Por que (e como) aprender sobre IA, sem se tornar um Cientista de Dados?

(English version soon)

Inteligência Artificial (IA) e aprendizado de máquina - seu principal componente atualmente - são dois dos temas mais recorrentes em conversas que tenho tido com clientes, líderes técnicos e analistas de mercado ultimamente, quando o assunto é inovação. 

A maioria dessas conversas é bastante rica, mas em algumas delas percebo que ainda existe um pouco de exagero nas expectativas de resultados, e às vezes até sugestões de aplicações onde IA não necessariamente seria a melhor opção.

Se você ainda não sente confiança em discutir a utilização de técnicas de IA em problemas do dia-a-dia, neste post explico porque você deveria considerar aprender um pouco mais, e também como começar. Espero que seja útil!

Sobre a demanda

Já foi dito que Ciência de Dados seria a profissão mais sexy do século, ou pelo menos da década. De fato, as duas ocupações que mais cresceram no LinkedIn de 2012 a 2017 estão relacionadas a IA:

Alguns outros números de mercado têm corroborado a importância do assunto: uma pesquisa recente do instituto de pesquisas CBInsights identificou que, de 2012 a Julho de 2018, houve mais de 4,5 mil aquisições de empresas relacionadas a IA no mundo, correspondendo a um valor total de 40,7 bilhões de dólares.

Outra pesquisa** de 2017 do instituto Forrester com 600 empresas constatou que 50% delas estão investindo em IA. Histórias de sucesso no uso dessa tecnologia, como veículos autônomos, diagnósticos médicos, assistentes inteligentes, entre outros, também contribuem para atrair a atenção da opinião pública para o tema.

Por que aprender um pouco mais sobre IA, mesmo que você não pretenda se tornar um Cientista de Dados?

Estando na área de tecnologia ou não, um dos motivos para aprender um pouco mais sobre IA é saber o que é possível ou não fazer com esse conjunto de técnicas. Algumas razões para isso:

1) Evitar os robôs :-)

Não quero soar alarmista (e, cuidado, existe muito alarmismo em notícias a esse respeito), mas se você está escolhendo uma profissão ou pensando em se aperfeiçoar em sua profissão atual, por exemplo, saber os limites e potenciais de IA é relevante pois existe o risco de algumas atividades se tornarem obsoletas no futuro, ao serem substituídas por algoritmos. Com algumas horas de leitura é possível ter uma ideia sobre o que pode ser mais facilmente substituído e o que não. Nem precisa chegar nos detalhes dos algoritmos. :-)

2) Aumentar o seu leque de ferramentas

Aprender sobre uma nova ferramenta que pode potencializar os resultados que você consegue alcançar, pode ser uma oportunidade. Seja para aplicar na sua ideia de mudar o mundo através da sua startup, seja para ajudar o seu cliente ou gestor atual a economizar recursos ou a lançar novas funcionalidades em seus produtos.

3) Ferramenta certa para o problema certo

Por último, é importante aprender sobre o assunto para evitar erros como aplicação de IA em contextos inadequados ou sem dados em qualidade ou volume suficiente.

Cada ferramenta tecnológica tem sua aplicação, e com IA não é diferente - os diferentes algoritmos são melhor aplicáveis determinadas situações, e muitas vezes requerem dados em diferentes formatos, geralmente padronizados ou normalizados (preparação de dados é onde 70 a 80% do tempo de análise é gasto, por exemplo). Como bem resumiu um renomado professor com quem conversei recentemente a respeito, “Não estamos no mundo de Harry Potter - não há mágica”. :-)

Mesmo que você não seja responsável por definir e escolher algoritmos para analisar dados, é importante saber dialogar com quem fará isso: cientistas de dados, engenheiros de aprendizado de máquina e engenheiros de dados, por exemplo.

Como começar?

Os fundamentos de IA estão no domínio das ciências exatas. Mas pessoas com outras formações e profissões estão cada vez mais se capacitando para aplicar essas técnicas em seus domínios de atuação, com destaque para a área de saúde. Na verdade um dos primeiros cursos online que eu fiz sobre o aprendizado de máquina há mais de 5 anos atrás foi ministrado por profissionais dessa área.

