Nos \u00faltimos dez anos, todos trabalhamos com o modelo em que uma plataforma de computa\u00e7\u00e3o pode fazer tudo, e que essa plataforma de computa\u00e7\u00e3o deve ser estar em um datacenter central. Se uma tarefa \u00e9 demais para nossos recursos de computa\u00e7\u00e3o, simplesmente adicionamos mais CPUs, mem\u00f3ria ou armazenamento.<\/p>\n
A digitaliza\u00e7\u00e3o,a Internet das coisas, e a desagrega\u00e7\u00e3o da lei de Moore vai mudar tudo isso.<\/p>\n
Rumo a um mundo onde tudo aprende.<\/strong><\/p>\n A Internet das coisas come\u00e7a a detectar a nossa realidade (anal\u00f3gica) e ao faz\u00ea-lo, gera uma enorme quantidade de dados. Por exemplo, um carro auto-dirigido gera quatro terabytes de dados por dia.<\/p>\n E mais, por causa do r\u00e1pido avan\u00e7o de um ramo de intelig\u00eancia artificial chamada aprendizagem de m\u00e1quina, somos capazes de tomar esta massa de dados e “descobrir o que est\u00e1 acontecendo”.<\/p>\n A aprendizagem de m\u00e1quina n\u00e3o \u00e9 como a computa\u00e7\u00e3o do passado. At\u00e9 agora dissemos ao computador o que fazer atrav\u00e9s de nossos aplicativos, softwares diversos. Com a aprendizagem da m\u00e1quina, o computador diz a si mesmo o que fazer. \u00c0 medida que um sistema de aprendizado de m\u00e1quina ganha experi\u00eancia, ele fica melhor no que faz – sem qualquer interven\u00e7\u00e3o humana.<\/p>\n Esses sistemas de aprendizado de m\u00e1quinas j\u00e1 existem, mas veremos muitos, muitos mais no futuro.<\/p>\n Alguns exemplos:<\/p>\n Detec\u00e7\u00e3o de fraude – sistemas de aprendizado de m\u00e1quina aprendem nossos padr\u00f5es de gastos normais, permitindo assim detectar uma anomalia e prov\u00e1vel fraude. J\u00e1 em uso com \u00f3timo aproveitamento.<\/p>\n Detec\u00e7\u00e3o acidentes dom\u00e9sticos – as c\u00e2meras monitoram as pessoas vulner\u00e1veis \u200b\u200b\u00e0s quedas em suas casas. Um sistema de aprendizagem de m\u00e1quina aprende quais movimentos s\u00e3o normais e quais fogem do padr\u00e3o.<\/p>\n Acompanhamento de alunos – as pegadas digitais dos alunos s\u00e3o alimentadas em um sistema de aprendizagem. O sistema aprende esses padr\u00f5es de pegada digital e definem com base em compara\u00e7\u00f5es complexas um aluno com baixo rendimento, e, portanto, precisando de ajuda de seu tutor. Tal sistema est\u00e1 em uso no Reino Unido e \u00e9 capaz de prever que a ajuda \u00e9 necess\u00e1ria quatro a seis semanas antes de um tutor notar qualquer problema.<\/p>\n Ajudando no diagn\u00f3stico de doen\u00e7as – o grupo DeepMind da Google em Londres est\u00e1 trabalhando com o Servi\u00e7o Nacional de Sa\u00fade do Reino Unido em v\u00e1rios projetos nos quais criar\u00e3o um sistema de aprendizado autom\u00e1tico que ajudar\u00e1 os m\u00e9dicos a realizar diagn\u00f3sticos. Seu primeiro projeto foi focado em doen\u00e7a renal.<\/p>\n Previs\u00e3o de falhas – j\u00e1 existem v\u00e1rios sistemas de manuten\u00e7\u00e3o preditiva em uso. As novas locomotivas da General Electric e as bombas de \u00f3leo da FlowServe possuem esses sistemas. O sistema de aprendizado de m\u00e1quina aprende as caracter\u00edsticas dos dados do sensor que precedem uma falha, permitindo assim o reparo pr\u00f3-ativo, antes de ocorrer uma avaria. A precis\u00e3o \u00e9 muito superior ao monitoramento comum.<\/p>\n Ve\u00edculos aut\u00f4nomos – ve\u00edculos aut\u00f4nomos provavelmente s\u00e3o menos do que a publicidade oferece, eles s\u00e3o, essencialmente, sistemas de aprendizagem de m\u00e1quina sobre rodas.