IGTI Blog
inovação tecnológica

Os três pilares da inovação – Machine Learning, Big Data e IoT

Como essas três tecnologias se relacionam e por que elas são consideradas os ingredientes principais no processo de inovação?

Com certeza você já deve ter ouvido falar ultimamente sobre alguns termos, como: Inteligência Artificial, Big Data, Internet das Coisas, Carros Autônomos, Visão Computacional, Indústria 4.0, Processamento de Linguagem Natural, etc. Mas qual é a relação entre esses termos e onde cada um pode contribuir com a inovação tecnológica? Esses termos são “modinha” ou realmente vieram para ficar?

Na atualidade, podemos dizer que a inovação tecnológica está sendo sustentada por três grandes pilares: a Inteligência Artificial (por meio do Aprendizado de Máquina), o processamento de grandes massas de dados (Big Data) e o IoT (Internet of Things – Internet das Coisas). Quer dizer que só existe inovação nessas três áreas? Não é bem assim. O que podemos dizer é que grande parte das inovações que experimentamos atualmente incluem uma ou mais dessas três tecnologias. Mas o que significa cada uma delas? O que permitiu o seu surgimento? O que podemos esperar daqui para frente? Antes de responder essas perguntas é importante entendermos cada um desses três pilares.

Inteligência Artificial (IA) e o Aprendizado de Máquina

A Inteligência Artificial não é uma ideia nova. Ela já habita o pensamento humano desde a antiguidade, com mitos sobre seres artificiais dotados de inteligência. A IA moderna surgiu, com os pensadores clássicos, tentando descrever o pensamento humano por meio de um mecanismo de manipulação de símbolos.

Nos grandes laboratórios de computação, há muitos anos já existia a ideia de uma “máquina pensante”, desde a utilização da Lógica Proposicional e do teste de Turing. Nesse início, por volta da década de 1940, foram criadas grandes expectativas sobre a IA, principalmente envolvendo o uso de Redes Neurais Artificiais. As Redes Neurais Artificiais (RNAs) apresentam um modelo matemático inspirado na estrutura real de organismos inteligentes, adquirindo conhecimento por meio da experiência e composta por várias unidades de processamento (neurônios artificiais) conectadas por canais de comunicação.

Esperava-se que em dez anos um computador fosse campeão de Xadrez enfrentando um jogador humano e que um teorema matemático significativo fosse resolvido. Todo esse otimismo se devia aos resultados promissores que estavam sendo alcançados no início dos trabalhos. A título de curiosidade, essas previsões somente se concretizaram 40 anos depois.

O Aprendizado de Máquina, de forma bem sucinta, é a utilização de dados para o aprendizado. Por meio dessa técnica, ao invés de programar todas as situações possíveis por meio de instruções de computador, a máquina é treinada com os dados e “aprende” a forma de executar uma determinada tarefa. Esse é atualmente o campo de maior aplicação da Inteligência Artificial, principalmente após o uso do Deep Learning, que são Redes Neurais Artificiais profundas (com várias camadas). A popularização do Deep Learning se deu principalmente devido a maior capacidade de processamento que temos atualmente, principalmente com o uso de GPUs, que são unidades de processamento gráfico, ou seja, um tipo de microprocessador especializado em processar imagens.

Diante do avanço da capacidade computacional atual e dos algoritmos de Aprendizado de Máquina, podemos utilizar “inteligência” para realizar algumas daquelas tarefas que eram desejadas lá nos anos 1940, como reconhecimento facial, jogos, análises e diagnósticos médicos automatizados, máquinas totalmente autônomas, processamento e reconhecimento de textos, etc.

Big Data

O termo Big Data já faz parte do nosso cotidiano, pois nos últimos anos deixou de figurar exclusivamente nas publicações tecnológicas para aparecer em textos das mais diversas áreas, como administração, finanças, saúde, esportes, direito, notícias, etc.

O Big Data remete à ideia de dados em grande volume, em formatos variados, gerados em grande velocidade, verídicos e de grande valor para as organizações ou interessados em geral. Por muitos anos as empresas e a própria Internet acumularam muitos dados. Esse artigo do blog Wikibon apresenta o rápido crescimento dos dados não-estruturados.

Chegou a hora de processar essa imensidão toda de dados e tirar proveito. Mais uma vez (assim como na IA) temos a nosso favor a grande capacidade computacional disponível (capacidade de processamento e também de armazenamento). O objetivo de processar esses dados é encontrar aquelas informações escondidas e não esperadas, também conhecidas como insights. Quais insights são esses? Os mais diversos possíveis: pode ser o comportamento de um determinado grupo de clientes, alguma falha no processo empresarial, algum desperdício ou ainda alguma oportunidade de negócio que não pode ser percebida a “olho nu”.

História do IoT

O IoT (Internet of Things) ou Internet das Coisas pode ser uma das principais “causas” do grande volume de dados que acumulamos ao longo do tempo e que discutimos no tópico anterior.

