Escreva para pesquisar

Entrevista: Fabiano Castello fala sobre IA e qualidade de dados

A Inteligência Artificial (IA) permite que máquinas atuem de forma inteligente e aprendam com experiências. Assim, a cada informação nova recebida, estas máquinas se tornam aptas a realizar as mais diversas ações, com bastante precisão. Chatbots, análises de desempenho, assistentes pessoais, segurança e predições são algumas das tarefas que a IA pode desempenhar.

Fabiano Castello, da Inova Business School – Foto: Divulgação

Entretanto, para que os resultados de projetos com IA ocorram conforme o esperado, a qualidade de dados é um passo fundamental, segundo o professor da Inova Business School e do curso Master em Emerging Technologies em foco da GS1 Brasil em parceira com a Inova, Fabiano Castello.

Em entrevista ao Portal de Notícias da GS1 Brasil, Castello – que acumula mais de 25 anos de experiência nas áreas de auditoria e novas tecnologias – afirma que “dados são uma das principais vantagens competitivas das organizações”.

Entretanto, o especialista alerta para um gap observado em muitas empresas. “Às vezes, as organizações têm os dados, mas não conseguem acessá-los e se beneficiar dos mesmos”, diz.

Acompanhe, a seguir, os principais momentos deste bate-papo, no qual Castello aborda tendências e novidades do setor.

Quais são as principais tendências em relação a IA? Em quais setores deve crescer a aplicação dessa tecnologia?

Ainda que o assunto esteja em evidência, ainda não se vê a utilização de IA como uma ferramenta poderosa que faça diferença no dia a dia da maioria das organizações. As duas principais tendências são os processos internos de obtenção, qualidade e governança de dados, bem como a automação do processo de modelagem. Adicionalmente,  a conscientização das pessoas de que o principal problema de IA nas organizações não é a parte técnica, mas sim entender IA como uma ferramenta que pode resolver problemas.

Todas as indústrias se beneficiam da ferramenta. Existem setores que estão mais adiantados, como por exemplo o varejo, principalmente com programas de benefícios associado à coleta de dados de consumo, muito comum em redes de farmácias e de supermercados, e outros que estão iniciando, como a indústria de operação de saúde, que lucram para serem lucrativas num ambiente onde os beneficiários sofrem com altas prestações mensais.

A utilização do reconhecimento facial cresce a cada dia. De que forma esta tecnologia está relacionada com IA?

O reconhecimento facial é uma das aplicações de uma área da IA que chamamos de “computer vision” e está associado a imagens de uma forma geral. É uma tecnologia madura e já é realidade em milhares de telefones para usar a identificação.  Assim como o reconhecimento facial, “computer vision” pode ser utilizada em diversas outras iniciativas como, por exemplo, segurança e vigilância, transporte autônomo, inspeção de qualidade industrial.

Na própria indústria de saúde, hoje pode-se bater uma chapa de Raio-X de tórax e, minutos depois, ver o resultado da imagem e uma lista de patologias associadas e as respectivas probabilidades. Como muitas vezes o médico que faz análise das imagens não é um especialista, algumas patologias passam despercebidas, mas não para um algoritmo de IA.

Como a IA tem sido utilizada nas empresas? Quais são os benefícios que ela agrega aos negócios?

IA é uma poderosa ferramenta e a maioria das empresas têm ou estão preparando estratégias para utilizá-la. Minimamente, estão atentas que precisam se beneficiar desta tecnologia.

IA é um campo de estudo muito antigo e muito amplo, mas, em termos mais práticos, o que faz diferença no dia a dia é o que chamamos de análise preditiva, onde IA contribui por ser mais rápida, mais barata e mais precisa.

O verdadeiro desafio é ter dados suficientes e com qualidade.

Às vezes as organizações têm os dados, mas não conseguem acessá-los e usá-los em algoritmos de IA. São casos tão simples como armazenamento de arquivos . Por exemplo: dados que estão na forma de arquivos em formato PDF, ou dados que foram agregados (totalizados), e sua granularidade descartada.

Como a Inteligência Artificial tem sido usada para o combate à Covid-19 ?

Vou relatar alguns exemplos que selecionei a partir de um evento que assisti recentemente, uma iniciativa do Comitê de Inteligência Artificial na Saúde da I2AI.

Quem primeiro detectou que uma epidemia estava no horizonte, antes mesmo do que o centro de controle de doenças nos EUA (US-CDC), foi a Blue Dot, empresa canadense que utiliza inteligência artificial e vasculha notícias em língua estrangeira, redes de doenças de animais e plantas e comunicações oficiais para avisar os clientes com antecedência no sentido de evitar zonas de perigo como Wuhan, o centro do início da epidemia.

Outro exemplo está relacionado à massiva quantidade de artigos científicos relacionados à Covid-19. Não há outra forma de conseguir extrair informação de qualidade, em pouco tempo, que não seja utilizando NLP, sigla em inglês para “processamento de linguagem natural”, uma técnica de inteligência artificial que trabalha com dados não tabulados.

Outro exemplo muito interessante está relacionado ao diagnóstico por imagem. Utilizando técnicas de redes neurais, pesquisadores do Wuhan Huangpi People’s Hospital, na China, criaram um algoritmo capaz de identificar a Covid-19 com 90% de acuracidade.

Como o exemplo citado anteriormente, a análise de imagens de Raio-X de tórax pode ser utilizada para detecção precoce de Covid-19, através de uma patologia específica que acomete os pulmões que está relacionada com opacidade. Ainda que não seja o diagnóstico definitivo, é de grande utilidade já que o padrão ouro de resultado de Covid-19, o PCR-Rx, demora alguns dias para ficar pronto. A empresa NeuralMED é uma startup brasileira que presta este serviço, tanto no Brasil como no exterior, com surpreendente eficiência e precisão nos achados de radiologia.

De que forma a IA está relacionada com a gestão, análise e qualidade de dados?

De longe, o maior problema das organizações é o chamado “data quality”.

O famoso paradigma da computação “lixo para dentro, lixo para fora” se aplica totalmente em Inteligência Artificial porque, apenas de ser comum a afirmação que “as máquinas estão ficando mais inteligentes”, na verdade, as máquinas são servas dos humanos: os algoritmos de IA aprendem com dados, e somos nós que preparamos estes dados.

A qualidade dos dados em IA é muito mais importante que a quantidade. Com poucos dados não é possível construir um modelo, o que é ruim, mas uma limitação que a matemática nos impõe. A qualidade, no entanto, é muito mais preocupante: podemos gerar modelos menos precisos ou cujo resultado tem uma tendência “escondida”, que chamamos de viés.

Minha experiência é que muitas empresas querem utilizar IA, mas negligenciam a etapa de governança e qualidade de dados. Acredite se quiser, há alguns anos recebi um arquivo de uma grande operadora de saúde com ressarcimento de parto para beneficiário do sexo masculino. E coisas menos óbvias, como alta renda para adolescentes. Isso até pode acontecer, mas validações deste tipo são necessárias para avaliar dados do ponto de vista de sua qualidade.

Claro que a melhor maneira de lidar com esses problemas é não os ter, e uma forma muito efetiva de resolver isso são consistências no início do processo de coleta de dados. Dados ruins jamais treinarão um modelo de inteligência artificial de forma satisfatória.

Foto de abertura: Getty Images

Tags

Send this to a friend