Você não precisa de matemática para machine learning

Você precisa de matemática para interpretar o mundo!

Periodicamente, é possível encontrar discussões na internet acerca de pré-requisitos para se trabalhar na área X ou Y. Quando tratamos de ciência de dados e aprendizado de máquina (machine learning), a matemática costuma desempenhar um papel central neste tipo de discussão.

Segundo a pesquisa sobre o futuro do trabalho realizada pelo Fórum Econômico Mundial em outubro de 2020, cientistas de dados e especialistas em aprendizado de máquina lideram a lista das 20 profissões com demanda crescente em diversas indústrias. De fato, muitas das tecnologias com as quais interagimos hoje foram construídas ou melhoradas com aprendizado de máquina. Por exemplo, o que chamamos de "algoritmos" de uma rede social como esta é uma série de instruções que, sim, incluem modelos de aprendizado de máquina treinados sobre os dados de seus usuários – nossos dados!

No entanto, faltam profissionais qualificados, os salários estão bastante elevados e o "mercado" tem pressa (e quer pagar menos...). Consequentemente, surgem propostas de atalhos como "você não precisa aprender matemática para trabalhar com machine learning", uma proposta que sugere que as pessoas "aprendam" a operar ferramentas sem entender como elas funcionam – tal como o faz a máquina que elas tentam ensinar.

Quem aprende como um robô pode ser substituído por um robô.

O maior problema das pessoas que ignoram conhecimentos focando apenas "no que é útil", "no que tem aplicação" direta é ignorar que o que você realmente aprende vira parte do seu repertório. Toda nossa compreensão do mundo é limitada pelas nossas experiências e as abstrações que aprendemos no caminho. É a partir deste repertório que elaboramos nossas ideias, exercemos nossa criatividade e buscamos compreender conceitos complexos como liderança ou justiça.

A matemática, assim como outras formas de conhecimento, serve tanto para compreendermos o mundo e nos tornamos capazes de produzir algo "útil"dentro dele, quanto para nos ajudar a desenvolver ideias mais complexas e formular a realidade sobre outras perspectivas. Utilidade, aqui, está sempre entre aspas, pois o próprio conceito já foi deturpado pela visão do mercado sobre o conhecimento – mas este tópico fica para outra conversa...

Dito isso, é claro que, do ponto de vista da "utilidade", você pode se capaz de executar coisas sem compreendê-las. E, sim, dado que o mercado é heterogêneo e há problemas que podem ser resolvidos com coisas básicas, em um primeiro momento, parece possível conseguir algumas oportunidades. Contudo, quando algo foge ao protocolo, o que você faz? Um robô executa um protocolo sem saber o porquê e sem ser capaz de extrapolá-lo. Aprender como um robô é a maior armadilha que você pode cair neste processo, pois quem aprende como uma máquina, além de ser limitado como uma máquina, pode ser substituído por uma máquina.

Temos o poder de nos transformarmos por meio do conhecimento, de nos tornarmos menos ignorantes e desenvolvermos nosso pensamento crítico e nossa autonomia. Falsas dicotomias como teoria x prática ou exatas x humanas ignoram a multiplicidade que cada ser humano pode expressar e servem apenas para limitar nossa visão a uma projeção da realidade de menor dimensão do que seríamos capazes de compreender. Busque conhecimento e entenda que o seu papel no mundo não se resume a apertar um botão.

Curtiu o conteúdo? Se você quer nos apoiar na missão de ajudar mais pessoas a terem acesso a uma educação de qualidade, desenvolverem sua autonomia e pensamento crítico e usufruírem de mais oportunidades, inscreva-se no canal Programação Dinâmica.