Deep learning: uma extensão da inteligência artificial

O deep learning, traduzido para o português como aprendizado profundo, está sendo muito utilizado pelas empresas para ajudar na tomada de decisão.

Considerado como uma das bases da Inteligência Artificial (IA), o deep learning é caracterizado com um tipo de machine learning (aprendizado de máquina), que treina computadores para realizar tarefas como seres humanos, incluindo reconhecimento de fala, identificação de imagens e previsões.

Com o deep learning é possível interpretar os dados de uma maneira muito natural e entregar resultados ainda mais assertivos.

Segundo o diretor de inovação do SAS para América Latina, Bruno Maia, os algoritmos de deep learning foram inspirados no cérebro humano, embora não funcionem da mesma maneira.

“Existem várias camadas de “neurônios artificiais” que se comunicam de diversas formas, sendo que cada camada realiza seu trabalho e passa para a próxima, até produzirem a “saída”. Cada um desses neurônios possui um “peso” que é regulado cada vez que dados são passados pelo algoritmo de rede neural”, conta Maia.

O executivo cita um exemplo: “Se o objetivo for treinar uma rede neural para identificar um cachorro numa foto, cada foto é cortada e os “neurônios” tentam identificar padrões que eles aprenderam anteriormente, como número de patas, tipo do pelo, tamanho e até posição que está na foto. No fim, o algoritmo retorna a probabilidade daquela imagem ter um cachorro”.

O que o processo de treinamento faz, então, é dizer se a classificação está correta ou não. A partir daí, o processo é refeito, permitindo que a rede neural “aprenda” como classificar corretamente.

Dessa forma, consegue-se analisar uma grande quantidade de dados de forma minuciosa e agir de forma mais intuitiva.

“O deep learning tem a capacidade de se adequar às informações e adaptar-se a toda e qualquer mudança. Pode compreender o comportamento do consumidor, realizar o reconhecimento facial, classificação de doenças, entre outros insights”, exemplifica o COO da Propz, Israel Nacaxe.

Deep learning x IA x machine learning

Esses conceitos estão interligados, mas cada têm suas características. A IA é um termo mais amplo, que engloba tudo relacionado à capacidade de máquinas realizarem atividades de forma tão eficiente quanto os humanos – ou mais.

“Para alcançar a IA, uma das formas possíveis é por meio do machine learning, no qual começamos a ensinar máquinas a realizarem atividades específicas sem a necessidade de programar todas as possibilidades explicitamente”, exemplifica Bruno Maia, do SAS.

O deep learning, por sua vez, é um subcampo do machine learning, relacionado a algoritmos inspirados na estrutura e função do cérebro, denominados redes neurais artificiais.

“Tanto o deep learning, quando a IA e o machine learning fazem parte de uma evolução que permite com que as máquinas possam realizar tarefas de forma automatizada e ágil”, esclarece Israel Nacaxe, da Propz.

Aplicações do deep learning

Hoje, todos os setores podem ser favorecidos por meio do uso de dados para monitorar o comportamento do consumidor. Mas os principais segmentos com um crescimento mais expressivo são: indústrias farmacêuticas e alimentares, supermercados, bancos e farmácias.

De acordo com os especialistas consultados pela reportagem do Portal de Notícias GS1 Brasil, o deep learning pode ser utilizado de várias formas:

Previsão de demanda e otimização de estoques

Segundo Israel Nacaxe, da Propz, o deep learning auxilia a antever necessidades, principalmente em datas sazonais, otimizando o inventário da loja.

Por meio dessa tecnologia, é possível realizar a interação entre todos os itens do estoque, exercendo um efeito importante de cross-selling (técnica que estimula o cliente a concluir a sua compra inicial levando produtos que a complementam).

Otimização de lucros

Uma área que pode sentir um grande impacto com o uso dessa tecnologia é a precificação dos produtos e a definição do melhor momento de realizar promoções, de acordo com Nacaxe.

“Por meio dela, os varejistas conseguem encontrar o equilíbrio correto entre preço e demanda para otimizar os lucros, determinando a margem ideal de cada artigo em cada momento, gerando aumento da rentabilidade da loja”, diz.

Aumento da eficiência logística

Segundo o especialista da Propz, o deep learning ajuda a identificar padrões na cadeia de suprimentos e os fatores que mais impactam o processo logístico, proporcionando melhorias na roteirização, nos processos internos dos Centros de Distribuição (CDs) e na própria armazenagem de produtos.

Detecção de fraudes

Na loja física, essa tecnologia pode identificar padrões de comportamento  suspeitos e reduzir os furtos no ponto de venda (PDV), pontua Nacaxe. “Já no ambiente digital, consegue identificar, com mais precisão, transações fraudadas”, acrescenta.

Expansão de lojas

Ajuda o setor varejista no aumento da performance das lojas ao permitir que os profissionais tomem melhores decisões de negócios e possam prever situações importantes.

“O deep learning consegue dados internos do varejista, aliando-as com dados de geomarketing, de forma mais rápida e com segurança, ajudando na escolha do local da loja”, afirma Nacaxe.

Experiência do consumidor

Auxilia na entrega de ofertas personalizadas e relevantes para cada cliente, no momento exato em que ele tem mais possibilidade de conversão.

“No e-commerce, a tecnologia também facilita a criação de páginas personalizadas para cada consumidor de acordo com suas preferências e as necessidades de negócios”, diz o executivo da Propz.

Esportes

O deep learning também tem sido usado para que atletas possam aprimorar seus resultados. Bruno Maia, do SAS, conta que uma empresa desenvolveu um sistema que gera automaticamente dados 3D em tempo real de 14 câmeras em volta do estádio.

“A solução, já usada no Brasil, fornece dados como precisão, direção, velocidade dos passes, força de corridas, pulos e até mesmo a direção em que o jogador está olhando”, enumera.

Neste case, mais de 2 mil partidas em 244 campeonatos são analisados por semana. Esses insights ajudam times de futebol a designarem os jogadores corretos para cada partida, criando programas de treinamento personalizados.

Fotos: Getty Images

Leia também: Inteligência Artificial: conheça as aplicações nos negócios