26 de Junho de 2018
Tecnologia

Machine Learning: A Inteligência Artificial está entre nós

Entenda o funcionamento dos algoritmos por trás de grandes plataformas como Facebook, Netflix, Waze e Google Tradutor.

Em tempos de grandes controvérsias envolvendo algoritmos do Facebook impactando diretamente a opinião pública pelo mundo afora, o termo Machine Learning está ganhando espaço na boca do povo.

Já se foi o tempo em que o desenvolvimento da IA sugeria um futuro distópico, mais parecido com ficção científica, onde robôs mais inteligentes do que nós fariam uma verdadeira revolução na sociedade. De fato, uma grande revolução ocorreu. Mas bem diferente do que estávamos imaginando. A IA de hoje é palpável, cotidiana, e já faz parte da nossa vida por meio de ferramentas e aplicações que usamos todos os dias.

Com o advento do que chamamos de Big Data, os sistemas têm acesso a uma enxurrada de informações que são geradas pelos usuários da internet a todo movimento, clique, navegação ou transação realizada. Essas informações, as pegadas digitais que milhares de pessoas vão deixando pelo caminho enquanto navegam na internet, podem não ter grande significado quando analisadas individualmente, mas é um tesouro precioso quando pensamos em grande volume de dados.

E não existe trabalho humano suficientemente rápido para analisar esses dados em tempo hábil para a tomada de decisão no mundo digital. Quando um usuário entra em um site é preciso que o sistema identifique imediatamente onde ele está, de onde veio, o que se interessa e o quanto gasta, e dê uma resposta imediata e o mais personalizada possível para essa pessoa.

E isso só foi possível por meio do desenvolvimento de algoritmos de Machine Learning, sistemas capazes de coletar esses em tempo real e tomar decisões a respeito deles, sem a mínima intervenção humana.

Machine Learning e algoritmos: o futuro já está aqui

 

Você já usa sistemas baseados em algoritmos de Machine Learning e nem imagina! A capacidade do seu provedor de e-mail em utilizar o filtro de spam e separar suas mensagens em caixas preferenciais, de conteúdo publicitários e redes sociais, por exemplo, é a mais comum delas. Netflix e Spotify são vencedores na categoria de recomendar séries, filmes e músicas especialmente para cada usuário, com base no seu comportamento dentro dessas plataformas. O Google Tradutor por sua vez, não apenas gera traduções rápidas, mas é capaz de interagir com o feedback e novas sugestões feitas pelos usuários e automaticamente ir ajustando seu sistema para entregar melhores resultados.

Não podemos deixar de citar duas aplicações que mudaram totalmente a forma como nos locomovemos, o Google Maps e o Waze. As duas ferramentas são capazes de ler dados de milhares de motoristas e analisar informações de velocidade média, tempo de parada e mudanças de trajeto, identificando pontos de congestionamento e alterando a sua rota em tempo real.

E por último, mas não mesmo importante: o uso de algoritmos de Machine Learning dentro da rede social mais usada do planeta, o Facebook.

O Machine Learning vai além: anúncios segmentados e opinião pública no Facebook

Uma das bases para o funcionamento do Machine Learning são os algoritmos que aprendem por meio de exemplos. O primeiro passo para que isso aconteça é o que chamamos de mineração de dados, formas estratégicas de captar informações para alimentar esses inteligentes sistemas e o que levou o Facebook a enfrentar sérias acusações de violação de privacidade dos seus usuários.

Além das informações que cedemos voluntariamente, com todos os nossos dados pessoais e redes de amigos, a rede social já era capaz de coletar detalhes do seu comportamento: que páginas curte, que notícias publicadas na sua timeline lê, que grupos participa, que posts compartilha.

Mas agora, os algoritmos do Facebook passaram a coletar também seus dados de navegação fora da plataforma, cruzando essas informações com todas as compras, portais acessados e anúncios consumidos – o que em si já fere termos e condições de uso da própria plataforma.

Sim, todo a nossa navegação está sendo monitorada por algoritmos de Machine Learning!

O resultado: uma capacidade incrível de permitir que seus anunciantes possam direcionar publicidade certeira para um nicho muito específico de público.

Pensando em exemplos práticos: você faz parte de um grupo sobre amamentação no Facebook, é marcado em fotos de chás de bebê, procurou e-commerces de decoração para quartos infantis, segue duas blogueiras de maternidade? O Facebook consegue enquadrar você em um grupo de novos pais, com bebês para nascer ou recém-nascidos, e permitir que os anunciantes coloquem anúncios em sua timeline na hora certa e no momento certo para que uma compra seja realizada.

Machine Leraning e Opinião Pública

 

Embora esse sistema de funcionamento dos algoritmos do Facebook seja de conhecimento público, foi só com as últimas eleições presidenciais dos EUA que percebemos o impacto negativo que essas aplicações podem ter no futuro político de um país.

A empresa de análise de dados Cambridge Analytica colheu informações privadas de mais de 50 milhões de usuários do Facebook, em um esforço para beneficiar a campanha eleitoral do presidente americano, Donald Trump, em 2016. (Fonte: Estadão)

O objetivo da campanha era inserir na timeline dos usuários, textos, memes, gráficos e imagens propositalmente criadas para influenciar os eleitores a deixar de votar em seus concorrentes e escolhê-lo como o próximo presidente.

Como isso era feito? Da mesma forma que funcionam os algoritmos de anúncios na plataforma.

A capacidade de segmentação de público para anúncios é tão grande, que os responsáveis pelas campanhas políticas digitais conseguiam criar dark posts (anúncios na rede que não aparecem publicados por nenhuma página, mas impactam os usuários como anúncios) para aparecerem apenas para o público escolhido: uma determinada região do país ou de uma cidade onde a intenção de voto era baixa, determinada renda, perfil do público (por exemplo, latinos, ou imigrantes) entregando exatamente a informação que esse público tem interesse em ver. O que complica ainda mais o cenário é quando esses conteúdos patrocinados eram em formato de fake news, ou seja, fofocas publicadas como matérias jornalísticas. A receita perfeita para viralizar, não é mesmo?

Comentários