar que as empresas em todos os lugares pareçam estar se esforçando para adotar a IA e, assim, evitar serem colocadas em séria desvantagem competitiva.

Também explica por que muitas empresas novas estão surgindo em todos os lugares, oferecendo produtos e serviços de IA e atraindo interesse entre clientes e investidores. No entanto, o grande volume de provedores de inteligência artificial pode causar sérias confusões no mercado. É difícil saber o que realmente constitui IA – um estudo (da The Verge) descobriu que 40% das startups de IA na Europa não usam a IA, mas sim o que pode ser outra forma de software disfarçado.

A IA engloba muitas tecnologias específicas, como chatbots, aprendizado de máquina, deep learning e análise preditiva. Todos têm em comum o fato de usar algoritmos treinados em dados para apoiar decisões de negócios e complementar a lógica e a experiência dos seres humanos. Os pais da IA, Marvin Minsky e John McCarthy, descreveram a inteligência artificial como “qualquer tarefa realizada por um programa ou uma máquina e que um humano teria que aplicar inteligência para executá-la”. Esta é uma definição bastante ampla e pode levantar mais questões do que respostas.

Você também vai gostar: Inteligência Artificial: o avanço do back office nas empresas

Parte do problema é que a IA ainda é um território do Velho Oeste sem muitas regras, regulamentos ou definições. E, sem um mercado claramente definido, o termo está aberto à interpretação.

A confusão sobre o que constitui a verdadeira IA faz lembrar o movimento de big data de vários anos atrás. Uma pesquisa no Google sobre o termo “big data” resulta em uma lista de fundadores e definições contraditórias do que realmente é – ainda que nos últimos anos, muitas pessoas têm dito que precisamos disso. Talvez a IA seja um desdobramento direto da blitz de big data.

Com tantas mensagens, ofertas e players, como você sabe se o fornecedor ou provedor de serviços com quem está trabalhando ou a solução que está criando realmente está usando IA? É importante se perguntar o que exatamente constitui um verdadeiro projeto de IA se você precisar incorporá-lo ao seu trabalho. Abaixo estão sete perguntas que podem ajudá-lo a descobrir e aproveitar ao máximo a IA:

1- Os cientistas de dados treinados estão desenvolvendo seu algoritmo?

Quer você empregue cientistas de dados internos ou contrate empresas terceirizadas de serviços de inteligência artificial, você precisará de cientistas de dados que entendam como desenvolver soluções de inteligência artificial para resolver seu problema específico, a fim de criar uma solução de inteligência artificial efetiva. Esses profissionais normalmente sabem como agregar e treinar grandes conjuntos de dados e sabem como monitorar o aplicativo para ver se ele está atingindo sua meta.

2- Você está usando servidores de GPU?

A IA não requer apenas quantidades massivas de dados para ser o mais eficaz possível. Ela também precisa do poder de processamento para lidar com essa tarefa. Os servidores que contêm chips NVIDIA GPU são essenciais para projetos de inteligência de dados intensivos.

3- Você está agregando seus dados em toda a empresa?

A única maneira de permitir verdadeiros aplicativos de aprendizado de máquina é agregar dados de toda a empresa. Isso inclui dados de transações de clientes, sistemas de ponto de venda, inventário, sistemas de ERP, pesquisa e desenvolvimento (P&D), marketing, recursos humanos e finanças e contabilidade. Embora também possa ser importante complementar esses dados com fontes externas, é essencial que a maioria dos dados venha de sua empresa para resolver seu problema de negócio muito exclusivo.

4- O modelo de aprendizado de máquina é altamente iterativo e contínuo?

Um sólido projeto de aprendizado de máquina fica mais inteligente quanto mais dados ele analisa. O contrário acontece com projetos simples de análise de dados que usam análise para orquestrar aplicativos e fluxos de trabalho.

5- Aborda todo o ciclo de vida?

A IA deve fornecer recursos em todo o ciclo de vida. Isso significa desde a identificação de dados, limpeza, classificação e rotulagem até o desenvolvimento e teste de modelagem estatística e medição da eficácia da solução de aprendizado de máquina.

6- Como ele rotula os dados?

Algumas empresas usam crowdsources aleatórios para classificar grandes quantidades de dados a fim de coletar dados muito necessários, mas isso nem sempre é suficiente. Você pode usar especialistas em dados treinados para tornar os algoritmos realmente inteligentes. Os especialistas em dados treinados geralmente podem rotular com mais precisão e abordar desafios de negócios específicos para obter informações e insights mais personalizados.

7- Realmente aborda o seu problema de negócios?

