Especial inteligência artificial

O QUE ESTÁ PROVOCANDO A EXPLOSÃO DO APRENDIZADO DE MÁQUINA?

TRÊS FATORES CONTRIBUEM PARA ESSE MOMENTO DA IA

Por Erik Brynjolfsson e Andrew McAfee

Os sistemas de aprendizado de máquina existem desde a década de 1950, então por que só agora estamos observando avanços em áreas tão diversificadas? Três fatores estão em jogo: dados que cresceram enormemente, algoritmos que melhoraram significativamente e hardware de computadores substancialmente mais poderosos. Nas últimas duas décadas a disponibilidade de dados aumentou cerca de mil vezes, algoritmos divisores de águas melhoraram de dez a cem vezes e a velocidade do hardware aumentou em pelo menos cem vezes. De acordo com Tomaso Poggio, do MIT, essas melhorias podem se combinar para gerar avanços de até um milhão de vezes em aplicações como os sistemas visuais de detecção de pedestres usados nos carros autodirigidos.  

 

Vamos analisar cada fator separadamente.

Dados. CDs de música, DVDs de filmes e páginas da web foram sendo adicionados ao estoque mundial de informação digitalmente codificada durante décadas, mas nos últimos anos a taxa de criação explodiu. Sinais de sensores em smartphones e equipamentos industriais, fotos e vídeos digitais, uma torrente digital sem-fim de mídias sociais e várias outras fontes se combinam para nos colocar numa era totalmente sem precedentes de abundância de dados. Cerca de 90% dos dados digitais no mundo atual foram criados somente nos últimos dois anos. Com a promessa crescente da internet das coisas (IoT) de conectar bilhões de novos aparelhos e seus respectivos fluxos de dados, é uma aposta segura afirmar que muito mais dados digitais estarão disponíveis na próxima década.  

Algoritmos. A torrente de dados é importante não só porque torna os algoritmos atuais mais eficientes, mas também porque encoraja, sustenta e acelera o desenvolvimento de algoritmos melhores. Os algoritmos e abordagens que estão dominando a disciplina — como aprendizado profundo supervisionado e aprendizado por reforço — compartilham uma propriedade básica vital: seus resultados melhoram à medida que aumenta a quantidade de dados de treinamento que estão produzindo. O desempenho de um algoritmo geralmente estabiliza em algum ponto, depois disso introduzir mais dados produz pouco ou nenhum efeito. Mas isso ainda não parece ser o caso de muitos algoritmos amplamente usados hoje em dia. Ao mesmo tempo, novos algoritmos estão transferindo o aprendizado de uma aplicação para outra, permitindo aprender com menos exemplos.

Hardware de computadores. A lei de Moore — a capacidade dos circuitos integrados dobra consistentemente a cada 18 a 24 meses — comemorou seus 50 anos em 2015, época em que ela ainda vigorava. Algumas pessoas comentaram recentemente que ela está extrapolando os limites da física, por isso deverá desacelerar nos próximos anos. De fato, a velocidade do relógio para os microprocessadores padrão estabilizou. Mas, por uma fortuita coincidência, um tipo de chip de computador relacionado, chamado unidade de processamento gráfico, ou GPU, se mostrou muito eficiente quando aplicado aos cálculos necessários para as redes neurais. Na verdade, aumentos de velocidade de 10 vezes não são raros quando as redes neurais passam de unidades centrais tradicionais de processamento para GPUs. De início as GPUs foram desenvolvidas para exibir com rapidez interfaces gráficas em aplicações como jogos de computador. Isso significava economia de escala e permitia reduzir os custos unitários, mas um número crescente de GPUs está sendo usado em redes neurais. Como as aplicações de redes neurais se tornaram ainda mais comuns, várias empresas desenvolveram chips otimizados e especializados para essas aplicações, incluindo a unidade de processamento de tensor, ou TPU, da Google. De acordo com Shane Legg, cofundador da DeepMind da Google, uma rodada de treinamento que leva um dia num dispositivo com uma única TPU teria levado 250 mil anos num modelo 80486 da década de 1990. Isso pode mais que decuplicara melhoria de desempenho

Esses aperfeiçoamentos têm um efeito sinergético acumulativo. Um hardware com mais capacidade permite que os engenheiros testem e desenvolvam melhores algoritmos e, é claro, que as máquinas absorvam conjuntos de dados muito maiores e em tempo razoável. Algumas dessas aplicações que estão sendo resolvidas hoje — converter ondas sonoras da fala em texto compreensível, por exemplo — levariam, literalmente, séculos para rodar num hardware antigo da década de 1990. O sucesso motiva pesquisadores brilhantes a trabalhar na área e mais investidores e executivos a financiar novos empreendimentos. 

Ampliando ainda mais essas sinergias estão outras duas tecnologias: redes globais e a nuvem. A internet móvel agora pode entregar tecnologias digitais praticamente em qualquer lugar do planeta, conectando bilhões de clientes potenciais aos avanços da IA. Pense nos assistentes inteligentes que você provavelmente já utiliza em seu smartphone, nas bases de conhecimento digital que as grandes empresas agora compartilham globalmente, nos sistemas colaborativos, como Wikipedia e Kaggle, cujos principais usuários e contribuidores são pessoas brilhantes de fora da organização.

