Como preparar sua empresa para Inteligência Artificial

Dominar os dados é um dos maiores desafios da humanidade e excedeu nossa capacidade de usar o raciocínio ou a intuição de forma eficiente para dar sentido aos padrões do big data.

“A inundação de dados está se tornando um problema universal”, disse o Dr. Eng Lim Goh, vice-presidente e diretor técnico de HPC e IA da Hewlett Packard Enterprise. “Mas com a inteligência artificial , uma suposição selvagem se torna uma suposição inteligente.”

Se você está considerando a IA para uma parte importante de sua infraestrutura de TI, faça uma pausa aqui. Alguns dos especialistas em IA da HPE compartilham suas idéias sobre o rumo que a IA está tomando, como ela pode transformar um negócio e as etapas para começar.

Crescimento de AI

A IA tem mostrado potencial há anos e as empresas perceberam. O IDC prevê que os gastos globais em soluções cognitivas e de IA aumentarão a uma taxa composta de crescimento anual de 54,4 por cento nos próximos anos, ultrapassando US $ 46 bilhões em 2020. Em 2024, diz a empresa de pesquisa, interfaces de usuário habilitadas para IA e automação de processos irão substituir um terço dos aplicativos baseados em tela de hoje.

Uma razão pela qual a IA atraiu esse nível de interesse corporativo é porque ela pode descobrir padrões em big data. O potencial da IA ​​para navegar por um cenário de vastas escolhas e consequências foi destacado pelas celebradas vitórias do Deep Blue da IBM sobre Garry Kasparov no xadrez em 1997 e AlphaGo da Alphabet sobre Lee Sedol em Go em 2016.

Em 2017, um novo tipo de IA surgiu. Um programa chamado Libratus – que roda em um supercomputador chamado Bridges, localizado no Pittsburgh Supercomputing Center – derrotou quatro jogadores profissionais de pôquer no jogo de no-limit Texas Hold ’em. Agora, em 2019, a tecnologia da Libratus está sendo adaptada para enfrentar um tipo diferente de oponente – a serviço das Forças Armadas dos EUA .

Chess and Go são jogos de informação completos em que cada jogador vê a posição completa do adversário no tabuleiro. Mas, com o pôquer, nenhum jogador possui todas as informações do jogo. (No Texas Hold’em sem limite, duas cartas na mão de cada jogador são conhecidas apenas pelo jogador em questão.) Como resultado, as abordagens que superaram Kasparov e Sedol não funcionariam contra os profissionais do pôquer.

O problema Go, por exemplo, dependia do aprendizado profundo , a aplicação de redes neurais artificiais profundas para tarefas de aprendizado. As redes neurais artificiais são modeladas no cérebro humano e consistem em camadas de computação: entrada, várias camadas de processamento e saída. O aprendizado profundo permite que um sistema descubra automaticamente a semântica oculta e as representações de dados necessárias para analisar dados brutos complexos que consistem em imagens, áudio e texto. Essas representações ajudam a distinguir o que você está procurando (“gato”) de todo o ruído de fundo (“não é gato”).

Libratus não faz isso. Em vez disso, ele aplica o raciocínio estratégico baseado no Equilíbrio de Nash, um cenário de teoria do jogo no qual nenhum jogador tem incentivo para se desviar de sua estratégia escolhida após considerar a escolha de um oponente. Essa abordagem não requer o treinamento da IA ​​alimentando-a com um grande conjunto de dados de, digamos, fotos marcadas como “gato” e ainda mais fotos marcadas “não é gato” Em vez disso, a IA aplica um conjunto de regras e uma estratégia elementar para selecionar o melhor movimento em cada ponto do jogo. (Quando você errar os algoritmos, poderá obter ” guacamole ” em vez de “gato”.)

Precisa de ajuda com sua estratégia de inteligência artificial? Temos um guia para manequins para isso.

O Libratus foi projetado para encontrar soluções a partir de dados incompletos. Ao contrário das tecnologias tradicionais de aprendizado de máquina que reconhecem padrões de dados, Libratus sugere a resposta adequada para cada situação discreta. A Libratus não fornece simplesmente aconselhamento ou análise preditiva, diz Daniel Wu, tecnólogo-chefe para sistemas de dados e ciência de dados da HPE. Em vez disso, adiciona um nível prescritivo ao processamento. Em outras palavras, o Libratus pode realizar uma ação com base na determinação de que determinada ação é a mais benéfica.

Esteja você falando sobre aprendizado profundo, pensamento estratégico ou outra espécie de IA, a base de seu uso está em situações que exigem respostas rápidas, mais rápidas do que os humanos são capazes de responder. Em aplicativos como direção autônoma e monitoramento de rede, onde o atraso pode resultar em danos físicos ou digitais, “você apenas precisa deixar a IA assumir o controle e removê-lo”, diz Wu.

