More

    A IA é a chave para uma IA ainda melhor


    Apesar de toda a conversa sobre como a tecnologia de inteligência artificial está transformando setores inteiros, a realidade é que a maioria das empresas luta para obter valor real da IA. 65% das organizações que investiram em IA nos últimos anos ainda não viram nenhum ganho tangível com esses investimentos, de acordo com uma pesquisa de 2019 realizada por Avaliação de gestão do MIT Sloan e o Boston Consulting Group. E um quarto das empresas que implementam projetos de IA vêem pelo menos 50% desses projetos falharem, com “falta de equipe qualificada” e “expectativas irrealistas” entre os principais motivos para o fracasso, de acordo com a pesquisa do IDC.

    Um fator importante por trás dessas dificuldades é a alta complexidade algorítmica dos modelos de aprendizado profundo. A complexidade algorítmica refere-se à complexidade computacional de construir e executar esses modelos na produção. Enfrentando ciclos de desenvolvimento prolongados, altos custos de computação, desempenho de inferência insatisfatório e outros desafios, os desenvolvedores muitas vezes se encontram presos no estágio de desenvolvimento da adoção de IA, tentando aperfeiçoar modelos de aprendizagem profunda por meio de tentativa e erro manual, e longe da produção palco. Como alternativa, os cientistas de dados contam com fac-símiles de outros modelos, que acabam se revelando inadequados para seus problemas de negócios exclusivos.

    Se algoritmos desenvolvidos por humanos inevitavelmente esbarram em barreiras de custo, tempo, mão de obra e adequação aos negócios, como a indústria de IA pode quebrar essas barreiras? A resposta está em algoritmos que são projetados por algoritmos – um fenômeno que tem sido confinado à academia até agora, mas que abrirá aplicações inovadoras em todos os setores quando for comercializado nos próximos anos.

    Essa nova abordagem permitirá que os cientistas de dados se concentrem no que fazem de melhor – interpretar e extrair percepções dos dados. Automatizar processos complexos no ciclo de vida da IA ​​também tornará os benefícios da IA ​​mais acessíveis, o que significa que será mais fácil para as organizações que não possuem grandes orçamentos de tecnologia e equipe de desenvolvimento explorar o verdadeiro poder transformador da tecnologia.

    Mais uma arte do que uma ciência

    Como a tarefa de criar modelos eficazes de aprendizado profundo se tornou um desafio muito grande para os humanos enfrentarem sozinhos, as organizações precisam claramente de uma abordagem mais eficiente.

    Com os cientistas de dados regularmente atolados pela complexidade algorítmica do aprendizado profundo, as equipes de desenvolvimento têm se esforçado para projetar soluções e são forçadas a ajustar e otimizar manualmente os modelos – um processo ineficiente que geralmente ocorre às custas do desempenho ou da qualidade do produto. Além disso, o projeto manual de tais modelos prolonga exponencialmente o tempo de colocação no mercado de um produto.

    Isso significa que a única solução são modelos de aprendizagem profunda totalmente autônomos que se constroem por si próprios? Não necessariamente.

    Considere a tecnologia automotiva. A popular dicotomia entre direção totalmente autônoma e totalmente manual é muito simplista. Na verdade, esse enquadramento em preto e branco obscurece grande parte do progresso que as montadoras fizeram na introdução de níveis mais elevados de tecnologia autônoma. É por isso que os membros da indústria automotiva falam de diferentes níveis de autonomia – variando do Nível 1 (que inclui tecnologia de assistência ao motorista) ao Nível 5 (carros totalmente autônomos, que permanecem uma perspectiva distante). É plausível que nossos carros possam se tornar muito mais avançados sem a necessidade de alcançar total autonomia no processo.

    O mundo da IA ​​pode (e deve) desenvolver uma mentalidade semelhante. Os profissionais de IA requerem tecnologias que automatizam processos complicados envolvidos no projeto de um modelo de aprendizado profundo. Semelhante a como os Sistemas de Assistência ao Motorista Avançado (ADAS) (sistemas de frenagem automática, controle de cruzeiro adaptativo) estão abrindo o caminho para uma maior autonomia na indústria automotiva, a indústria de IA precisa de sua própria tecnologia para fazer o mesmo. E é a IA que contém a chave para nos ajudar a chegar lá.