Vamos discutir sobre os dispositivos que conhecemos e que têm a capacidade de trocar informações por meio da Internet. O principal deles é talvez o nosso smartphone, que possui enorme capacidade de troca de informações nos mais diversos formatos (texto, áudio, imagem, etc). Esses formatos acabam contribuindo para a grande variedade dos dados que discutimos no nosso tópico anterior. Não é difícil imaginar outros dispositivos com essa capacidade. Câmeras de segurança, sistemas de GPS, televisores inteligentes, eletrodomésticos inteligentes (geladeiras, máquinas de lavar, etc), relógios de pulso, videogames, experimentos científicos e muitos outros. Tudo isso trocando informações por meio da grande rede durante todo o tempo e contribuindo para a geração de dados valiosos que podem ser utilizados pelas organizações para descobrir nossos comportamentos e preferências.

Pilares da Inovação

Feitas as devidas apresentações aos três pilares que sustentam grande parte das inovações atuais, podemos discutir então o relacionamento entre eles, apesar que durante as apresentações feitas nos tópicos anteriores, foi possível perceber grande parte dessa relação.

A Internet das Coisas tem uma grande contribuição no volume, variedade e velocidade dos dados que são gerados, ou seja, contribui diretamente para que formemos Big Data. Processar esses dados com os algoritmos tradicionais é algo que seria ineficaz do ponto de vista da programação. Buscamos informações que não esperamos, ou seja, não podemos prever e com isso não podemos programar todas as situações possíveis. É necessário que tenhamos algoritmos que possam aprender com os dados apresentados e com isso produzirem os resultados que nem sempre estamos esperando (insights). Isso nos remete à uma ligação direta com a Inteligência Artificial, principalmente por meio das técnicas de Aprendizado de Máquina.

Interessados nesse tipo de ligação entre as tecnologias existem nos mais diversos ramos. A indústria pode ser a bola da vez com o conceito de Indústria 4.0, que é conhecida como a quarta revolução industrial. Nessa revolução passamos a lidar com fábricas inteligentes, automação nos mais diversos níveis e processos industriais mais eficientes e customizáveis. O que teremos aqui? Fábricas totalmente monitoráveis à distância por meio de sensores distribuídos ao longo de toda a planta, utilização de dados oriundos das mais diversas fontes, produção modularizada (de acordo com a demanda), virtualização, etc. Os impactos dessas mudanças ainda não estão completamente claros, entretanto envolverão um novo modelo de negócios, com a possibilidade de personalização de produtos às necessidades de clientes específicos.

Outros setores também têm grande interesse nos resultados produzidos por essas tecnologias:

  • Medicina e saúde: utilização dos mais diversos tipos de dispositivos que podem se conectar à Internet e transmitir em tempo real informações referentes às medições feitas em um paciente (temperatura, batimentos cardíacos, pressão arterial, etc.), facilitando a comunicação entre médico e paciente.
  • Transportes: empresas de transportes terrestres, marítimos ou aéreos, de passageiros ou de cargas, querem informações em tempo real a respeito do tráfego, de melhores rotas e de demanda. Usuários podem ter a informação em tempo real do momento da chegada ou do atraso de seu meio de transporte (metrô, ônibus, etc).
  • Agronegócio: sensores e câmeras distribuídos ao longo de plantações têm capacidade de medir temperatura, umidade, acidez do solo, vento, dentre outras informações. Algoritmos inteligentes podem realizar previsões do tempo com grande antecedência e auxiliar na tomada de decisão.
  • Comércio em geral: precificação automática de produtos de acordo com a demanda, preços dos concorrentes e disponibilidade do produto. Prateleiras inteligentes que informam o melhor momento de realizar a reposição de produtos.
  • Serviços públicos e cidades inteligentes: bueiros com sensores que detectam a necessidade de limpeza, sensores que emitem alertas de enchentes, monitoramento de emissão de poluentes, câmeras para monitoramento do trânsito e de segurança pública, semáforos inteligentes, técnicas mais eficientes para identificação de sonegação de impostos, etc.

Diante desses cenários de utilização das inovações tecnológicas os desafios ainda são enormes. Será necessário criar novas políticas de segurança, uma vez que a maioria desses dados estarão armazenados na nuvem. Além disso, em alguns casos será necessário uma legislação específica para a utilização dos dados pessoais. Os profissionais que lidam com tecnologia também terão que se adaptar para atender a grande demanda por automatização. Tecnologias serão extintas e novas serão criadas. O importante é estar disponível e preparado para atuar nessas novas frentes de trabalho que demandarão muita pesquisa, pró-atividade e desenvolvimento.

Acho que daqui para frente você pode ficar bem atento ao ler alguma coisa sobre inovação tecnológica. Perceba que na maioria das vezes você vai encontrar um ou mais desses pilares sustentando a inovação.

Professor autor: João Paulo Barbosa