O verdadeiro teste de uma solução de inteligência de mercado é sua capacidade de ajudá-lo a resolver um desafio de negócio único, auxiliado pelas capacidades cognitivas dos computadores. Se você está tentando resolver problemas específicos, como determinar a probabilidade de perda de clientes, responder mais rapidamente a perguntas dos clientes ou identificar anormalidades em um raio X, e sua solução está apenas agregando dados e construindo um algoritmo, mas não deixa você mais próximo de resolver a questão, ela realmente não está cumprindo a promessa da IA.

A IA está preparada para a transformação digital em quase todos os setores. Eventualmente, a maioria das empresas poderia ser alimentada por IA. Mas, por hoje, é preciso discernimento cuidadoso para saber se o que você está obtendo é realmente IA. Vale a pena fazer sua lição de casa e fazer as perguntas difíceis ao selecionar ou criar uma solução para ajudá-lo a entrar na onda.

Fonte: Forbes, por Carlos Melendez

Inteligência Artificial: o avanço do back office nas empresas

Inteligência Artificial: o avanço do back office nas empresas

A Inteligência Artificial (IA) está promovendo alguns dos progressos mais notáveis no back office de empresas de todos os tipos. O back office é onde entram as operações de negócios que suportam as principais áreas da organização voltadas para o cliente. Nele estão enquadradas atividades como finanças e contabilidade, recursos humanos, operações da cadeia de suprimentos e logística, TI, suporte e todas outras peças da empresa que são necessárias para que o resto da operação funcione sem problemas. É no back office que tudo acontece, mas nada diretamente relacionado com os clientes. Isso pode ser qualquer coisa, desde pesquisa, agendamento de recebimento e realização de pagamentos ou gerenciamento de instalações. Muitas dessas operações envolvem atividades humanas e processos de negócios que podem ser aprimorados e acelerados por meio do uso de sistemas e tecnologias inteligentes habilitados por IA.

Melhorando os processos: 1. Ordens de pagamento com Inteligência Artificial

Um dos lugares onde a Inteligência Artificial pode melhorar as coisas é através do processo de ordem de pagamento. Esse processo envolve tudo, desde um cliente fazendo um pedido até o recebimento do pagamento desse pedido. Para as empresas receberem o pagamento, elas geralmente precisam emitir, enviar, receber e processar faturas. Isso envolve diferentes processos e sistemas, tanto aqueles diretamente relacionados ao pagamento, como aqueles relacionados a contas a receber. A tecnologia de contas a receber impulsionada pela IA está contribuindo para que as empresas recebam seus pagamentos dentro do prazo.

Surpreendentemente, muitas faturas ainda são enviadas em papel, um grande risco! As faturas em papel podem estar repletas de erros, inconsistências e informações ausentes. Erros que podem ser corrigidos por serviços baseados em Inteligência Artificial, tornando os processos mais eficientes. Os sistemas inteligentes ajudam a resolver disputas, examinam e processam solicitações de reembolso e conseguem identificar itens deixados de lado. Isso acontece devido à capacidade inata dos sistemas de IA de identificar padrões e anomalias em transações e documentos.

Os sistemas habilitados por IA também são capazes de identificar os melhores clientes: quem paga no prazo correto, compra com frequência ou que tipos de produtos compra. Munidas destas informações, as empresas podem criar incentivos personalizados para esses clientes. A análise baseada em aprendizado de máquina (Machine Learning) também ajuda a identificar problemas/falhas nos produtos. A partir de então, é possível conversas com clientes insatisfeitos, tornando o processo mais fluido para todos os envolvidos. Usar a Inteligência Artificial permite um tom sempre agradável para melhorar a experiência do cliente.

Melhorando os processos: 2. Da compra ao pagamento (Procure-to-pay)

A segunda grande onda de inovação nas operações de back office promovida pela IA abrange sistemas e processos de purchase-to-pay (todo o ciclo de compras). As empresas precisam comprar e adquirir uma grande variedade de itens, desde equipamentos de escritório até suprimentos de fabricação. Os sistemas baseados em IA estão acelerando e tornando mais eficientes e confiáveis ​​os processos que as organizações usam para adquirir e pagar produtos e serviços. Eles também garantem a conformidade com as políticas corporativas e regulatórias.

As ferramentas de software habilitadas com Inteligência Artificial podem ajudar a detectar anomalias, identificar dados relevantes para aprimorar os sistemas de aquisição, atribuir itens de aquisição às pessoas corretas para aprovações e agilizar os processos de compras. A IA pode ajudar a transformar o processo interno de compras em operações eficientes e de alto poder que reduzam ou eliminem gargalos, identifiquem oportunidades de descontos, consolidem as compras entre departamentos, reduzam desperdício, fraude e abuso e mantenham as compras em conformidade com várias regras.

