A opinião de um economista
Em junho, tivemos a oportunidade de ouvir o professor Ajay Agrawal falar sobre o tema da IA. Isso foi feito por meio Digi da Conferência Global de IoT (veja nossa postagem anterior para ver um resumo maior do evento). Agrawal é professor de gestão estratégica e professor Peter Munk de empreendedorismo na Rotman School of Management da Universidade de Toronto. Além disso, ele é cofundador do The Next 36, Kindred e do Creative Destruction Lab, todas organizações com ênfase em IA e robótica.
Com uma sessão com o tema de sua pesquisa e livro, Máquinas de previsão: a economia simples da inteligência artificial, Agrawal detalhou exemplos de onde a IA está trazendo eficiência e impacto. Todos nós testemunhamos exemplos de previsão em ação por meio da IA — pense, a Resposta Inteligente do Google. O Smart Reply fornece três modelos de respostas de e-mail com base no conteúdo de e-mail dos remetentes. Ele permite que os usuários do Gmail selecionem uma resposta para simplificação e, é claro, economia de tempo.
O professor Agrawal compartilhou suas descobertas no campo da IA. Como ele comentou na Conferência Digi International Global de IoT em junho de 2019, os não economistas perguntam como algo funciona; ao contrário, os economistas questionam do que a tecnologia reduz o custo. Dessa forma, ele discutiu as entradas e saídas da Inteligência Artificial. Crédito da foto: Digi International
fluxo de trabalho de tomada
Mais interessante do que exemplos de inteligência artificial em nosso dia a dia, porém, foram os insights de Agrawal sobre onde a IA ainda não é tão impactante. Por meio de uma dissecação do processo de tomada de decisão, Agrawal ofereceu uma perspectiva única em que a IA não é um substituto abrangente das atividades humanas. Com ênfase no diagrama 7-1 exibido abaixo, ele discutiu as entradas para chegar a uma conclusão. Conforme explicado no livro Prediction machines, de Ajay Agrawal, em coautoria de Joshua Gans e Avi Goldfarb (2018),
Quando alguém (ou alguma coisa) toma uma decisão, eles coletam dados de entrada do mundo que permitem uma previsão. Essa previsão é possível porque o treinamento ocorreu sobre relacionamentos entre diferentes tipos de dados e quais dados estão mais intimamente associados a uma situação. Combinando a previsão com o julgamento sobre o que importa, o tomador de decisão pode então escolher uma ação. A ação leva a um resultado (que tem uma recompensa de recompensa associada). O resultado é uma consequência da decisão. É necessário fornecer uma imagem completa. O resultado também pode fornecer feedback para ajudar a melhorar a próxima previsão.
(pág. 74)
Essa figura, conforme fornecida no livro (Agrawal, p. 75), é uma dissecação de uma decisão. Embora a IA tenha se concentrado em facilitar a previsão, esse fluxo de trabalho demonstra as outras seis fases disponíveis para o afeto humano.
Resumindo, com a previsão sendo a utilização das informações que temos para gerar informações que não temos, as máquinas de previsão (também conhecidas como IA) têm o impacto mais urgente no nível de decisão. No entanto, conforme descrito no fluxo do processo acima, há seis etapas adicionais na progressão da tomada de decisão. Essas outras etapas são onde as atividades humanas ainda são necessárias.
Com outras conclusões, conforme capturado no livro,
Mas um ponto importante é que, embora a previsão seja um componente essencial de qualquer decisão, ela não é o único componente. Os outros elementos de uma decisão — julgamento, dados e ação — permanecem, por enquanto, firmemente no reino dos humanos. Eles são complementos à previsão, o que significa que aumentam de valor à medida que a previsão se torna barata.
(Agrawal, Gans e Goldfarb, 2018, p. 76)
Essencialmente, embora o valor atribuído aos substitutos da previsão — como a previsão humana — diminua, os valores complementares das adições humanas a outras etapas de tomada de decisão, como a coleta de dados, aumentam. Essa faceta é importante. Embora possamos reconhecer que a IA deixou sua marca ao fornecer previsões mais baratas e rápidas do que os humanos, também devemos reconhecer que atualmente elas são apenas uma fatia do processo.
De acordo com esses autores com grande experiência em IA, o julgamento, em particular, é uma habilidade humana que ganhará mais importância. Isso ocorre porque a capacidade de decifrar decisões corretas e incorretas (e, portanto, recompensas e erros percebidos) continua sendo exclusivamente humana.
Além da previsão
Dado que nosso artigo se concentra em ideias compartilhadas diretamente na Conferência, gostaríamos de enfatizar que este é apenas um fragmento dos tópicos fornecidos em seu livro. Para uma análise mais aprofundada, inclusive na área de influência social, confira este livro.
Além disso, mais artigos e perfis de Agrawal, Gans e Goldfarb podem ser encontrados no site personalizado. Prediction Machines
IA e Louisville
Além disso, em nível local, nos sentimos compelidos a compartilhar notícias recentes sobre a Microsoft e Louisville, KY. Coincidentemente, logo após ouvir Agrawal falar, a Microsoft anunciou que abrirá seu primeiro hub regional para IA em Louisville.
Cunhada como “AI Innovation Digital Alliance”, ela se concentrará em pesquisa, treinamento e exploração de IA, especificamente relacionados à IoT. Conforme relatado, a Microsoft selecionou Louisville por causa de seus esforços de inclusão digital e do impacto esperado da automação nos setores de manufatura e saúde da cidade. Junto com a equidade no crescimento econômico, o principal objetivo da aliança é auxiliar na adaptação da força de trabalho à escala da automação.
Referência
Agrawal, A., Gans, J. e Goldfarb, A. (2018). Máquinas de previsão: a economia simples da inteligência artificial. Boston, MA: Harvard Business Review Press.