Comece procurando próximo a você

É claro que se você já está fazendo uma graduação ou pós, ou trabalha em uma empresa na área de tecnologia, é possível que tenha acesso a grupos ou iniciativas relacionadas ao tema. É uma boa opção para começar – conversar e aprender com pessoas que já trilharam o caminho e têm experiências para compartilhar. 

Na empresa onde eu trabalho, por exemplo, há várias iniciativas em andamento que podemos aproveitar – pesquisa em IA com profissionais dedicados, treinamentos internos oferecidos pelos próprios profissionais, reembolsos de treinamentos externos, uma Comunidade de Prática onde cientistas e engenheiros de dados podem discutir seus aprendizados e experiências e replicá-las para o restante da empresa. Já houve até um Hackathon onde todos puderam pensar em como usar IA para resolver um problema no mercado financeiro, recebendo mentoria e aprendendo nesse processo. São várias oportunidades de começar a se inteirar sobre o assunto.

Dá pra começar sem ter acesso fácil a outros profissionais?

Se você não está estudando ou não trabalha na área de tecnologia, se sua empresa não tem priorizado o assunto, ou se você não tem acesso a um colega cientista de dados para tomar um cafezinho e fazer algumas perguntas sobre como começar, seguem algumas dicas de como fazer isso por conta própria. 

Um roteiro que eu geralmente recomendo (nada muito inovador, apenas bom-senso mesmo) é iniciar estudando conceitos rapidamente (3-5h), depois fazer alguns cursos práticos online (carga horária varia, mas alguns cursos podem requerer ~50h divididas em várias semanas) e então partir para os eventos. Isso porque caso você não saiba nada do assunto, pode não conseguir absorver o conhecimento muitas vezes mais avançado compartilhado nesses eventos.

1) Adquirindo conceitos

Como uma introdução geral, um dos textos que eu mais recomendo é o Aprendizado de Máquina para Humanos (em inglês) que permite que em cerca de 3 horas uma pessoa tenha uma visão geral de IA, desde os fundamentos, até os conceitos mais recentes como redes neurais profundas (deep learning). Os textos tocam em alguns fundamentos matemáticos, mas de modo superficial.

2) Colocando a mão na massa

Na minha experiência, só aprende realmente quem pratica. Existem muitos cursos online, e sua escolha depende bastante do seu objetivo e de sua formação prévia. Um dos cursos mais celebrados sobre aprendizado de máquina é o ministrado pelo professor Andrew Ng de Stanford, disponível na plataforma Coursera (em inglês). Fazer um curso desse tipo pode ser seu segundo passo, pois além da teoria mais sólida, ele traz exercícios para consolidar o aprendizado. Prepare-se para aprofundar um pouco mais nos fundamentos aqui.

3) Ouvindo e compartilhando

De posse de um vocabulário e uma experiência mínima implementando algoritmos nos cursos online, a plataforma meetup.com é um bom local para ficar sabendo de eventos sobre esse assunto próximos a você. Empresas como a Daitan costumam enviar seus profissionais para apresentar suas experiências, e conhecer outros entusiastas pode ser uma experiência bem interessante. 

Conclusão 

IA não é uma moda passageira – apesar de ainda existir um pouco de exagero em previsões para o futuro, um ciclo recente de avanços em algoritmos e infraestrutura computacional tem gerado resultados comercialmente relevantes há alguns anos consecutivos. Aqui na Daitan, por exemplo, estamos trabalhando em vários projetos envolvendo ciência de dados para clientes internacionais.

Mais do que isso, acreditamos firmemente que mesmo os profissionais com outras formações, como designers, desenvolvedores, testers, product owners, entre outros, podem e devem ter uma visão ampla de IA. Dessa forma, podem pensar no dia-a-dia, em cada um de seus projetos, como incorporar esses conceitos, aconselhando os clientes a respeito e gerando mais valor para todos os envolvidos. 

Se você está começando no assunto, o roteiro que eu sugiro (links no texto) é:

1. Leitura básica
2. Cursos online
3. Participação em eventos

Eu pessoalmente também acredito que muitos profissionais de fora das ciências exatas, podem e devem aprender os conceitos básicos de IA, pensando em aumentar seu potencial de contribuição seja para seu empregador, seja para a sociedade como um todo.

E você, o que acha?

* Fotos deste post no Unsplash

** Forrester Data Global Business Technographics Data And Analytics Survey, 2016 and 2017