Janelas de Oportunidade em Inteligência Artificial
Apesar de todo o alvoroço em torno da IA, existem ainda muitas oportunidades a serem exploradas, umas mais óbvias, outras nem tanto.
No meu último texto, “Oportunidade para o RJ em Inteligência Artificial“, eu falei dos principais fatores que aumentam as chances de sucesso de um empreendimento fazendo uso destas tecnologias, mas não dei nenhuma dica sobre onde encontrar possíveis oportunidades.
Coincidentemente, uma outra fonte legal que eu gosto de consultar para me informar sobre IA, o Rob May, revisou um post que ele tinha publicado em março de 2019, sobre “As 5 coisas que todo mundo não está vendo na IA“. Agora ele revisitou estas 5 coisas, atualizando os comentários que ele fez, ao mesmo tempo mostrando a qualidade das reflexões que ele faz. Assim, vou transcrever para o Português as 5 coisas que ele apontou, os comentários atualizados, e meus próprios comentários sobre estas coisas no contexto brasileiro. No final eu compartilho outras fontes recentes sobre mais oportunidades em torno da IA.
5 coisas que ninguém está vendo na IA
A ideia do Rob May foi verificar o quanto o mercado em torno da IA se alterou desde março de 2019 e se, entre os pontos que ele levantou, algum ponto passou a ser mais notado. Os itens numerados são os comentários originais, seguidos pelos comentários atualizados (RM), e meus próprios comentários (JF). Vamos a eles:
1. A inovação em IA é mais limitada do que você pensa. A última onda de inovação consiste em grandes melhorias na tecnologia de redes neurais, criando novas topologias, novos métodos de treinamento e melhor ajuste de hiperparâmetros. Outros campos da IA, como lógica simbólica, algoritmos evolutivos e outros, não evoluíram na mesma proporção, e mesmo para redes neurais muito do trabalho ainda tem a pesquisa como foco, sendo difícil traduzir estes esforços em aplicativos para o mercado. É por isso que não estamos prestes a entrar em um “inverno” da IA – porque na grande escala das coisas, foi apenas uma pequena quantidade de pesquisas em IA que levou a tais ganhos e melhorias massivas. Há muito, muito mais por vir.
RM: Isso ainda é verdade. O que pareceu ser grandes descobertas são, na verdade, resultados menores no grande esquema da IA, e acredito que há muito mais por vir. É interessante ver a pesquisa começar a abranger outras ideias além de apenas novas arquiteturas de redes neurais, e cada vez mais pesquisadores falam sobre os limites das redes neurais.
JF: O Brasil faz muita pesquisa em parceria com grandes centros internacionais em diferentes áreas, inclusive em IA, mas a América do Sul não é ainda percebida como um ator relevante na produção de conhecimento neste segmento. Lá fora o mundo acadêmico está se ressentindo das ações de captação de seus pesquisadores mais renomados, que estão sendo levados a peso de ouro para liderar os laboratórios privados de grandes empresas. Alguns destes laboratórios já aparecem entre as principais fontes de artigos originais nas conferências mais renomadas, compartilhando inclusive algoritmos já treinados e prontos para uso. Não custa reforçar que é difícil transformar pesquisa em aplicações para o mercado, e aqui no Brasil precisamos trabalhar mais nestes mecanismos.
2. Hardware de IA continua sendo uma indagação constante das pessoas com quem converso. Qualquer um que acompanha meus textos sabe que sou um fã deste tópico, mas regularmente recebo perguntas como “a NVIDIA já não ganhou esta parada?” e “para que serviria um novo chip?” Mas deixe-me compartilhar um fato interessante que um executivo da IBM me contou esta semana – US$ 300 bilhões são investidos em pesquisa de semicondutores anualmente. Isso é muito dinheiro. E a maior parte foi investida na evolução dos chips acompanhando a curva da Lei de Moore. Isso está chegando ao fim. Então, para onde vão esses US$ 300 bilhões? Não vão deixar de ser gastos. Irão para novos designs de chips – ópticos, analógicos, neuromórficos, etc. Isso irá produzir diferentes tipos de inovações que nem podemos entender completamente agora. Mas isso vai levar tempo. A produção de um novo chip leva em média uma década, desde a pesquisa inicial até a produção em escala para ser colocado num dispositivo qualquer, mas vários chips estão atualmente em desenvolvimento. E quando eles chegarem será uma revolução massiva.
