A tomada de decisão com base em dados tem se beneficiado enormemente da automação, dos algoritmos e da IA – inteligência artificial. Os processos se tornam mais assertivos, mais justos, mais produtivos quando trabalhamos com indicadores fornecidos por números exatos, em vez de nos apoiarmos em hipóteses subjetivas.

  No entanto, os sistemas computacionais não surgem do nada, por um truque de mágica. São pensados e construídos por seres humanos, que carregam em suas mentes as suas histórias de vida, as suas crenças, e que estão a serviço de organizações que têm determinados interesses e objetivos.

  Assim, os dados utilizados para elaborar algoritmos e desenvolver modelos de inteligência artificial, por sua própria natureza, carregam um viés. E, como as máquinas aprendem aquilo que lhes é ensinado, elas acabam por refletir os padrões de pensamento daqueles que as programam, reproduzindo seus vieses. É fundamental, portanto, reconhecer quando sistemas tomam decisões automáticas com vieses que geram resultados de forma incorreta, ou injusta, ou racista, ou sexista ou classista.

  Se pensarmos em um sistema de reconhecimento facial, por exemplo, é preciso considerar que, em geral, os desenvolvedores de software para aprendizado de máquina são homens, brancos. Esse padrão tornou-se a referência visual. Para minimizar os impactos dos vieses, pesquisadores da Universidade de Princeton desenvolveram uma ferramenta chamada Revealing Visual Biases (Revise, ou, revelando vieses visuais), que analisa datasets de imagens para identificar potenciais vieses.

  Disponível em formato open-source, o Revise tem como foco três tipos de vieses: objeto, gênero e geografia. Junto com as imagens, a ferramenta considera anotações e medidas como a contagem de objetos, a presença conjunta de pessoas e objetos, e a origem geográfica das imagens, revelando os padrões que destoem das distribuições medianas esperadas em datasets não enviesados.

  Nos EUA, um debate atual questiona o poder dos algoritmos sobre as leis que defendem o direito à habitação justa. Acontece que os proprietários de imóveis se utilizam cada vez mais dos serviços automatizados de triagem para eliminar locatários indesejados. Em Connecticut, um juiz levou a julgamento um processo por discriminação racial contra a empresa de triagem CoreLogic – em vez de acionar o locador. A decisão foi uma vitória para os defensores da habitação justa, para os quais os serviços de triagem de inquilinos são propensos a erros, resultam em discriminação racial e, em grande parte, não respondem ao questionamento feito.

  O caso envolveu Carmen Arroyo, que indagou à administradora de seu apartamento se seu filho, Mikhail, poderia morar com ela após ter sofrido um acidente grave, ficando incapaz de cuidar de si mesmo. Ela teve o pedido negado porque uma verificação de antecedentes descobriu uma acusação de furto no passado de Mikhail.

  Arroyo e seus advogados argumentaram que o algoritmo de triagem usado, o CrimSafe, isola desproporcionalmente candidatos negros e latinos ao se basear em registros criminais, e não dá aos candidatos a chance de explicar seus atenuantes por meio de avaliações individualizadas. De acordo com eles, a CrimSafe relatou um registro de “desqualificação” sem fornecer detalhes, o que teria permitido ao gerente da propriedade liberdade na decisão. O relatório de triagem simplesmente informou que foi encontrada uma “ação judicial criminal”.

  Ficou provado que o sistema de triagem enviesado, no caso, racista, foi o responsável por permitir um ato enviesado, de injustiça.

  É inquestionável a necessidade de existir uma legislação para zelar pela privacidade dos dados pessoais diante do avanço do big data e da inteligência artificial nos sistemas que utilizamos para nos divertir, fazer compras, decidir sobre nosso futuro. Porém, o debate regulatório não pode deixar de considerar o impacto dessas leis na economia.

  Em nome da “privacidade perfeita”, algumas vezes corre-se o risco de estabelecer regras excessivas, que, em última instância, podem gerar paralisia em relações intrínsecas aos processos de negócios. Ou que podem até mesmo impedir a própria sociedade de usufruir de serviços de utilidade pública e benefícios obtidos a partir da análise de informações dos cidadãos.