<\/p>\n Marketing digital aut\u00f4nomo – a aprendizagem de m\u00e1quinas descobre a mistura de publicidade digital que obt\u00e9m os melhores retornos e ajusta essa mistura de acordo.<\/p>\n A aprendizagem de m\u00e1quina nos permite criar o que chamamos de “Sistema de A\u00e7\u00e3o”. Dados entram no sistema de aprendizagem da m\u00e1quina que, a partir desses dados, descobre o que est\u00e1 acontecendo. Esses dados podem ser feeds de v\u00eddeo a partir da cerca perim\u00e9trica do Aeroporto de Heathrow em Londres, ou os dados de muitos sensores de um autom\u00f3vel aut\u00f4nomo, ou dados do sensor de uma bomba de \u00f3leo, ou os dados de vendas de um mix de publicidade digital, ou o sensor entradas de um campo de palma da Mal\u00e1sia, ou da c\u00e2mera que acompanha\u00a0 uma pessoa idosa em sua casa, ou as pegadas digitais de um aluno e por a\u00ed vai.<\/p>\n Baseado em o que aprendeu no passado, o sistema infere o que est\u00e1 acontecendo – algu\u00e9m est\u00e1 tentando cortar a cerca no aeroporto de Heathrow, este carro est\u00e1 se dirigindo para um sem\u00e1foro fechado, esta bomba est\u00e1 operando acima da capacidade, nossos an\u00fancios em linha dentro Su\u00e9cia n\u00e3o est\u00e3o trabalhando como em outro lugar, esta pessoa idosa caiu, este estudante deve estar precisando de uma nota A, mas eles est\u00e1 caminhando para uma nota C, este paciente tem uma doen\u00e7a renal em est\u00e1gio inicial.<\/p>\n A partir da\u00ed o sistema aconselha, pede permiss\u00e3o e ent\u00e3o toma medidas, ou toma uma a\u00e7\u00e3o aut\u00f4noma – informa a pol\u00edcia, para o carro, desliga a bomba e envia a equipe de manuten\u00e7\u00e3o, puxa an\u00fancios para o YouTube na Su\u00e9cia, notifica o servi\u00e7o de ambul\u00e2ncia, notifica o tutor do aluno.<\/p>\n Chamamos isso de Sistema de A\u00e7\u00e3o porque \u00e9 apenas isso – um sistema que detecta, infere o que est\u00e1 acontecendo ent\u00e3o, pode agir.<\/p>\n Estamos chegando l\u00e1, no futuro.<\/p>\n","protected":false},"excerpt":{"rendered":" Nos \u00faltimos dez anos, todos trabalhamos com o modelo em que uma plataforma de computa\u00e7\u00e3o…<\/p>\n","protected":false},"author":1,"featured_media":20932,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[94,9],"tags":[],"_links":{"self":[{"href":"https:\/\/www.kblo.com.br\/blog\/wp-json\/wp\/v2\/posts\/20931"}],"collection":[{"href":"https:\/\/www.kblo.com.br\/blog\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.kblo.com.br\/blog\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.kblo.com.br\/blog\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.kblo.com.br\/blog\/wp-json\/wp\/v2\/comments?post=20931"}],"version-history":[{"count":3,"href":"https:\/\/www.kblo.com.br\/blog\/wp-json\/wp\/v2\/posts\/20931\/revisions"}],"predecessor-version":[{"id":20935,"href":"https:\/\/www.kblo.com.br\/blog\/wp-json\/wp\/v2\/posts\/20931\/revisions\/20935"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.kblo.com.br\/blog\/wp-json\/wp\/v2\/media\/20932"}],"wp:attachment":[{"href":"https:\/\/www.kblo.com.br\/blog\/wp-json\/wp\/v2\/media?parent=20931"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.kblo.com.br\/blog\/wp-json\/wp\/v2\/categories?post=20931"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.kblo.com.br\/blog\/wp-json\/wp\/v2\/tags?post=20931"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}