6 problemas que a IA é boa a resolver

Mais de 85% dos projectos de ciência de dados não conseguem passar dos testes para a produção. Se toda a gente está a iniciar um projeto de Aprendizagem Automática / Inteligência Artificial, onde é que está a correr mal? 

 

 

Esta publicação deve ajudá-lo a centrar-se nos tipos de problemas que a IA é capaz de resolver. Para beneficiar efetivamente da utilização da IA para aumentar a automatização, terá de ter os dados certos, ter dados suficientes, ter uma metodologia que possa ser definida com pontos de dados e ser criativo na compreensão de como aplicar ou criar soluções para partes do fluxo de trabalho da sua equipa

Exemplos de resolução de problemas com IA

1) Classificação (decisões)

  • Decisões binárias: Comprar ou Vender; Sim ou Não; Iniciar ou Parar 
  • Categorização: Aprovado, recusado ou assinalado para revisão adicional; Dados de rotulagem 
  • Sentimento: Negativo, Neutro ou Positivo e até uma pontuação de polaridade

2) Extração (introdução automática de dados)

  • Analisar um documento de origem, um sítio Web, um PDF ou um formulário
  • Extrair e introduzir automaticamente essas informações na sua base de dados 
  • Visualizar ou aceder a dados nos painéis de controlo internos e orientados para o cliente da sua empresa

3) Sumarização

O objetivo é extrair as frases mais relevantes de um texto maior. Os modelos de extração seleccionam frases inteiras para incluir num resumo; e os modelos de abstração seleccionam partes de frases que são combinadas com palavras geradas por computador e partes de outras frases.

4) Recomendação

Dado um conjunto de documentos (ou artigos, peças de conteúdo, patentes, perfis de clientes, etc.) identificar conteúdo semelhante na base de dados que está a pesquisar.

5) Estimativa

A I.A. pode não ser necessária para criar um melhor modelo de estimativa, a menos que tenha dados suficientes para que o Excel se avarie porque a folha de cálculo tem mais de 100 000 linhas e muitas variáveis. A aprendizagem automática pode otimizar centenas de dimensões quando não se tem a certeza da importância de todas as variáveis.

 

 

Pense na modelação de todos os factores que afectam a saúde de um indivíduo utilizando uma vida inteira de dados sobre a população versus a modelação dos preços das casas com base no código postal, # de quartos e tamanho.

6) Deteção de anomalias

Pense em cibersegurança. O seu departamento de TI tem uma noção da atividade normal de todos os funcionários da sua empresa e precisa de ser alertado quando existem riscos reais para a sua empresa. Exemplo: os hackers estão a infiltrar-se na sua rede e a roubar o IP da sua empresa. 

 

Embora possa ser impossível prever antecipadamente qual será a forma real do ataque, pode ser implementado um modelo de deteção de anomalias para procurar desvios de comportamento, como um pico de 10.000% nos inícios de sessão ou tráfego de saída para um servidor localizado internacionalmente.

pt_PTPortuguês