Machine Learning: um leque de (boas) possibilidades

Por Boris Kuszka
photo_camera DepositPhotos/agsandrew

A ascensão da tecnologia em benefício da sociedade permite uma série de iniciativas para facilitar o nosso dia a dia. Tratando de Negócios, por exemplo, é importante transformar dados em conhecimento. Não adianta captar diversos datacenters, sensores (Internet das Coisas – IoT), câmeras, fotos e áudio se você não convertê-los em informações úteis para, a partir daí, realizar ações. Essa transformação de dados, normalmente uma quantidade brutal de arquivos, tanto estruturados (em banco de dados) como não-estruturados (todos os outros exemplos), não é simples: modelos matemáticos e algoritmos eram aplicados nessa transformação e, mais recentemente, está sendo utilizado o conceito de machine learning.

Machine Learning é um tipo de inteligência artificial que permite que os computadores evoluam um algoritmo (habilidade de aprender) sem serem explicitamente programados: o algoritmo ou programação pode mudar quando se alimenta com novos dados. Para entenderem esse conceito vou fazer uma comparação: há mais ou menos 20 anos ficou famosa a iniciativa da IBM onde programaram o supercomputador Deep Blue para jogar xadrez e, seguindo as regras do torneio internacional, venceu o mestre Gary Kasparov, o então atual campeão mundial de xadrez. O algoritmo utilizado era “força bruta”: uma análise intensa de todas as possíveis jogadas para tomar a decisão. O Deep Blue analisava 200 milhões de posições por segundo. Já Kasparov analisava ordens de grandeza menos jogadas por segundo, estando ambos no mesmo nível.

Em 2015 um projeto Open Source audacioso chamado Giraffe, que utiliza a concepção de Machine Learning, mudou a forma dos computadores jogarem xadrez e, em vez de força bruta, o algoritmo evoluía conforme jogava aprendendo e melhorando, portanto, suas técnicas de jogar xadrez. Em 72 horas o Giraffe chegou no nível de mestre mundial!

Sistemas inteligentes permitem um maior aproveitamento da informação, criando escalabilidade, segurança e confiabilidade. Eles utilizam uma arquitetura baseada em uma camada intermediária – gateways, na verdade - que tratam os dados dos dispositivos, otimizando o processo. Isso faz com que possamos controlar todas as informações do banco de dados ao mesmo tempo em que executamos qualquer tipo de processo, trazendo escalabilidade para esse processo, pemitindo aumentar o poder processamento e adicionando nós computacionais, caso seja necessário.

Na Red Hat os nossos softwares permitem montar esses gateways inteligentes e posso citar o caso da Eurotech, empresa dedicada em pesquisa, desenvolvimento e produção de NanoPCs, além de computadores de alta performance, que teve acesso a esse novo framework conectando a parte operacional com a tecnologia da informação.

Embora esteja falando a respeito de Negócios, este tema é extremamente vasto e interessante. A aplicação do conceito de Machine Intelligence vai muito adiante. A análise de algoritmos explora desde a parte mecânica da robótica até o estudo do genoma humano, auxiliando em teorias também de Biologia.

Dessa maneira, as aplicações estão sendo realizadas no mundo real, não mais apenas em computadores. A combinação de dados com algoritmos está ajudando a desenvolver fortes teorias em muitos setores.

Atualmente, temos um grande número cientistas atentos ao estudo proporcionado pelo computador/software, garantindo perspectivas de novas descobertas profundas e progressos em diversas áreas.