  A ciência de dados é uma realidade e deve ser encarada como um avanço, não uma ameaça. De fato, quanto mais os dados ganham relevância na vida dos indivíduos, mais as empresas querem ter acesso às informações. No entanto, essa prática nem sempre é abusiva ou criminosa. Ao contrário, desde que dentro das condições legais, sem prejuízo à transparência nem aos direitos de cada usuário, é perfeitamente legítima e produtiva.

  Um exemplo recente, que dá a exata ideia de como o acesso a dados pessoais pode trazer ganhos para o social, são os mecanismos de controle da pandemia da Covid-19. Com ferramentas para monitorar o contágio por meio do GPS no celular, mapeando a mobilidade da população contaminada, muitos países puderam evitar a disseminação do vírus. Ainda na área da saúde, em muitas ocasiões, dados de pacientes precisam ser compartilhados para uma avaliação comparativa dentro de uma base comum, que agregue experiências e traga mais assertividade aos tratamentos.

  Outro campo sensível, que pode sofrer consequências negativas em função de regras inapropriadas, refere-se à retirada de informações pessoais de determinado banco de dados. Um pedido de apagamento de dados históricos a uma empresa muito antiga ou a um órgão governamental pode resultar na necessidade de se redesenhar sistemas e estruturas corporativas – tarefa que talvez não seja tão simples de realizar em curto espaço de tempo, ou, não sem um considerável investimento na área de TI. Será que é realmente crucial aquela operação? Será que essa lógica acabará nos levando à conclusão de que todos os processos automáticos com os quais nos acostumamos teriam de desaparecer ou ser substituídos por processos manuais, mais burocráticos e, no limite, muito menos seguros para as pessoas do que a tomada de decisão automática?

  Em setembro do ano passado, uma decisão preliminar da CPD – Comissão de Proteção de Dados irlandesa proibiu a transferência de dados pessoais de cidadãos europeus para os EUA, anulando o acordo conhecido como “Escudo de Privacidade”. O tribunal alegou que os dados dos europeus podem ser alvo de espionagem por parte das agências de inteligência norte-americanas.

  Diante disso, o Facebook já ameaçou encerrar atividades na União Europeia. E a briga vai longe: segundo a Computer and Communications Industry Association (CCIA), a decisão cria “incerteza jurídica para milhares de pequenas e grandes empresas dos dois lados do Atlântico que usam o Escudo da Privacidade em suas transferências diárias de dados comerciais”.

  Regulamentar o uso de dados nas transações digitais é imprescindível, mas impõe um desafio: a “privacidade perfeita” pode ser uma possível ilusão, que cria distorções nas legislações e causa mais danos do que benefícios à sociedade.

  A coisa mais importante que aprendemos com o avanço da IA – inteligência artificial em diversas áreas de conhecimento é que a tecnologia é capaz de realizar feitos nunca antes imaginados, mas nada acontece por passe de mágica. Tudo é fruto de um conjunto de dados e processamentos, que geram novos dados e se aprimoram a partir de novos processamentos. Ou seja, uma máquina aprende e ganha autonomia, sem dúvida. No entanto, o seu bom desempenho depende de modelos de aprendizagem predefinidos, que implicam o reconhecimento de padrões preestabelecidos.

  Um artigo do editor do portal MIT Technology alertou que programas de IA podem ser mais vulneráveis do que se imagina. Will Douglas Heaven conta que, em um experimento com um game de futebol de ponta, na hora em que o jogador ia chutar em direção ao gol, o goleiro, em vez de se posicionar para a defesa, atira-se ao solo e joga esperneando e sacudindo pernas e braços. Ao ser exposto a essa reação inusitada, o atacante, em vez de chutar, também cai no chão, sem saber o que fazer, e perde sua chance de gol.

