84. OpenAI test

Artificial Intelligence. Wowowww. Muito potencial está aí a aparecer todos os dias. Contudo, não é menos verdade que esse potencial tem ficado em muitos casos nisso mesmo. Os resultados de muitas das aplicações de AI aos negócios, à saúde e à indústria não têm sido os melhores. Deixo aqui algumas causas para os resultados menos bons:

• fonte de dados. Os dados são o grande responsável pelas melhores taxas de acerto dos algoritmos de AI. Estudos que comparam a qualidade dos dados com os diferentes métodos que o desenvolvimento da AI permitem evidenciar que a qualidade dos dados, a quantidade e o contexto em que são recolhidos são os factores determinantes que ajudam a que o algoritmo incrementa a acertividade das respostas e não o contrário.
  • O próprio Watson da IBM tem demonstrado que a constante dispersão de dados e de padrões dos exames e informações clínicas que vão populando a BD podem levar a resultados automáticos não tão rigorosos, caso o algorimo não aprendesse diferentes resultados e interpretação desses mesmo dados clínicos;
• Método de recolha. À medida que vamos evoluindo enquanto espécime, vamos também recolhendo os mesmo dados de forma diferente. Faz parte da evolução e da qualidade e detalhe daquilo que queremos recolher. A Meta-Data que ajuda os algoritmos de AI a reconhecer padrões pode não ter consistência ao longo dos anos e isso pode ser um problema;
• Quantidade, qualidade e consistência ao mesmo tempo é uma conjugação difícil de garantir e é por esta razão que alguns promissores projectos que usam AI podem falhar.

Deixo-vos aqui 2 formas de testarem algoritmos de AI, a fim de poderem perceber o potencial, mas não percam a capacidade crítica necessária para perceberem o impacto no futuro da testagem dos dados e da sensibilidade dos mesmos a vários métodos, técnicas e finalidades de aplicação.

• Open AI
• AutoML

Oube Láaaa!