Os modelos e técnicas que estão em tendência em termos de Inteligência Artificial (IA) surgiram há várias décadas e quase não mudaram desde o seu início. Por exemplo, modelos baseados em redes neurais artificiais, em particular aquelas chamadas Aprendizagem profunda (algoritmos que buscam relações profundas em dados numéricos, utilizando estruturas de redes neurais artificiais e computação muito intensa), têm sua origem em propostas apresentadas nos anos posteriores à Segunda Guerra Mundial, reveladas por estudo de OBS Business School.
Basicamente, pode ser considerada a disciplina da área de computação e sistemas de informação que visa simular computacionalmente comportamentos humanos que podem ser considerados inteligentes. Existem vários ramos dentro da IA, como Visão Computacional ou Robótica, além da proliferação de armazenamento em massa e uso de dados.
O relatório de OBS explica que a a desempenhar um papel relevante ‘análise de dados’, que geralmente é enquadrado como uma parte essencial do que é chamado de ‘Business Intelligence’ (Business Intelligence, BI) e geralmente é definido como a capacidade de transformar dados em informações para ajudar gerenciar uma empresa a partir dos processos, aplicativos e práticas que apóiam a tomada de decisão executiva.
“O BI costuma ser dividido em dois grandes grupos, o primeiro é operacional: trata de relatórios padronizados, descrições de dados (informações), funções no nível operacional com trabalhadores, clientes, usuários e parceiros. O segundo é focado em analítica, tática e estratégia, onde se destina a apoiar executivos e gestores em níveis táticos que contribuem para a estratégia geral da empresa ou instituição. Normalmente inclui análise estatística, modelos preditivos e de extrapolação, previsão e otimização”, Relatou José Ángel Olivas Varela, Professor e Colaborador da OBS Business School.
Adicionalmente, Olivas Varela adiantou que existem críticas quanto à habitual percepção da análise de dados, considerando que esta deve incidir numa análise “inteligente” da informação. Do seu ponto de vista, a visão usual das possibilidades e expectativas do BI é muito restrita, e muito mais as práticas usuais em empresas e instituições. Fala-se, por exemplo, em “transformar dados em informação”, ou em “apoiar a tomada de decisão”, mas são expressões muito imprecisas e, além disso, existem muitas outras coisas que podem ser utilizadas.
“Nessa ordem de ideias, se olharmos para as possíveis soluções propostas, vemos que novamente o escopo é muito . Normalmente a ‘informação’ é apenas ‘visualização’, ou seja, uma forma de representar os dados originais em bruto de uma forma mais ordenada e resumida, como por exemplo, o típico ‘gráfico de cheesecake’, mas isto é muito pouco ‘ Inteligente ‘, porque ao final do dia o examinador será o responsável pela tomada de decisões, com base nas informações de que dispõe. A qualidade dessas decisões dependerá exclusivamente da capacidade e preparação do decisor humano ”, o perito condenado.
Algumas aplicações para a medicina e outros campos
Como foi visto, os Sistemas de Apoio à Decisão (SAD) são ferramentas computacionais que fornecem conselhos para melhorar a tomada de decisão. Existe um grande número de aplicações deste tipo de sistema. Se eles se concentrassem em sistemas de medicina, alguns exemplos podem ser citados. O primeiro tem a ver com o conceito de “doenças borradas”, implantado em um sistema para diagnosticar e tratar a fibromialgia, que ganhou o prêmio de melhor trabalho no congresso da Associação Espanhola de Inteligência Artificial em 2015.
Neste trabalho, propõe-se a utilização do conceito de “protótipo fuzzy deformável” para caracterizar doenças que podem ser confundidas ou que nem mesmo são perfeitamente caracterizadas ou assumidas por toda a comunidade médica.
O segundo exemplo mostra o design de um sistema auxílio à decisão em oncologia a partir da detecção, classificação e uso de expressões causais e condicionais em textos médicos, neste caso do clínica Mayo e de Hospital Mount Sinai. Tudo isso faz parte de um programa que permite identificar causas e condicionais em documentos de texto e que os classifica entre 20 tipos possíveis das três estruturas condicionais básicas da língua inglesa (primeira, segunda e terceira), bem como entre outros tipos de estruturas no estilo de “devido a” ou “causas”. Uma vez identificadas e classificadas essas sentenças caudais, é gerado automaticamente o gráfico causal, que pode auxiliar na tomada de decisões, tanto no diagnóstico e tratamento, quanto na explicação ou em qualquer outro tipo de conhecimento relacionado.
Da mesma forma, aplicativos foram propostos e projetados para outros campos diversos com base em modelos sofisticados de IA:
O ‘cientista de dados’, a profissão mais requisitada em IA
“Atualmente” cientista de dados “é uma figura altamente demandada, mas com pouca oferta em ambientes profissionais, uma vez que ele deve ter conhecimento de computadores, bancos de dados, IA, aprendizado de máquina, estatística, visualização, reconhecimento de padrões, Sociologia, Psicologia, KDD e Mineração de Dados . Além disso, eles devem ser capazes de selecionar e orientar as ferramentas e técnicas mais adequadas para cada problema e objetivo específico. Obviamente, hoje em dia não é fácil encontrar profissionais com um perfil tão completo ”revelou o professor OBS.
Para finalizar, expressou que a necessidade de análise inteligente de dados em todas as empresas e entidades provoca a demanda de diversos profissionais de múltiplas áreas. Em particular, graduados em matemática e estatística são especialmente necessários, devido à sua capacidade de entender os rudimentos formais da maioria dos algoritmos de aprendizado de máquina e ser capaz de projetar e modificar algoritmos desse tipo. Porém, é claro que os gerentes de projetos dessa natureza devem ter um treinamento mais extenso, até mesmo além da ciência de dados.