  Nos últimos anos, acrescenta Heaven, os pesquisadores descobriram muitas maneiras de burlar essas soluções: “Pequenos ajustes, como alterar alguns pixels em uma imagem, podem deixar a IA completamente confusa, fazendo com que a imagem de um bicho-preguiça seja identificada como um carro de corrida, por exemplo”.

  Conclusão, os algoritmos trabalham perfeitamente bem, desde que não se deparem com uma variável não prevista na concepção operacional arquitetada para atingir determinado objetivo. Diante de uma situação que não consegue interpretar, o sistema fica sujeito a erros que podem trazer sérios prejuízos aos resultados. Por isso, é fundamental ter cautela com o hype da IA e entender seus limites e potenciais riscos.

  Apesar de absorver e processar milhões de exemplos para aprender, uma solução computacional não tem a mesma capacidade do cérebro humano de lidar com o inesperado. Se de repente surgir um dado inusitado, ou um dado de má qualidade, que não corresponda ao padrão esperado, será preciso rever a programação. A máquina não é capaz de responder a uma demanda que não havia sido pensada com antecipação.

  Outra diferença importante, destacada pelos cientistas, é que a inteligência humana (ao contrário da artificial) é alimentada também pela intuição. Uma mudança brusca de direção ao atravessar uma rua, uma jogada mais arriscada em uma partida de tênis, atitudes que muitas vezes o ser humano toma sem pensar muito, mas com total domínio da situação, podem fazer a diferença entre o sucesso e o desastre. Os humanos podem enfrentar um acidente extraordinário com criatividade, entendendo o novo contexto e buscando uma solução imediata. Os algoritmos precisariam ter sido “avisados” de que aquele acidente poderia acontecer.

  Assim, enquanto a IA não tem a capacidade de reagir ao mundo da mesma forma como os humanos (e não se sabe se e quando isso acontecerá), é fundamental conhecer e avaliar não apenas o potencial, mas também as fragilidades da computação nas estratégias corporativas e nos modelos de negócios.

  Ao tomar uma decisão com base em dados, muitas vezes o gestor precisa expandir o seu olhar para além das informações mais evidentes e intrínsecas ao tema em estudo. É necessário incorporar a sua avaliação informações paralelas, os chamados dados alternativos, que ampliam a visão do conjunto e permitem enxergar outras hipóteses. Esses dados, embora não tenham relação aparentemente direta com o assunto, captam diferentes aspectos das pessoas e das situações, abrindo novos horizontes e suscitando novas leituras. Eles complementam apurações, revelam tendências, expõem comportamentos latentes, entre outras sutilezas que fazem toda a diferença em uma análise consistente.

  Na economia, a importância dos dados alternativos fica clara, por exemplo, quando se fala sobre a potência de uma nação. Em geral, as referências básicas nessa questão são PIB – Produto Interno Bruto, balança comercial, inflação – parâmetros óbvios e de fácil entendimento. Uma realidade mais complexa vem à tona, no entanto, se esses dados são confrontados com indicadores de emprego, saúde pública, habitação, saneamento, que podem revelar as fragilidades por trás dos números oficiais de crescimento.

  No âmbito corporativo, vale o mesmo cuidado. Por exemplo, dados alternativos como informações de redes de relacionamento, vindas de redes sociais ou não, servem para uma análise de crédito – em especial quando se trabalha com populações desbancarizadas ou quando as informações tradicionais não estão disponíveis. Outra aplicação: o responsável pela concessão de financiamento para um chefe de família pode considerar, na sua decisão, o consumo de energia elétrica da residência do cliente.

  À primeira vista, o quanto a pessoa gasta com a companhia elétrica parece não ter muito a ver com a sua capacidade de cumprir com os compromissos financeiros. Porém, o aumento do consumo de energia, descartando-se o fator sazonal, seria decorrente de duas causas: a família estaria aumentando, com a chegada de mais filhos, ou comprando mais aparelhos eletroeletrônicos. Dois fatores que impactam o risco de crédito.