À medida que esses sistemas habilitados para Inteligência Artificial se tornam mais integrados ao local de trabalho, eles aprendem com o tempo, tornando-se uma força inteligente personalizada por trás da cena. Os sistemas de compras inteligentes podem aprender como são os pedidos típicos e o que não é típico em uma determinada empresa ou organização. As aplicações são especialmente benéficas para grandes organizações com requisitos de compra complicados. Organizações que compram grandes quantidades de itens e diferentes tipos de produtos e serviços podem se beneficiar de um sistema inteligente para manter uma vigilância constante sobre os processos de aquisição. A capacidade dos sistemas habilitados por IA de reconhecer padrões ajuda a identificar quando as coisas estão sendo compradas, esgotadas ou não utilizadas com frequência suficiente.

Tornando a automação do processo mais inteligente com Inteligência Artificial

Os sistemas de IA também são bons em realizar tarefas repetitivas que requerem elementos da capacidade cognitiva humana. Ferramentas de automação de tarefas repetitivas estão fazendo incursões significativas nas empresas. Adicionar aos sistemas a capacidade de entender documentos, ouvir mensagens de voz, interagir com clientes usando interfaces conversacionais ou usar a tomada de decisão preditiva tornará essas ferramentas de automação mais inteligentes.

As empresas querem que os sistemas de IA e de aprendizado de máquina executem tarefas até então realizadas por pessoas que são muito tediosas ou demoradas. Um exemplo: no passado, uma pessoa tentaria descobrir por que faturas não foram pagas e solucionar junto ao consumidor. Os métodos utilizados muitas vezes são inadequados e ineficientes. A IA pode mudar a forma como as pessoas lidam com a cobrança de dívidas em seus negócios e agilizar o processo. Ela também pode ajudar a aprender a melhor maneira de alcançar pessoas ou organizações, aumentando as chances de sucesso.

Veja também: Você sabe o que é machine learning? Entenda tudo sobre esta tecnologia

Nesse mesmo sentido, a IA melhora a conformidade, especialmente em setores altamente regulamentados e que precisam manter uma documentação meticulosa. A IA mantém essas empresas em conformidade com os requisitos em evolução ou com os cenários variados em que se enquadram. Ela pode, por exemplo, executar auditorias automáticas em sistemas ou sinalizar e filtrar conversas contra as políticas da empresa. A IA também usa o reconhecimento da linguagem natural para interagir com funcionários, fornecedores, clientes e parceiros. Assim, ela possibilita melhorar as operações e acelerar a conformidade com os regulamentos.

Os recursos analíticos da IA ​​ajudam a pesquisar e examinar os dados da empresa para fornecer informações sobre a “agulha no palheiro”, buscando os registros e fornecendo insights automáticos. Sistemas inteligentes baseados em IA também estão ajudando com o gerenciamento de funcionários. Como? Monitorando o engajamento, a interação e o comportamento dos funcionários. Essa é uma forma de garantir que os padrões e as regras corporativas sejam seguidos para evitar qualquer repercussão negativa. Esses sistemas de Inteligência Artificial também estão ajudando a tornar os colaboradores mais eficientes, oferecendo suporte interno por meio de chatbots e outras formas de suporte interno. Os chatbots de autoatendimento com foco no colaborador estão provando ser muito valiosos, fornecendo assistência para consultas relacionadas a RH ou suporte de TI.

Os sistemas de Inteligência Artificial estão se tornando rapidamente uma parte indispensável do ambiente de backoffice corporativo. Eles servem como um assistente aprimorado que pode reduzir significativamente a carga de trabalho de pessoas, especialmente em multinacionais. A IA está fornecendo eficiência e automação muito necessárias para áreas que antes exigiam enorme quantidade de atividades humanas de alta importância, mas de baixo valor.

Fonte: Forbes (traduzido e adaptado)

Organizações atingem maior nível de investimento em tecnologia

Organizações atingem maior nível de investimento em tecnologia

O estudo Harvey Nash / KPMG CIO Survey 2019, divulgado pela KPMG, revela que nos próximos três anos quase a metade das organizações (44%) espera realizar mudanças em modelos de produtos e serviços com adoção da tecnologia. Os principais motivos indicam ruptura digital e a necessidade de se aproximar do consumidor.

Este é o vigésimo primeiro ano do estudo, que tem base em mais de 3.600 respostas de CIOs e executivos de tecnologia de 108 países. No relatório, divulgado nesta semana, é revelado que mais líderes de TI estão relatando mais aumentos de orçamento atualmente ante os últimos 15 anos.

Em 2019, segundo a pesquisa, houve um aumento de 55% em grande parte das organizações nos investimentos de tecnologia. Este é o maior nível atingido desde 2010, considerando também o aumento na aplicação em mais tecnologias emergentes.