A IA promete economizar tempo e dinheiro em aplicativos como atendimento ao cliente, em que um robô respondendo em um segundo é mais barato do que um humano em minutos. O problema é que “cada IA ​​é um aplicativo personalizado”, de acordo com Pankaj Goyal, vice-presidente do grupo de IA da HPE. Em outras palavras, leva tempo, dinheiro e habilidades para configurar uma nova IA de uma forma que faça sentido para os negócios da sua empresa.

Passo a passo

“Nenhuma empresa pode evitar a realidade da IA”, diz Wu. “Lembra-se daqueles obstinados que juraram que não iam usar a Internet? Agora estão exibindo anúncios no Google ou no Facebook. Para administrar uma empresa, você precisa de informações e percepções. A Internet fornece informações, mas não percepções. A IA oferece ambos.”

Mas a IA tem sido a “próxima grande coisa” caracterizada por exagero e medo. A ideia de que a IA resolverá todos os problemas é quase tão comum quanto a ideia de que estamos caminhando para um apocalipse robô. Como podemos manter nossas cabeças enquanto chegamos a um acordo com a realidade prática da IA?

“Como indivíduos, interagimos com a IA diariamente”, diz Goyal. “Pense em Alexa, por exemplo. Mas para clientes corporativos, isso não é real. Eles estão salivando com a ideia, mas não sabem como fazê-lo.”

Goyal incentiva qualquer pessoa interessada em aplicar IA em seus negócios a realizar estas três etapas em ordem:

  • Pergunte. Onde você pode aplicar técnicas de IA para obter melhorias reais? Entenda os casos de uso disponíveis para IA e observe os lugares onde você pode aplicar técnicas de IA para obter benefícios reais – por exemplo, economizando horas de funcionários, diminuindo os tempos de resposta e economizando despesas com reparo e substituição de materiais.
  • Experimentar. Você não pode aplicar IA em grande escala sem experimentar primeiro. O Google e a Amazon demoraram muito para colocar a IA em seu DNA, diz Goyal. Qual é a infraestrutura de dados certa? Que tipo de capital humano você precisa? Você tem os dados necessários – volume e qualidade? Você tem as pessoas certas? Você sabe como configurar a infraestrutura básica? Você sabe como ajustar seu modelo? Leva tempo para acertar a IA. Certifique-se de tê-lo.
  • Aumentar a escala. Em algum momento, você precisa integrar a IA em sua estratégia de negócios, pensamento de produto, suporte ao cliente, logística e marketing. Depois de obter o sucesso inicial usando-o, você precisa escalar em várias dimensões: infraestrutura, dados e processos de negócios. “No final das contas”, diz Goyal, “você gostaria de alcançar um estado de nirvana onde você pensa diariamente sobre como a IA pode ajudá-lo em cada elemento de sua organização.”

Por que a IA é uma ferramenta cada vez mais importante na previsão do tempo

Inteligência Artificial, conjuntos de dados massivos e computação de alto desempenho estão ajudando a produzir grandes mudanças nas habilidades de previsão.

A inteligência artificial tem sido usada para analisar dados sobre o tempo e o clima há anos. Hoje, porém, com um impulso de computadores de alto desempenho (HPC) cada vez mais poderosos e grandes cargas de dados, os cientistas estão começando a aplicar a IA para criar previsões mais precisas, mais granulares e de maior alcance.

Isso significa que a tecnologia está se unindo para fornecer melhores previsões climáticas para os próximos 100 anos, bem como previsões meteorológicas mais precisas, oferecendo mais avisos para as pessoas se abrigarem de eventos como tornados e furacões. E essa combinação poderosa de tecnologia preditiva, já em teste, pode funcionar nos próximos três a cinco anos.

E ser capaz de melhorar a previsão do tempo em minutos poderia salvar vidas e milhões de dólares, de acordo com David John Gagne, um cientista de aprendizado de máquina do NCAR que trabalha com cientistas em diferentes laboratórios de clima e tempo para ajudá-los a desenvolver IA e sistemas de aprendizado de máquina.

“Pense no que isso poderia significar, mesmo por dois minutos extras de alerta para um tornado”, diz ele. “Em alguns casos, isso pode permitir que você chegue a um abrigo. Se pudermos fazer previsões mais específicas, também podemos dizer que um tornado provavelmente tomará esse caminho, mas também pode ir para lá, então você pode querer seguir abrigo lá também. ”

 

Saiba mais sobre o que as soluções de AI/ML podem fazer pela sua empresa.