Machine Learning e mercado

por Damiany Coelho

0

“Temos de reinventar nossas habilidades para acompanhar a aceleração tecnológica”

Nivio Ziviani é professor emérito do Departamento de Ciências da Computação da UFMG e uma das grandes referências no país quando o assunto é pesquisa e tecnologia. Ele acompanhou de perto as mudanças de mercado influenciadas pelos avanços da tecnologia nos últimos vinte anos e já geriu quatro startups: a primeira delas, Miner, foi vendida em 1999. Parte da venda foi doada para a UFMG, como forma de retribuir a instituição e mostrar que o investimento em pesquisa é frutífero para o mercado. Já a segunda startup, Akwan, foi comprada pela Google em 2005. Graças a essa parceria, Belo Horizonte acabou se tornando um dos principais polos de tecnologia e inovação do país, com a construção do Centro de Pesquisa e Desenvolvimento do Google na América Latina. Hoje à frente da Kunumi – startup fundada em 2016 –  Ziviani falou à Revista Strider sobre essa nova era da revolução digital e seus impactos na agricultura.

nivio-na-kunumi-2018

Para o Sr, nós estamos em uma nova era pautada pela tecnologia, diferente de anos atrás? Como essa mudança afeta o mercado?

Os computadores transformaram o trabalho em quase todos os setores da economia ao longo das últimas décadas. Estamos agora no começo de uma transformação ainda maior e mais rápida devido aos recentes avanços da área de machine learning, que, por sua vez, também é capaz de acelerar o ritmo da automação. O machine learning é uma subárea da Inteligência Artificial, a qual visa dar aos computadores a capacidade de aprenderem sem serem explicitamente programados.

Todas essas mudanças afetam o mercado. Tarefas tipicamente repetitivas já vêm sendo substituídas por robôs, tais como as linhas de montagem na indústria e utilização de drones para monitoramento, como no agronegócio. Embora os efeitos econômicos do machine learning sejam relativamente limitados (isto é, não estamos diante do iminente “fim do trabalho” como às vezes é proclamado), as implicações para a economia e a força de trabalho daqui para frente serão profundas.

Quais são os principais setores que podem se beneficiar das inovações tecnológicas no país?

Um número grande de setores da economia pode se beneficiar das inovações tecnológicas. Para exemplificar, podemos citar as áreas de educação, saúde, seguros, transportes e o próprio agronegócio.

Como essas tecnologias podem ajudar o trabalhador a executar suas atividades?

Existe uma tendência mundial em sistemas de análise preditiva e otimização a partir de grandes volumes de dados, o “Big Data”, que permite aos usuários interagir com dados para revelar padrões ou buscar ideias inovadoras. Assim, é possível conseguir “insights” relevantes a partir de grandes volumes de dados disponíveis.

Outra tendência importante possibilitada pelo machine learning é a abordagem “humano no circuito”, na qual a máquina atua como um “aprendiz” para auxiliar o trabalhador humano. O treinamento de um aprendiz para “imitar” decisões geradas por humanos possibilita que máquinas aprendam com os dados gerados por várias pessoas que ele ajuda, levando a um desempenho superior de cada indivíduo da equipe que o treina. Assim, o trabalhador consegue se focar em questões mais complexas que a mera análise de dados.

Resumindo: o ser humano,  junto com sistemas de machine learning, tem desempenho muito melhor do que o homem ou a máquina trabalhando isoladamente. (destaque)

Na sua opinião, como a inteligência artificial, o machine learning e outras inovações podem ser aplicadas no agronegócio para aumentar a produtividade?

Os algoritmos podem utilizar dados sobre como as safras se apresentaram em vários climas e herdaram certas características e, assim, usar esses dados para desenvolver um modelo de análise preditiva e otimização. O machine learning auxilia ainda no melhoramento de plantas.

Pequenas startups que usam machine learning estão começando a reformular a indústria da agricultura. Os agricultores podem, por exemplo, utilizar imagens de campo feitas por satélites e usar o modelo criado para diagnosticar e desenvolver um plano de gerenciamento.

Revista Strider - 8ª EdiçãoPowered by Rock Convert

Além disso, ao rastrear qualquer praga ou doença, a identificação precoce e precisa é essencial. O método tradicional de identificação de doenças de plantas é feito por exame visual. Esse processo é prejudicado por ineficiências e propenso a erros humanos. Para um sistema de machine learning, diagnosticar doenças de plantas é essencialmente um reconhecimento de padrões. Depois de aprender e classificar centenas de milhares de fotos de plantas doentes, um algoritmo pode identificar o tipo de doença, a gravidade e até mesmo recomendar práticas de manejo para limitar a perda a partir de uma doença.

Para o Sr., como empreendedorismo e Academia podem se unir nessa nova era tecnológica?

As universidades norte-americanas criam cerca de 600 a 800 startups por ano. A Universidade de Stanford, por exemplo, é ainda mais forte na criação de startups. Saíram de lá a Google, Yahoo, Instagram, entre outras.

É importante que a sociedade brasileira como um todo tenha consciência da relevância social e econômica de transformar conhecimento de qualidade gerado nas universidades em riqueza. (destaque) Isso acontece por meio de empreendimentos inovadores e criação de startups. Importante notar que gerar tecnologia de ponta requer pesquisa e desenvolvimento (P&D) associados a grupos de pesquisa também de ponta.

Qual o impacto das tecnologias no mercado? O negócio que não se atualizar para o uso dessas tecnologias, pode ficar para trás?

As tecnologias digitais vão continuar crescendo de forma acelerada e as nossas competências, organizações, instituições e métricas já estão atrasadas. Lidar com o business as usual não vai resolver esses problemas.

Temos que reinventar nossas habilidades, organização, instituições e métricas para acompanhar a aceleração da tecnologia. Empresas que não se atualizarem, principalmente com relação ao machine learning, vão ficar muito prejudicadas e perder competitividade.

Por que capacitar pessoas é fundamental para ver a tecnologia avançando ainda mais?

A educação é muito importante nesse aspecto. Os países desenvolvidos, que estão mais preparados, vão sair na frente e talvez sejam menos impactados. Nossa situação é mais complicada porque, ao contrário de praticamente todos os países desenvolvidos, ainda não iniciamos a discussão sobre os impactos do machine learning na nossa sociedade.

A fala de Jack Ma, criador do Alibaba na China, no Fórum Econômico Mundial em Davos, em fevereiro de 2018, ilustra bem o que vem ocorrendo: “O que ensinamos são coisas dos últimos 200 anos”.

Nós temos que obter habilidades para que uma máquina nunca possa nos alcançar. Essas habilidades são soft skills: valores, crença, pensamento independente, trabalho em equipe, cuidado com os outros. O conhecimento não ensinará soft skills. E nem a máquina será capaz de aprender isso.

Assine a Revista Strider gratuitamente. Leia mais notícias e novidades no Blog Por Dentro do Agro.

Acompanhe-nos no FacebookInstagramLinkedIn.

você pode gostar também

Deixe uma resposta

Seu endereço de email não será publicado.