RM: Isso está ficando grande e as pessoas finalmente começaram a notar, então eu não diria mais que é uma coisa para a qual ninguém está prestando atenção. A questão agora é como você escolhe os vencedores. Meu palpite é que haverá muitos. Estamos na explosão cambriana do hardware de IA, e ela será muito mais fragmentada do que a consolidação em torno das arquiteturas x86 que vimos na história da computação anteriormente. Espero que os primeiros aplicativos reais construídos com esses chips cheguem ao mercado nos próximos 18 meses e, portanto, ainda estamos 2-3 anos longe do principal ponto de aceleração na curva de impacto que a nova tecnologia de hardware de IA terá no mundo.
JF: O que comentar aqui? A estratégia no Brasil foi a de atrair novas fábricas para o país, regulando a importação de equipamentos prontos mas facilitando a entrada de hardware a ser montado por aqui. Mesmo assim, foi uma lenha inserir o Ginga (middleware que permite a interatividade), juntamente com a LUA (linguagem de programação na qual é baseado), nos televisores digitais produzidos no Brasil de acordo com o padrão nacional de TV de alta definição. São tecnologias brasileiras desenvolvidas na PUC-Rio, sob a liderança respectivamente dos professores Luiz Fernando Soares (In memoriam) e Roberto Ierusalimschy, que enfrentaram obstáculos significativos para serem embarcadas em hardware produzido/montado para o mercado nacional. Recentemente tivemos que adequar a Lei de Informática por demanda da OMC e a CEITEC vai ser agora privatizada ou fechada. E já que o assunto é hardware, sei que não são apenas bens de informática sendo produzidos em Manaus, mas será que continua valendo a pena incentivar o crescimento da Zona Franca da Manaus, longe de tudo e abastecida por termoelétricas?
3. AI não é (ainda) eletricidade. Eu sei que esta é uma analogia comum que as pessoas fazem para pensar sobre IA. Eu acredito que ela está errada. Na verdade, li um pouco sobre a história da eletricidade no ano passado para descobrir se vejo paralelos na adoção de IA. Não vejo. A eletricidade é muito mais padronizada e fungível. AI não é. Até chegarmos ao ponto em que uma unidade de inteligência seja uma coisa fungível (se é que algum dia chegaremos lá), acho que a comparação com eletricidade é falha para a IA.
RM: Eu ainda acho que a analogia da eletricidade é falha, e estou feliz que as pessoas a estejam usando menos agora do que antes.
JF: O ponto a ser enfatizado aqui é que eletricidade gerada de diferentes maneiras (gás, carvão, petróleo, cana-de-açúcar, sol, vento, etc.) pode ser entregue de modo uniforme, com o consumidor muitas vezes nem percebendo de onde vem a eletricidade que está disponível nas tomadas da sua casa ou trabalho. Qual será a real possibilidade de integração entre plataformas de IA colocadas no mercado por diferentes fornecedores? Mas já que estamos falando de analogias, e lembrando que redes neurais e outros algoritmos precisam de dados para funcionar, gostei de um comentário recente do Silvio Meira sobre dados. A ideia de que dados são o novo petróleo não está adequada. Faz mais sentido falar de dados como o novo uranio. Em ambos os casos é preciso fazer a extração do recurso e processá-lo antes do seu uso efetivo. Com as novas leis de proteção de dados e regulação da IA, diferentemente do petróleo que vira CO2 ao ser “devolvido” para a natureza, no caso dos dados eles precisarão de toda a segurança possível, tanto se continuarem armazenados, como se venham a ter um correto descarte, problema semelhante ao do tratamento dos rejeitos radioativos de uma usina nuclear.
