O aprendizado de máquina não se destina mais apenas a tarefas simples, como avaliar risco creditício e separar correspondências. Hoje, ele é capaz de aplicações muito mais complexas, como corrigir redações escolares e diagnosticar doenças. Com esses avanços, surge uma questão incômoda: será que no futuro um robô vai tomar o nosso emprego?
Vídeo: TED – Ideas Worth Spreading
Tradução: Raissa Mendes. Revisão: Maricene Crus
Anthony Goldbloom é um dos fundadores da empresa Kaggle, que organiza eventos e competições a respeito de processos de aprendizado das máquinas. Através dos sistemas da Kaggle, cientistas fazem o download de dados e o upload de soluções para os mais diferentes problemas. A empresa possui uma comunidade de mais de 600 mil cientistas e trabalha com mega-companhias que vão do Facebook à gneral Electric, tratando de questões que vão de como prever o aparecimento de novas amizades até os tempos de chegada de aviões.
Vídeo: Conferência de Anthony Goldbloom no TED
Tradução integral da palestra de Anthony Goldbloom:
Essa é minha sobrinha. O nome dela é Yahli. Ela tem nove meses. A mãe é médica; o pai, advogado. Quando a Yahli entrar para a faculdade, o trabalho que os pais fazem vai estar radicalmente diferente.
Em 2013, pesquisadores da Universidade de Oxford fizeram um estudo sobre o futuro do trabalho e concluíram que praticamente um em cada dois empregos possui um alto risco de ser automatizado por máquinas. O aprendizado de máquina é a tecnologia responsável por grande parte dessa revolução. É o ramo mais poderoso da inteligência artificial. Permite que máquinas aprendam com dados e imitem algumas das coisas que os humanos fazem. Tenho uma empresa de ponta no aprendizado de máquina, a Kaggle. Reunimos milhares de especialistas para resolver problemas importantes para a indústria e o mundo acadêmico. Isso nos dá uma perspectiva única sobre o que as máquinas podem fazer, o que não conseguem fazer e quais empregos elas vão automatizar ou ameaçar.
O aprendizado de máquina começou na indústria no início da década de 90. Primeiro, com tarefas relativamente fáceis, coisas como avaliar o risco creditício de empréstimos, e separar a correspondência pela leitura do número do CEP manuscrito. Nos últimos dez anos, temos feito avanços incríveis. O aprendizado de máquina agora é capaz de tarefas bem mais complexas. Em 2012, a Kaggle desafiou sua comunidade a fazer um algoritmo que corrigisse redações do ensino médio. Os algoritmos vencedores foram capazes de se equiparar às notas dadas por professores humanos. Ano passado, lançamos um desafio ainda mais difícil: conseguir, com imagem dos olhos, diagnosticar uma doença ocular chamada de retinopatia diabética. De novo, os algoritmos vencedores foram capazes de se equiparar aos diagnósticos dados por oftalmologistas humanos.
De posse dos dados certos, as máquinas superarão os humanos nesse tipo de tarefa. Um professor pode ler 10 mil redações ao longo de uma carreira de 40 anos. Um oftalmologista pode examinar 50 mil olhos. Uma máquina pode ler milhões de redações ou examinar milhões de olhos em poucos minutos. Não temos a menor chance de competir com as máquinas em tarefas frequentes e volumosas.
No entanto, há coisas que conseguimos fazer, mas as máquinas não. As máquinas têm feito pouco progresso em lidar com situações novas. Elas não conseguem lidar com coisas que não viram muitas vezes antes. As limitações fundamentais do aprendizado de máquina é que ele precisa aprender através de grandes volumes de dados passados. Mas os humanos não. Temos a habilidade de ligar pontos aparentemente díspares para resolver problemas que nunca vimos antes.
Percy Spencer foi um físico que trabalhava com radar durante a Segunda Guerra, quando notou que o magnetron estava derretendo sua barra de chocolate. Ele foi capaz de ligar seu conhecimento de radiação eletromagnética com seu conhecimento culinário para inventar… algum palpite? O forno micro-ondas.
Esse é um exemplo especialmente notável de criatividade. Mas esse tipo de polinização cruzada acontece com todos nós em pequena escala, milhares de vezes ao dia. As máquinas não conseguem competir conosco quando se trata de situações novas, e isso coloca um limite fundamental nas tarefas humanas que as máquinas vão automatizar.
Assim, o que isso significa para o futuro do trabalho? O futuro de cada emprego está na resposta a uma única questão: “Até que ponto esse emprego é reduzível a tarefas frequentes e volumosas, e até que ponto ele envolve lidar com situações novas?” Em tarefas frequentes e volumosas, as máquinas estão cada vez melhores. Hoje elas corrigem redações e diagnosticam certas doenças. Nos anos vindouros, vão realizar auditorias e vão ler informações básicas de contratos legais. Contadores e advogados ainda serão necessários para tarefas fiscais complexas e litígios inovadores. Mas as máquinas vão cortar postos e tornar mais difícil a obtenção desses empregos.
Como mencionei, as máquinas não estão obtendo progresso em situações novas. O texto de uma campanha publicitária precisa prender a atenção do consumidor. Tem de se destacar na multidão. Estratégia empresarial é achar lacunas no mercado, algo que ninguém esteja fazendo. São seres humanos que vão criar o texto dessas campanhas publicitárias, e serão eles que vão desenvolver nossa estratégia de negócios.
Assim, Yahli, seja lá o que você decida ser, deixe que cada novo dia lhe traga um novo desafio. Se trouxer, então você vai estar à frente das máquinas.
Obrigado.
Originally posted 2016-08-28 21:07:29.