  Os dados alternativos têm ainda a vantagem de poder ser facilmente captados pela Internet. Os recursos tecnológicos disponíveis hoje são capazes de obter relevantes informações adicionais a partir de comentários de posts, sites de reclamações ou até dos descritivos das vagas de emprego anunciadas por uma empresa. Outro ponto positivo é a segurança. Como esses dados não estão relacionados de modo direto com o objeto da análise, fica mais difícil serem manipulados ou distorcidos.

  Em janeiro deste ano, o jornal Valor Econômico publicou uma notícia que comprovava o peso dos dados alternativos em uma análise econômica. Sob a manchete “Dados alternativos mostram emprego mais fraco, diz BTG”, a reportagem defendia que, apesar de a PNAD – Pesquisa Nacional por Amostra de Domicílio apontar queda na taxa de desemprego, um relatório do Banco BTG Pactual discordava desse resultado com base na “trajetória de dados alternativos de emprego, como o percentual de subutilização da força de trabalho”, entre outros. O texto destaca, na fala de uma economista, que “outros indicadores em que as pessoas prestam menos atenção mostram ociosidade mais intensa e piora”.

  Prestar atenção aos dados alternativos é o primeiro passo. O passo seguinte é identificar quais dados alternativos utilizar em cada situação e quais atributos derivados podem ser extraídos deles para que se chegue a uma conclusão mais qualificada. Mas o esforço compensa, garantem os especialistas em análise de dados.

  Basicamente, o big data é a principal fonte de combustível para a IA – inteligência artificial. Apesar desses dois conceitos ainda soarem um pouco futuristas para o público leigo, eles já estão entre nós, e a sociedade cada vez mais sofre influência e interferência desses sistemas informacionais. No entanto, em vez de vivermos em um mundo repleto de robôs, a inteligência artificial que faz parte das nossas vidas tende a ser invisível.

  O big data reúne a imensa quantidade de dados digitais disponível na rede que, quando exposta, permite a criação de modelos que analisam e antecipam o comportamento e a dinâmica de sistemas e interações complexas. Esses dados derivam não só da rotina de navegação dos indivíduos, como também do rastro digital que os indivíduos deixam, muitas vezes sem perceber, na Internet.

  Olhando para o mundo on-line, cada pessoa possui bilhões de características diferentes. O desafio é descobrir quais dessas são relevantes na hora de se analisar e determinar o comportamento de cada um. Logo, é preciso possuir ferramentas que permitam a manipulação e o estudo desses bilhões de dados. Entender mais sobre esses elementos, suas origens e tentar prever suas condições futuras permite planejar melhores tomadas de decisões.

  É aí que entra a inteligência artificial. A automação dos processos de identificação e análise de dados não se restringe a isso. A IA pressupõe um processo de machine learning constante que, como o próprio nome já diz, é quando a máquina é dotada da capacidade de aprendizado. O machine learning, ou aprendizado de máquina, utiliza códigos para fazer uma varredura em grandes quantidades de dados em busca de padrões. Esses códigos, quanto utilizados de maneira constante em porções de informação cada vez maiores, conseguem trabalhar com análises muito mais rapidamente do que uma pessoa conseguiria manualmente.

  Essa condição pode parecer básica, mas não é. Aprender é uma capacidade inerentemente humana, que faz com que a cada tentativa sem sucesso de atingir um objetivo, a pessoa empreenda raciocínio lógico e criatividade para criar novas alternativas para atingir o mesmo fim. O machine learning segue o mesmo princípio, o que faz com que os resultados se tornem cada vez mais assertivos e específicos.

  Para chegar perto das variações e quantidade de dados que a mente humana é capaz de processar de forma intuitiva, uma máquina precisa ter acesso a grandes quantidades de informações, normalmente não estruturadas e contínuas: o big data.