Claudio Soutto, sócio-líder de IT Advisory da KPMG no Brasil, falando sobre “organizações que são líderes digitais“, afirma que tendem a ter “melhor desempenho do que suas concorrentes em todos os aspectos da pesquisa“. O índice aponta o “uso de tecnologias digitais para avançar em suas estratégias de negócios“, nas palavras do executivo.

Outros temas que ganham destaque nos conselhos de administração são tecnologia e inovação. Nestes casos, tanto o conselho administrativo das companhias quanto os CEOs tendem a priorizar mais a criação de valor do que a eficiência.

“Vemos que ainda há pouca participação de profissionais de tecnologia nos conselhos de administração. Acho que todas as empresas precisam de pessoas focadas em TI, influenciando e educando o conselho com relação ao uso de novas tecnologias. Mais do que conhecer tecnicamente as novas tecnologias é importante saber como usá-las para alavancar novos negócios”.

Destaques da pesquisa

O material divulgado aponta aumentos de orçamento em 15 anos em investimentos de tecnologia, se comparados com todos os outros anos da pesquisa. Inclusive, estima-se que “uma em cada cinco funções será desempenhada por robôs“.

Ofertas de emprego relacionados a tecnologia também estão crescendo junto com os orçamentos e salários.

Sobre crimes cibernéticos, a pesquisa da KPMG revela que os incidentes permaneceram estáveis neste ano, enquanto que o nível de confiança mostrou crescimento. Nos anos anteriores, a companhia cita um “crescimento do crime cibernético e a redução da confiança no tratamento da ameaça.

Veja também Você sabe o que é machine learning? Entenda tudo sobre esta tecnologia

Fonte: IT Fórum 365

Machine Learning: saiba tudo sobre esta tecnologia

Você sabe o que é machine learning? Entenda tudo sobre esta tecnologia

Um termo tecnológico cada vez mais mencionado por aí é o tal do “machine learning”, que, em português, significa “aprendizado de máquina”. É fácil deduzir que a tecnologia se trate de máquinas e sistemas capazes de adquirir novos conhecimentos por conta própria, mas muita gente ainda não sabe, exatamente o que é o machine learning, como ele surgiu, onde ele é aplicado e qual o seu potencial para o futuro da tecnologia, em geral.

Mas calma, a gente explica!

O começo de tudo

Tudo começou em 1959 com o pioneiro da inteligência artificial, Arthur Samuel, engenheiro do MIT. Foi ele quem criou o termo “machine learning” naquele mesmo ano, descrevendo o conceito como “um campo de estudo que dá aos computadores a habilidade de aprender sem terem sido programados para tal”. Na época, Samuel trabalhava em um projeto para criar uma máquina autônoma com estas características.

Mas foi somente com o advento da Internet que o machine learning começou a tomar forma, já que, com tanta informação coletada e armazenada na web, foi preciso criar meios de organizar esse conteúdo gigantesco de maneira automatizada – e um dos pilares do machine learning é justamente a análise de dados com a finalidade de detectar padrões.

Big Data tem papel importante

E o big data entra na história, já que, em sua essência, a tecnologia faz exatamente isso: armazena toneladas de dados obtidos por meio de redes sociais, mecanismos de buscas, e, até mesmo, por meio de microfones e câmeras de smartphones. Então, algoritmos cada vez mais inteligentes fazem uma verdadeira varredura dessa quantidade gigantesca de informações e, a partir do momento em que padrões são descobertos, os sistemas se tornam capazes de fazer previsões com base nesses padrões.

Veja mais em Big Data Analytics, você sabe o que é?

Um exemplo prático que já faz parte do cotidiano de muitas pessoas são as sugestões de produtos que aparecem em sites e redes sociais. Já reparou que, cada vez mais, produtos anunciados para você são exatamente aquilo que você queria, ou, ainda, itens que você nem sabia que existiam, mas que atendem a alguma necessidade específica? Pois isso é o machine learning entrando em ação, indicando produtos para seu consumo com base em seus hábitos e preferências online.

O machine learning também já funciona com eficiência em aplicativos que exibem rotas no trânsito, como o Google Maps, por exemplo, ou, ainda, em filtros anti-SPAM de e-mails e, até mesmo, em sistemas de segurança de bancos. E, como esta tecnologia ainda tem muito crescimento pela frente, a coisa só tende a crescer, sendo aplicada em uma quantidade cada vez maior de sistemas que fazem parte do nosso dia-a-dia.

Além do machine learning

Algo que já está acontecendo é a criação das chamadas redes neurais, desenvolvidas por cientistas computacionais que usam o machine learning para simular o funcionamento do cérebro humano artificialmente. E isso já cai para o campo da inteligência artificial, que provê a máquinas e sistemas a capacidade de realizar tarefas de maneira inteligente e autônoma, usando o machine learning para seu aprimoramento.

Fonte: CanalTech

pt_BRPortuguese
pt_BRPortuguese