Talvez ainda mais importante seja o potencial de IA baseada na nuvem para acelerar o aprendizado e a difusão. Pense num robô que está em determinado local processando uma tarefa como reconhecimento de um objeto. Uma vez que ele domine a tarefa, estará apto fazer o upload desse conhecimento para a nuvem e compartilhá-lo com outros robôs que usam um sistema de representação de conhecimento compatível (a Rethink Robotics está trabalhando nessa plataforma). Assim, robôs que trabalham independentemente podem, de modo efetivo, reunir dados de centenas, milhares e até
milhões de olhos e ouvidos. Se essas informações forem combinadas num único sistema, os robôs podem aprender muito mais rápido e compartilhar seus insights quase instantaneamente. 

“A adaptação aos novos tempos não significa submissão, pelo contrário, é um processo em que descobrimos novas formas de tratar com o diferente e inusitado, encontramos soluções e caminhos mais adequados e conferimos nossas forças e habilidades”

Assim, para construir uma carreira sustentável e evolutiva e se adaptar à revolução tecnológica, o profissional de RH precisa:

1 Desenvolver a capacidade de se observar e de observar o ambiente em que se encontra;

2 Se conhecer cada vez mais;

3 Admitir que não sabe tudo e que, sozinho, não vai conseguir criar o ambiente necessário ao seu próprio desenvolvimento e dos demais;

4 Ter a sabedoria de buscar ajuda especializada sempre que precisar;

5 Ter consciência de que está tratando com questões complexas que exigem soluções delicadas e efetivas; 

6 Conhecer bem a posição que ocupa e seus limites para evitar desencontros e perdas irreparáveis;

7 Ter paciência para conquistar espaço, respeito e confiança, o que garantirá que seja mais ouvido e considerado;

8 Conhecer e dominar as tecnologias específicas de sua área de atuação;

9 Saber que os indicadores são tão somente indicadores que deverão ser confirmados no dia a dia;

10 Entender que os recursos tecnológicos dependem diretamente de quem lida com eles e de como são manuseados;

11 Conhecer os limites dessas tecnologias e o que elas medem de fato. Qual seu objetivo e objeto?

12 Saber utilizá-las para a promoção de desenvolvimento e não para premiar ou punir;

13 Ter a visão clara de que está tratando com fenômenos subjetivos que jamais serão transformados em objetivos e que demandam sensibilidade e empatia;

14 Trabalhar para construir relações e cooperação e tratar de forma amistosa as falhas e incompreensões dos seus colaboradores, pares e superiores imediatos;

15 Cuidar para que os recursos tecnológicos não substituam a relação interpessoal e uma boa conversa pessoal;

16 Ter uma noção clara dos efeitos da tecnologia no psiquismo das pessoas que lidam todos os dias com um excesso de informações e estímulos promotores de agitação, ansiedade, insegurança e da sensação de estar sempre devendo algo, de nunca chegar lá;

17 Tratar esses sintomas em si mesmo para não ser envolvido numa aceleração demasiada que leva ao trabalho mecânico e à destruição do pensar criativo;

18 Aprender a dar e receber feedbacks construtivos e ajudar os gestores a fazerem o mesmo;

19 Aprimorar a capacidade negativa, isto é, a capacidade de estar em meio a incertezas, mistérios, dúvidas, sem nenhum esforço para alcançar respostas e soluções;

20 Permitir-se errar e se dar o benefício da dúvida.

Todas essas competências, necessidades e características pessoais podem ser desenvolvidas ao longo do tempo e aplicadas com sabedoria e humanidade. O profissional de RH, acima de tudo, precisa ser forte para não sucumbir aos jogos de poder e ser engolido pelo sistema, para mostrar ao principal executivo e acionistas que o mundo mudou e as relações no trabalho também precisam mudar.

O que os profissionais de RH querem hoje? Espaço para promoverem um ambiente construtivo e propício para o crescimento, evoluir, criar, inovar, ser ouvido, crescer, aprender, transformar-se, transformar, conquistar saúde e bem-estar na empresa em que atuam.

A necessidade de interagir e participar da realização de novos projetos em que o aprendizado se concretiza e define os destinos do negócio é fator determinante para o sucesso da empresa e dos profissionais que nela atuam. Entretanto, nem os profissionais de RH, nem os executivos em geral, estão habituados a tanta interatividade e compartilhamento de ideias. Na maioria das vezes, em razão da urgência em tratar as demandas, agem de forma autoritária e, não raro, intempestiva.

Compreender esses movimentos e lidar com eles requer maturidade e capacidade de tolerância para corrigir a rota sem quebrar relações. Hoje, mais do que nunca, desenvolver a capacidade de lidar com frustrações e de reconsiderar atitudes precipitadas é indispensável.

Poder perdoar e perdoar-se faz parte dos recursos necessários a todos e principalmente àqueles que se aventuram a trabalhar em meio a uma revolução tecnológica que se modifica o tempo todo e exige ousadia dos que a desenvolvem ou a utilizam.