  Na prática, a IA já é uma realidade. O momento atual é de amadurecimento e consolidação no mercado, nos mais variados segmentos. É verdade que, com a automação dos processos, alguns cargos podem ser suprimidos, mas nem por isso a inteligência artificial deve ser compreendida como inimiga. Quando os funcionários de uma empresa não precisarem mais perder tempo executando atividades repetitivas e de baixo valor agregado, isso significa que eles terão mais liberdade para investir seu tempo no que realmente importa.

  Uma das tarefas de um cientista de dados é garimpar e lapidar as informações mais apropriadas e significativas para resolver um problema. Tais soluções envolvem, obrigatoriamente, a segurança dos dados que são processados. Mas, será que essa premissa é confiável? Quem garante (ou fiscaliza para) que a ciência de dados está sendo usada de forma íntegra, e não, por exemplo, a serviço da prática de fraudes?

  Uma das melhores formas de se projetar no campo da ciência de dados tem sido a participação em comunidades abertas de ciência de dados. Um dos principais sites para isso é o Kaggle (www.kaggle.com), plataforma que reúne profissionais, amadores e entusiastas aos quais são apresentados problemas, normalmente patrocinados por empresas privadas. Além de ganhar prêmios em dinheiro, os melhores colocados conquistam reputação como líderes da área. No entanto, nem todos os competidores merecem reconhecimento: cada vez mais surgem denúncias de falcatruas cometidas pelas equipes.

  No início de 2020, a comunidade de ciência de dados foi abalada pelo escândalo de trapaça em um concurso da Kaggle. O desafio era criar um site de animais de estimação para adoção. A equipe vencedora foi, posteriormente, desclassificada por obter e ocultar de forma fraudulenta os dados do conjunto de testes. A competição pedia aos concorrentes que desenvolvessem algoritmos para prever a taxa de adoção de animais com base nas listagens do PetFinder.my, um site da Malásia.

  O objetivo era ajudar a descobrir o que torna o perfil on-line de um animal de estimação atraente para os interessados no pet. O algoritmo da BestPetting, a equipe que obteve o primeiro lugar, parecia prever quase perfeitamente a taxa de adoção para o conjunto de testes. Nove meses após o encerramento da competição, um adolescente bastante observador desconfiou que os resultados eram bons demais para serem verdadeiros. Ele descobriu que a equipe “vencedora” obteve os dados de teste provavelmente copiando dados do Kaggle ou da própria PetFinder.my, depois codificou e decodificou esses dados em seu algoritmo para ofuscar sua vantagem ilícita.

 Também este ano, um caso alarmante envolvendo milhares de pessoas foi revelado pela pesquisadora de segurança Jamila Kaya. Ela descobriu que mais de 500 extensões para o navegador Google Chrome estavam enganando anunciantes em relação a downloads de anúncios publicitários que nunca eram exibidos. Em vez disso, os usuários eram redirecionados para sites maliciosos. Quando informado, o Google realizou uma varredura em toda a Chrome Web Store e identificou uma grande operação de malware.

 Especialistas defendem que universidades, instituições de pesquisa e agências de fomento invistam em ações coordenadas para lidar com essas questões, a fim de não colocar em risco a integridade da ciência como um todo. Na França, já existe uma iniciativa desse tipo: o maior órgão público de pesquisa científica do país e uma das mais importantes instituições de pesquisa do mundo, o CNRS – Centro Nacional de Pesquisa Científica, montou, em 2017, um escritório especialmente dedicado a promover boas práticas científicas em universidades e instituições de pesquisa.

  Como todos os profissionais, os cientistas de dados não são máquinas infalíveis, nem acima de qualquer suspeita. Podem, sim, usar o seu conhecimento para fins escusos. Em um mundo onde dependemos cada vez mais do trabalho dos cientistas de dados no nosso dia a dia, é da maior importância estarmos alertas e nos perguntarmos se podemos ou não confiar cegamente nos resultados, refletindo sobre a origem da informação, como ela foi trabalhada e quais os interesses de quem está divulgando os dados.