4. Há uma mudança de fase iminente, inclusive cultural, na adoção de novos fluxos de trabalho, provavelmente dentro de 2 a 3 anos. Um exemplo que gosto de dar sobre isto é o seguinte: em 1996, a maioria das empresas tinha um processo para fazer material promocional impresso. Quando a web surgiu, as pessoas às vezes projetavam uma página da web seguindo seu antigo processo para fazer um folheto impresso e, em seguida, mostrando o resultado para um desenvolvedor web encarregado de transformá-lo numa página da web. Depois se viu que esse processo estava errado. Mas a IA está agora nessa fase. Ela está sendo anexada aos fluxos de trabalho existentes, o que às vezes significa funcionalidade e eficácia limitadas, da mesma forma que “transformar isso em HTML” foi anexado a um antigo processo de design gráfico. Conforme as ferramentas e trabalhadores de uma nova geração começam a usar IA de maneira mais nativa, isso atingirá um ponto crítico. O início da mudança de fase provavelmente ainda está a 2 ou 3 anos no horizonte – quando algumas empresas realmente começarão a superar outras por causa da adoção de IA. Assim, o ponto de inflexão vai demorar ainda de 5 a 7 anos para acontecer, quando a maior parte do mundo já tiver se convertido para o novo paradigma.
RM: Isso é agora. Estou vendo ferramentas de IA para setores como petróleo e gás, agricultura, construção, e sua adoção é real. Não se trata apenas de técnicos que criam produtos para técnicos – todos estão começando a modificar fluxos de trabalho para se adaptarem à IA. Estamos no início dessa tendência e é muito empolgante ver o impacto econômico que isto vai ter.
JF: A quantidade de assistentes inteligentes que são anunciados na TV por grandes bancos, empresas de telefonia e redes de comércio, indica que a mudança já começou a acontecer inclusive aqui no Brasil. Mas ela está ainda no início e talvez seja oportuno pensar numa estratégia diferente para tirar melhor proveito da IA. Enquanto países mais desenvolvidos estão ajustando seus currículos escolares para adaptar disciplinas de programação de modo a melhor incorporar conceitos relacionados com dados e IA, aqui no Brasil, salvo raríssimas exceções, nem mesmo escolas particulares oferecem disciplinas de introdução a programação de computadores. Não posso falar deste assunto sem mencionar meu orientador no mestrado, o professor Carlos José Lucena, representando todos os que participaram da iniciativa “O dia do Computador” patrocinada pela Secretaria de Estado de Ciência e Tecnologia do Rio de Janeiro, sob a liderança do Dr. José Pelúcio (In Memoriam), no final dos anos 80. Mas isto é assunto para outro texto. Outra, entre as raríssimas exceções acima mencionadas, é o trabalho feito pelo ORT, que me foi apresentado pelo Ronnie Paskin na época em que por lá esteve.
5. E, finalmente, o mais frustrante de tudo, é que estamos focados nos problemas errados. Estamos preocupados com a IA Geral (AGI) assassina, que está muito longe, e também com os carros autônomos que vão decidir se matam um pedestre ou um passageiro. Acredito que esses dois problemas, por hora, não merecem muita atenção. Existem questões mais imediatas, como a interação entre os dados, a interface com usuários e a publicidade, e o que o Google e o Facebook estão fazendo com seus dados e como estão te influenciando. Eu me preocupo com ferramentas como o Waze, que podem começar a usar IA para otimizar objetivos mais amplos. Por exemplo, o Waze sabe que eu tento chegar ao trabalho às 8h30, na mesma hora que você, mas hoje estou um pouco atrasado e você um pouco adiantado. O Waze poderia indicar para você um trajeto que é, na verdade, 1 minuto mais lento, para me ajudar a chegar no trabalho no horário? Faria isso porque é “justo” garantir que a maioria das pessoas chegue ao trabalho pontualmente? Ou isso é uma punição para você, por ser mais responsável do que eu e sair na hora certa? Ou ainda, me indicaria um caminho mais rápido porque sou mais valioso para eles já que clico em mais anúncios no aplicativo? Eu me preocupo muito mais com o viés e com os desafios de otimização que vão sendo inseridos nos sistemas e algoritmos atualmente em uso, já que eles tomam cada vez mais conta das nossas vidas, do que com uma AGI assassina.