    IA construindo IA melhor

    De forma encorajadora, a IA já está sendo aproveitada para simplificar outras tarefas relacionadas à tecnologia, como escrever e revisar código (que é construído pela IA). A próxima fase da revolução do aprendizado profundo envolverá ferramentas complementares semelhantes. Nos próximos cinco anos, espere ver esses recursos lentamente se tornarem disponíveis comercialmente para o público.

    Até agora, as pesquisas sobre como desenvolver essas capacidades superiores de IA permaneceram restritas a institutos acadêmicos avançados e, sem surpresa, aos maiores nomes da tecnologia. O trabalho pioneiro do Google em busca de arquitetura neural (NAS) é um exemplo importante. Descrito pelo CEO do Google, Sundar Pichai, como uma forma de “redes neurais projetarem redes neurais”, o NAS – uma abordagem que começou a atrair atenção em 2017 – envolve algoritmos que buscam entre milhares de modelos disponíveis, um processo que culmina em um algoritmo adequado para o particular problema em questão.

    Por enquanto, NAS é uma nova tecnologia que não foi amplamente introduzida comercialmente. Desde o início, os pesquisadores conseguiram encurtar os tempos de execução e diminuir a quantidade de recursos de computação necessários para executar algoritmos NAS. Mas esses algoritmos ainda não são generalizáveis ​​entre diferentes problemas e conjuntos de dados – muito menos prontos para uso comercial – porque para cada caso de uso individual, deve-se ajustar manualmente o espaço da arquitetura para cada problema, uma abordagem que está longe de ser escalável.

    A maioria das pesquisas no campo foi realizada por gigantes da tecnologia como Google e Facebook, bem como institutos acadêmicos como Stanford, onde os pesquisadores saudaram os métodos autônomos emergentes como um “caminho promissor” para impulsionar o progresso da IA.

    Mas, com os desenvolvedores de IA inovadores construindo sobre o trabalho que já foi feito neste campo, a exclusividade de tecnologia como NAS está configurada para dar lugar a uma maior acessibilidade conforme o conceito se torna mais escalável e acessível nos próximos anos. O resultado? IA que constrói IA, liberando assim seu verdadeiro potencial para resolver os problemas mais complexos do mundo.

    Enquanto o mundo olha para 2021, esta é uma área madura para inovação – e essa inovação só gerará mais inovação.

    Yonatan Geifman é CEO e cofundador da Deci.

    [VentureBeat regularly publishes guest posts from experts who can provide unique and useful perspectives to our readers on news, trends, emerging technologies, and other areas of interest.]

    VentureBeat

    A missão da VentureBeat é ser uma praça da cidade digital para que os tomadores de decisões técnicas obtenham conhecimento sobre a tecnologia transformadora e façam transações. Nosso site oferece informações essenciais sobre tecnologias e estratégias de dados para orientá-lo à medida que lidera suas organizações. Convidamos você a se tornar um membro de nossa comunidade, para acessar:

    • informações atualizadas sobre os assuntos de seu interesse
    • nossas newsletters
    • conteúdo líder de pensamento fechado e acesso com desconto a nossos eventos premiados, como o Transform
    • recursos de rede e muito mais

    Torne-se um membro


    Artigos Recentes

    Os benefícios do bootstrapping: 6 coisas que você precisa fazer para ter sucesso sem investidores

    Você já viu o show Shark Tank? Caso ainda não tenha feito isso, é um reality show que apresenta vários inventores e...

    Daily Crunch: Square adquire Tidal

    A Square compra uma participação majoritária no Tidal de Jay-Z, o WhatsApp melhora seu aplicativo para desktop e Hopin levanta ainda mais fundos....

    Cor da lâmpada Wyze: a única lâmpada inteligente barata que vale a pena por aí

    “É tão bom e barato que talvez você nunca mais volte para a Philips Hue.” Saída realmente brilhante As cores estão muito saturadas Não requer ponte Preço...

    Yield Guild Games permitirá que os jogadores ganhem dinheiro com jogos NFT

    Chegou a hora de ganhar dinheiro com jogos, de acordo com a Yield Guild Games, que arrecadou US...

    UFC PPV: Quanto custa na ESPN +?

    A nova temporada do UFC começou oficialmente com o UFC 259: Blachowicz vs. Adesanya - o terceiro grande evento pay-per-view de 2021 com...

    Artigos Relacionados

    DEIXE UMA RESPOSTA

    Por favor digite seu comentário!
    Por favor, digite seu nome aqui