Os usos de redes neurais artificiais na empresa continuam a se ampliar à medida que as organizações evoluem digitalmente. As empresas acham cada vez mais difícil ignorar a vantagem do uso de redes neurais, mesmo apesar das preocupações éticas e dos desafios de implementação com a IA.
O que são redes neurais?
As redes neurais artificiais são um tipo de processamento de dados baseado na estrutura e nos processos do cérebro humano . Eles são compostos por uma camada de entrada, uma camada de saída e uma camada oculta, com backpropagation, um algoritmo usado para aprendizado de máquina supervisionado, peça fundamental do processo.
As organizações implantam em grande parte dois tipos de redes neurais: convolucionais e recorrentes . Cada rede neural tem seu próprio conjunto de usos.
Casos de uso de redes neurais convolucionais
As redes neurais convolucionais (CNNs) são mais adequadas para resolver problemas relacionados a dados espaciais, como imagens. As organizações os utilizam para serviços como software de reconhecimento facial , análise de resultados médicos (raios-x) e classificação de imagens em sites de varejo para marketing direcionado.
Sites de comércio eletrônico, como o eBay, utilizam CNNs para criar uma plataforma de compra e venda mais eficiente, melhorando a experiência do cliente.
“O uso de aprendizado profundo e experiências visuais tem sido um foco importante para nós”, disse Nitzan Mekel-Bobrov, diretor de IA do eBay.
Por exemplo, o eBay usa redes neurais para listar automaticamente produtos, como cartões comerciais, para vendedores com base em dados coletados de listagens anteriores. Os vendedores podem tirar uma fotografia dos cartões que desejam vender, e a CNN identificará os principais recursos, como que tipo de cartões são e quando foram emitidos, e criará a listagem para o vendedor.
“A visão é realmente poder chegar a um ponto em que um vendedor possa tirar uma imagem de qualquer coisa e seremos capazes de gerar a listagem para eles automaticamente”, continuou ele.
Graças às melhorias na tecnologia, os casos de uso das CNNs envolvem cada vez mais componentes de vídeo.
As CNNs, por exemplo, podem extrair informações de vídeos para rastrear dados como o número de postes quebrados em uma cidade, disse Sreekar Krishna, líder nacional de inteligência artificial e chefe de engenharia de dados da KPMG.
A capacidade de responder a essas perguntas usando a análise de vídeo pode beneficiar as seguradoras . As CNNs estão bem equipadas para lidar com análise de danos, reconstrução de acidentes e outras formas de análise espacial, por exemplo.
“Você pode reconstruir os danos que estão acontecendo em veículos ou mesmo em casas… você pode realmente analisar qual é o impacto dos danos analisando esses vídeos e imagens”, disse Krishna.
Usos recorrentes de redes neurais
Enquanto isso, a força das redes neurais recorrentes (RNNs) reside em sua capacidade de analisar dados temporais e sequenciais, como texto e dados de séries temporais. As aplicações comuns desta tecnologia estão no reconhecimento e previsão de fala.
Empresas de varejo e outros fornecedores usam RNNs para monitorar os hábitos dos clientes e, em seguida, tentam reter clientes de forma proativa quando a RNN detecta possíveis sinais de alerta.
Por exemplo, RNNs podem ajudar a identificar clientes que fizeram vários retornos em um curto período, disse Kirk Borne, diretor de ciências da DataPrime, Inc., um site de correspondência com inteligência artificial para candidatos e empregos.
“Eles provavelmente nunca mais comprarão de nós”, disse Borne, acrescentando que as redes neurais podem ajudar a responder “o que podemos fazer para intervir?”
Resolvendo problemas de negócios com redes neurais
Ao implementar redes neurais, “você sempre tem que escolher um subconjunto do problema para resolver primeiro. E às vezes isso pode parecer um recurso … um tipo de problema que poderia resolver”, disse Mekel-Bobrov.
Os líderes empresariais veem a implementação de redes neurais como um processo gradual e calculado.