  Nos artigos anteriores desta série, mostramos o passo a passo para estruturar uma área de ciência de dados. Como começar montando o time com uma equipe afinada; como captar e organizar os dados a partir do conceito de data lake; como fazer os experimentos e testes e, ainda, como reportar os resultados para os stakeholders. Neste último artigo da série, vamos abordar a forma como a empresa deve apresentar e integrar a nova equipe à estrutura já existente, com todo o cuidado para evitar atritos entre as áreas.

  Normalmente, há dois grandes desafios nesse sentido: trazer para dentro da empresa novos conceitos que quebram paradigmas e definir o escopo de atuação de cada área da companhia. O primeiro desafio é administrar o impacto da implantação da nova área. É comum que o trabalho de uma equipe de ciência de dados venha abalar questões até então tidas como verdades intocáveis. Por exemplo, no caso de uma organização que se desenvolveu, desde a sua criação, fornecendo serviços para hospitais.

  Após a criação da área de análise de dados, a equipe pode concluir que é mais conveniente atuar no setor de panificação. Essa é uma mudança de caráter conceitual, que implica, principalmente, o nível da diretoria. Como a empresa sempre atendeu aquele determinado nicho, os profissionais que desenvolveram as estratégias de negócio para esse segmento podem se sentir contrariados e tender a defender as suas posições, apesar de os dados mostrarem o contrário.

  O outro desafio está relacionado à definição de quem é o profissional responsável (o “dono”) pela área. O conflito, neste caso, pode vir de qualquer setor, dependendo da estrutura de cada empresa. Na maior parte das vezes, esse problema aflora no setor de tecnologia, onde, geralmente, acredita-se que a tecnologia deve coordenar qualquer trabalho que envolva elementos técnicos, assumindo o controle da operação.

  A disputa pelo controle pode vir também da área de inovação, onde predomina o entendimento de que esse setor deve avaliar e opinar sobre todas as novidades. Mas ainda é possível que venham reações dos setores de BI – business intelligence e analytics.

  Por isso, um dos maiores cuidados que o gestor de uma área de dados deve ter é envolver os outros departamentos da empresa no seu trabalho, de modo a minimizar os atritos e, talvez, até o risco de sofrer reações tão duras que cheguem ao ponto de culminar com a extinção do seu setor. É recomendável que a nova equipe seja preparada para agir com sensibilidade e prudência, evitando gerar enfrentamentos, trabalhando no sentido de conquistar aliados e não inimigos – como muitas vezes acontece.

  Ao board da empresa cabe a tarefa de fazer uma introdução da nova equipe de forma harmônica, eliminando ruídos e preparando a receptividade. Ou seja, comunicar a criação da nova área, apresentar a equipe e deixar claro que os profissionais de ciência de dados não vão substituir outros, mas que haverá complementariedade do trabalho. É importante enfatizar que os cientistas de dados vão trabalhar com outros tipos de informação e não serão concorrentes da equipe de BI, por exemplo.

  O modelo exato de parceria entre as equipes vai depender da estrutura interna da empresa. Mas, independente do porte ou da natureza da operação, é fundamental entender quais os pontos potenciais de conflito e fazer uma comunicação bem feita, explicando os benefícios que a área de análise de dados vai trazer para todos. E, muito importante, o recado de união tem que vir de cima.

  Feito o teste, deu tudo certo. Agora, como transformar o projeto de data science em realidade? Primeiro, é preciso entender que, quando o assunto é ciência de dados, não basta definir, planejar e experimentar. Existem mais dois passos fundamentais: o primeiro é apresentar os resultados para os stakeholders, que devem aprovar os objetivos propostos; o segundo é implantar, em um ambiente produtivo, o modelo, o algoritmo, a lógica ou a análise desenvolvida.

  Pode parecer simples, mas nem sempre é fácil transmitir a conclusão da experimentação com sucesso, induzindo o board ou aos acionistas a comprar a ideia. Sem uma comunicação eficaz, um projeto pode ser descartado ou subvalorizado. Assim, uma boa apresentação precisa mostrar as respostas dos testes, mas também apontar a relação custo-benefício do projeto. Ou seja, a análise de resultado não pode considerar apenas os fatores diretamente relacionados ao modelo, mas deve levar em conta também a geração de valor.

