Machine Learning: um panorama dessa ciência

Elaboração: Henrique Silveira e Daiane Martins
Revisão: Daniel Pagotto e Fernanda Arantes
Data de publicação: 11/09/2023

 

Você sabia que o termo Inteligência Artificial (IA) não é algo recente? O assunto na literatura foi iniciado com a publicação do estudo seminal “Computing machinery and intelligence” do cientista da computação Alan Turing, em 1950.¹ Alan Turing – Cientista da Computação Fonte da imagem: Flickr, via Eric

Ao longo dos anos, a IA passou por mudanças e hoje é conhecida pela sua capacidade de interpretar dados e aprender com esses dados.^² Você sabia que a Machine Learning está diretamente relacionada à IA, sendo um subcampo essencial dela?^¹ Isso mesmo! A necessidade dos sistemas gerarem seu próprio conhecimento foi intitulada Machine Learning (Tradução: Aprendizagem de Máquina). E apesar de muitos relacionarem à machine learning a ideia de robôs ou uma alta tecnologia futurista e consciente, essa ciência está mais presente em nosso dia a dia do que imaginamos.^³ A seguir, você verá o que é machine learning e a sua importância.

O que é machine learning?^³

Machine learning pode ser resumida como a ciência de programação de algoritmos para que eles possam aprender com dados passados e prever resultados futuros.
Um exemplo comum de programa de machine learning é o filtro spam que diferencia e-mails.

• Em uma técnica de programação tradicional, seria obtida uma grande lista de regras complexas, após você observar palavras frequentes em e-mails spams para poder apontá-los como tal. 
• Por outro lado, um filtro spam amparado em técnicas de machine learning aprende padrões em e-mails classificados como spam ou não e, a partir disso, consegue fazer a detecção.

Quais os principais tipos de machine learning?

Umas das principais formas de classificar um algoritmo de machine learning é pelo tipo de supervisão humana que recebe durante o treinamento dele, sendo as mais comuns: Aprendizado Supervisionado e Aprendizado Não Supervisionado.^³ 

Aprendizado Supervisionado:
Nesse tipo, os dados fornecidos ao algoritmo são rotulados previamente. Um exemplo disso é o filtro spam, citado anteriormente, em que é categorizado e-mails junto às classes (spam ou não spam) e o algoritmo deve saber classificar os novos e-mails com base nessa categorização.^³

Aprendizado Não Supervisionado:
Já nesse tipo, o algoritmo tenta aprender por conta própria. É o caso do processo de clustering (agrupamento) - por exemplo, no estudo de Canestrino et al. (2020)^⁴ que investiga os impulsionadores culturais do empreendedorismo social, foi aplicado um algoritmo de clustering que identificou três grupos de países com similaridades: cluster 1, simpáticos, países com economia orientada para a inovação; o cluster 2, pragmáticos, países com economia orientada para a eficiência; e o cluster 3, progressistas, países com economia orientada para a inovação ou eficiência.

Machine learning em empreendedorismo:^⁵

E machine learning aplicada em empreendedorismo? Pagotto e Borges (2023)⁵ apresentam no Editorial “Quantitative research in entrepreneurship using the R software for data analysis” um exemplo que nos ajuda a compreender a aplicação de machine learning no campo do empreendedorismo. Confira a seguir:

Considere o caso do gestor de uma política pública de apoio ao empreendedorismo que queira criar um modelo preditivo para avaliar as chances de inadimplência de empresas que estão usando determinada linha de crédito.
Para esse objetivo, o gestor poderia aplicar um modelo de machine learning a fim de identificar padrões em dados passados de empresas que estiveram em situação parecida. E o que aconteceria a partir disso?

O algoritmo analisaria alguns aspectos que podem ser úteis para fazer a previsão, como:

• número de empreendedores;
• gênero dos empreendedores;
• setor de atuação;
• capital social e
• natureza jurídica.

Partindo disso, identificaria padrões para formar uma função que descreve a relação. A partir da função criada, o gestor poderia ler os dados característicos dos atuais empreendimentos do seu território e, dessa forma, prever a chance de pagamento do empréstimo depois de três anos, por exemplo. 

Criação de modelo preditivo para inadimplência de empresas

 

Qual a importância desse sistema para a IA?

Os métodos baseados em machine learning oferecem um desempenho melhor para detectar padrões em grandes conjuntos de dados com inúmeras variáveis.^⁵ Assim, vemos que essa ciência possui um impacto na configuração digital dos últimos tempos, servindo como um auxílio para o desenvolvimento tecnológico e para a praticidade de atividades complicadas e/ou demoradas demais para a execução humana, possibilitando a previsão de resultados futuros e a tomada de decisões.

 

Fontes: 

¹Kaynak, O. (2021). The golden age of Artificial Intelligence: Inaugural Editorial. Discover Artificial Intelligence, 1, 1-7.  https://doi.org/10.1007/s44163-021-00009-x
²Kaplan, A., & Haenlein, M. (2019). Siri, Siri, in my hand: Who’s the fairest in the land? On the interpretations, illustrations, and implications of artificial intelligence. Business horizons, 62(1), 15-25. https://doi.org/10.1016/j.bushor.2018.08.004
³Géron, A. (2019). Mãos à Obra: Aprendizado de Máquina com Scikit-Learn & TensorFlow. Alta Books.
⁴Canestrino, R., Ćwiklicki, M., Magliocca, P., & Pawełek, B. (2020). Understanding social entrepreneurship: A cultural perspective in business research. Journal of Business Research, 110(July 2019), 132– 143. https://doi.org/10.1016/j.jbusres.2020.01.006
⁵Pagotto, D. do P., & Borges, C. (2023). Quantitative research in entrepreneurship using R software for data analysis. REGEPE Entrepreneurship and Small Business Journal, 12(2), e2257. https://doi.org/10.14211/regepe.esbj.e2257