RM: Eu não estou certo sobre como me posicionar sobre isto. Sim, não estamos mais preocupados com a IA assassina, o que é positivo. Mas nossa preocupação agora é com o viés dos modelos de linguagem e visão em torno de raça e gênero. Esses são pontos que merecem sim nossa preocupação, mas acho que meu exemplo do Waze está numa categoria muito mais abrangente, devendo gerar proporcionalmente mais preocupação. Quando a IA começa a tomar decisões por nós e a nos manipular, ela tem um nível de controle muito maior, indo muito além do que apenas nos ofender ao, por exemplo, assumir que todas as enfermeiras são mulheres num algoritmo qualquer de processamento de linguagem. Gostaria de ver mais pessoas trabalhando no que significa “justiça” nos modelos de IA que agregam dados de toda a sociedade, para garantir que não vamos exacerbar os problemas de desigualdade econômica e outras questões.
JF: Eu não estou tão certo sobre não precisar me preocupar com uma IA assassina, mas entendo que na visão do Robert May uma AGI é uma tecnologia com muito menos limitações do que é mencionado na “coisa 1”, sendo portanto algo que ainda continuará pertencendo aos livros e filmes de ficção científica por muitos anos. Por outro lado, imagine você um drone com capacidade de reconhecimento facial que exploda ao reconhecer um alvo pré-programado. Com o nível de precisão dos algoritmos atuais não seria impossível este dispositivo explodir na cara da pessoa errada, funcionando como uma verdadeira inteligência artificial burra. Como prevenir este tipo de coisa? Mas concordo com o RM sobre promover e incentivar a criação de uma IA ética e confiável. Nesta semana tive oportunidade de apresentar o Dr. Gilberto Almeida, que sabe muito sobre direito e informática, a um grupo de pesquisadores aqui do Rio interessado exatamente em trabalhar com isto. O grupo vem sendo liderado pelas professoras Mariza Ferro e Flavia Bernardini, e estou desde já torcendo para que eles consigam estar em uma das redes temáticas a serem aprovadas no edital da Faperj.
Oportunidades em IA no Governo
Já que falei do edital da Faperj, natural pensar nas oportunidades que os governos tem para tirar proveito da IA. Faço referencia, no entanto, a um comentário do Andrew Ng na sua newsletter de 25/nov, sobre os esforços do governo dos EUA para tirar proveito da IA serem insatisfatórios até o momento.
Segundo um novo relatório recém publicado, as implementações de sistemas de aprendizado de máquina por agências federais são “desiguais na melhor das hipóteses, e problemáticas e talvez até perigosas no pior cenário”, e vejam que entre os autores estão a Conferência Administrativa dos Estados Unidos, e as Escola de Direito de Stanford e da New York University.
Ainda segundo o relatório, menos da metade das agências federais civis pesquisadas já adotam alguma forma de IA, com cerca de 7 por cento delas sendo responsáveis pela maior parte das implementações de IA que foram avaliadas. As implementações mais comuns foram na segurança pública, na saúde e na regulação do sistema financeiro. Os exemplos incluem o uso de reconhecimento facial pela Patrulha de Fronteira, no seu programa de entrada/saída biométrica, e no programa de avaliação de risco corporativo da Comissão de Valores Mobiliários, que ajuda os reguladores a detectar falhas nos relatórios financeiros das empresas. Outros destaques foram:
- Apenas 12% das implementações usaram “deep learning”. O restante usou diferentes abordagens, tais como regressão logística com dados estruturados (que os autores consideram ser de baixa sofisticação) ou florestas randômicas com ajuste de hiperparâmetros (que eles julgaram ser de sofisticação intermediária).