A iteração é uma parte significativa da definição de onde implementar redes neurais e em que grau. Para um site de comércio eletrônico como o eBay, isso se aplica ao usar a IA para criar uma lista de produtos com base em listagens semelhantes publicadas anteriormente por fornecedores. A princípio, o conjunto de dados (ou seja, listagens anteriores) pode começar pequeno, de modo que a rede neural só pode criar novas listagens para itens comumente vendidos.
Mas à medida que um site de comércio eletrônico vende mais itens e o conjunto de dados cresce, a tecnologia de listagem de produtos orientada por aprendizado profundo pode criar listagens para uma variedade maior de produtos e com maior precisão.
Varejistas e organizações financeiras também costumam usar redes neurais para detecção de fraudes.
Uma rede neural pode identificar um comportamento fora da norma, anotando quando uma pessoa que normalmente compra gasolina uma vez por semana compra várias vezes por semana, por exemplo.
“É a combinação da hora do dia, o produto que você comprou, a quantidade que você comprou, o local, você comprou – esse tipo de combinação estranha que diz: ‘agora, isso é fraudulento’”, disse Borne.
Os desafios das redes neurais
As empresas também precisam entender os desafios por trás da criação e uso de redes neurais. Problemas comuns incluem falta de transparência na forma como um modelo opera, viés nas saídas de um modelo e não ter recursos computacionais suficientes para executar modelos em escala.
Para empresas que operam em grande escala, como o eBay, “os recursos computacionais necessários são bastante desafiadores… diferentes casos de uso”, disse Mekel-Bobrov.
Um exemplo do mundo real dos problemas éticos que surgem ao confiar no aprendizado profundo é determinar a credibilidade. Se um indivíduo solicitando um cartão de crédito for recusado por um credor que usa redes neurais como base para seu software, seu histórico de crédito e trajetória financeira são determinados por uma máquina, não por um ser humano.
A natureza da caixa preta da IA se torna um problema quando as decisões do algoritmo afetam a vida de um indivíduo, como se eles são aceitos ou recusados por uma linha de crédito. É necessária uma explicação completa sobre por que um aplicativo foi aprovado ou reprovado, portanto, as pessoas precisam entender como um modelo chegou a essa decisão.
Dito isso, os credores de crédito implementam cada vez mais redes neurais para analisar o histórico financeiro de clientes em potencial e determinar a qualidade de crédito. As empresas estão vendo benefícios significativos com a implementação e iteração de redes neurais para recrutamento e contratação. Os riscos associados às redes neurais geralmente não são suficientes para superar as possíveis melhorias nos processos de negócios.
Como os líderes empresariais podem usar as redes neurais
Ao considerar as redes neurais, as empresas devem primeiro definir os parâmetros para onde desejam que as redes neurais influenciem os negócios e determinar onde podem viver e não podem viver, com os resultados de um desempenho tecnológico ruim temporário.
“Você tem que treinar a força de trabalho que está fazendo interface com a tecnologia para que a tecnologia não esteja lá para tomar suas decisões… O Google me deu um resultado de pesquisa ruim, grande coisa. Minha vida não mudou. A Amazon recomendou o produto ruim, grande coisa. Minha vida não mudou”, disse Krishna.
A pergunta número um que os líderes de TI precisam fazer a suas equipes é “Já medimos nossa declaração de valor antes de entrarmos na IA?” disse Krsna.
Todo setor precisa definir sua declaração de valor ou metas para decidir se a implementação de redes neurais artificiais é a decisão certa.
Krishna observou que “perguntar qual etapa do processo é a que está causando o maior ponto de dor na organização e, em seguida, atacar esse problema usando IA” é a mentalidade necessária ao implementar redes neurais.
No entanto, esses riscos inerentes não podem atrapalhar a mudança. Tornar-se a IA em primeiro lugar é um objetivo comum na empresa, e aqueles que passam a implementação da IA estão perdendo.
“Algumas empresas dizem que não vamos fazer IA, vamos continuar fazendo as coisas do jeito antigo”, disse Borne. “Mas acho que essas empresas vão perder a longo prazo, porque a tecnologia está avançando tão rápido que as empresas que acertarem ganharão o mercado.”
