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? 

With this post it should help you to focus on the types of problems that AI is good at solving. In order to actually benefit from using AI to increase automation, you will need to have the right data, have enough data, have a methodology that can be defined with data points, and be creative in understanding how to apply or craft solutions for parts of your team's workflow

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 
View or access data in your company's internal and client-facing dashboards
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.