- As agências governamentais são legalmente obrigadas a explicar suas decisões, como por exemplo, informar por que uma pessoa teve os seus benefícios negados. Mas os algoritmos costumam chegar a conclusões por motivos que não são explicáveis, tornando difícil recorrer da decisão.
- Cerca de metade dos sistemas avaliados foram desenvolvidos por fornecedores externos. Os autores recomendam um maior investimento em talentos internos, já que em geral estas agencias costumam adaptar seus sistemas internamente, e isto precisa ser feito da melhor forma possível.
O Ng destaca que os autores utilizaram principalmente informações disponíveis publicamente, que podem não conter dados técnicos suficientes para melhor embasar tal análise. Além disso, a coleta de dados terminou em agosto de 2019, sem que o relatório tenha considerado sistemas implantados desde então. É claro que a IA pode ajudar as diferentes esferas de governo e suas agências a operar de forma mais eficaz e eficiente. O relatório mostra, contudo, que elas têm um longo caminho a percorrer para cumprir essa visão. Mais do que isto, os governos têm a obrigação de auditar seus sistemas de IA quanto ao desempenho, justiça e conformidade, antes de colocá-los em operação. No entanto, a maioria das agências (e, nesse caso, a maioria das empresas) não tem a capacidade de avaliar esses fatores. Precisamos de ferramentas que permitam a uma variedade de partes interessadas definir padrões claros e avaliar se eles foram cumpridos, para que possamos identificar problemas, mitigar riscos e construir confiança em sistemas automatizados.
Meu comentário é no sentido de reforçar a enorme oportunidade que existe em torno do uso da IA pelo governo, mas fazendo a ponte com a “coisa 5” acima apresentada, já que é preciso usar a IA de forma ética e confiável. E isto vale não apenas para os governos, mas todos que venham a fazer uso da IA. Com um certo atraso, nosso país começou a trabalhar numa Estratégia Brasileira de Inteligência Artificial, que esteve inclusive em consulta pública. Até agora, ao contrário do que se vê em outros países que já publicaram suas próprias políticas para IA, o investimento público no Brasil para incentivar a pesquisa e desenvolvimento nas tecnologias relacionadas é extremamente baixo.
Mais Oportunidades em IA
O que não faltam são estudos para mostrar uma infinidade de oportunidades em torno da IA. Muito se comenta sobre a nova corrida tecnológica em curso, com a China buscando tomar a liderança deste segmento, ocupando o lugar que a Rússia já teve em relação aos EUA quando a corrida era em torno da conquista do espaço. Curiosamente, a China está prometendo uma estação espacial para 2022 e uma missão tripulada para a lua em 2030, mas esta é outra história.
Mas voltando à IA, relatórios recentes, que poderão ser do interesse de quem chegou até aqui, são “A Inteligência Artificial nas Grandes Organizações Latino-Americanas“, que coloca o Brasil como o mais avançado em projetos de IA na região; o “The state of AI in 2020” publicado pela McKinsey agora em novembro, onde está dito que dentre aquelas que responderam a pesquisa, as empresas com sede em países da América Latina relataram com uma frequência muito menor (se comparada com as demais regiões) projetos de incorporação da IA em um processo ou produto em pelo menos uma função ou unidade de negócios; e o “The AI-powered enterprise: Unlocking the potential of AI at scale” publicado pela Capgemini Research Institute, que consultou quase mil empresas, mas nenhuma delas na América Latina. De qualquer modo, este último relatório compara a adoção da IA por diferentes segmentos econômicos, e os setores que estão mais atrasados dentre os pesquisados nos países com maior investimento em IA, provavelmente estarão mais atrasados também aqui por nossas bandas.
John Lemos Forman
Latest posts by John Lemos Forman (see all)
- Janelas de Oportunidade em Inteligência Artificial - dezembro 12, 2020
- Qual será o impacto da Inteligência Artificial (IA) sobre a Inovação? - setembro 11, 2018
- Open Data Science Conf. 2018 #ODSC - junho 4, 2018