  Uma dica é usar métricas relevantes para quem vai tomar a decisão. Por exemplo: quando um teste mostra que determinado projeto irá melhorar o resultado financeiro em 50%, porém, reduzirá as vendas em 30%, esta informação não deve ser destacada na apresentação, caso quem tome a decisão seja uma pessoa da área de vendas, que tenderia a avaliar o resultado de forma negativa.

  Outro ponto importante é conhecer as regras, ou regulações, implícitas em um projeto de data science. Algumas verticais do mercado, como o sistema financeiro, têm regulações a ser respeitadas. Um exemplo é o Acordo de Basileia (tratado para regular o funcionamento dos bancos e instituições financeiras), que define uma metodologia comum de avaliação de risco de crédito para as operações financeiras. Portanto, um projeto envolvendo análise de crédito precisa adotar técnicas de modelagem que respeitem as regras do tratado.

  Se em sua empresa você já montou uma equipe para trabalhar com análise de dados e já organizou os dados estruturados e não estruturados em um data lake, chegou a hora de partir para a última fase, a da experimentação. Uma das etapas fundamentais do trabalho com dados, a experimentação é determinante para o sucesso, ou o fracasso, do que está sendo analisado, seja a criação de um novo produto, a indicação de uma tendência de mercado, o lançamento de um serviço ou a validação de uma campanha.

  Assim como qualquer experimento científico, o trabalho com dados deve envolver não apenas a formulação de hipóteses com base nas informações disponíveis em modelos estatísticos, ou obtidas por machine learning, mas também a validação desses modelos na vida real. Por isso, para trabalhar com dados de forma orientada, as empresas precisam estar prontas para testar e validar as correlações e as previsões reveladas pelos dados coletados.

  Na era dos zettabytes, a profusão de novas tecnologias gera uma quantidade enorme de terminologias, muitas das quais entram na moda – as chamadas buzzwords, na linguagem da internet. As palavras em inglês, incorporadas ao português e adotadas por técnicos e especialistas, se espalham pela rede e facilmente nos adaptamos à “nova linguagem”. Porém, uma questão da maior relevância é a importância de usar as novas expressões corretamente, evitando a armadilha de nos perdermos no redemoinho do vocabulário constantemente renovado. Focamos aqui em três termos bastante em alta e muitas vezes usados, erroneamente, como se fossem sinônimos: data science, machine learning e estatística.

  Vamos começar pela base da pirâmide, onde estão a estatística e a matemática, duas áreas do conhecimento imprescindíveis para a inteligência artificial (IA). A estatística é um conjunto de métodos e teorias usadas para analisar e modelar dados. Ela não se preocupa em capturar e armazenar informação, por exemplo, mas sim com métodos, organização, resumo, apresentação e interpretação dos dados. Também tira conclusões sobre as características das fontes de onde as informações foram coletadas.

  Em um patamar acima, vem o conceito de machine learning (ML ou aprendizado de máquina), como um subcampo da ciência da computação, que evoluiu do estudo de reconhecimento de padrões e da teoria da aprendizagem computacional da IA. A tecnologia usa algoritmos capazes de aprender com dados, fazer previsões e tomar decisões, superando as limitações da programação tradicional baseada em instruções estatísticas.

Estatística e machine learning, portanto, estão correlacionados, mas não são iguais. É possível afirmar que as abordagens estatísticas e matemáticas evoluíram a ponto de permitir o uso em machine learning. Para deixar mais claro: o ML trabalha com algoritmos e estatísticas para desenvolver programas que podem usar a sua própria experiência para melhorar processos industriais e profissionais e também o cotidiano das pessoas.

  Empresas como Amazon e Facebook usam algoritmos de ML para criar suas recomendações, selecionar e guiar assuntos. O Google usa algoritmos de ML para buscas, análise de e-mails, recomendações de respostas no Allo etc.