Mostrando postagens com marcador machine learning. Mostrar todas as postagens
Mostrando postagens com marcador machine learning. Mostrar todas as postagens

sábado, 4 de dezembro de 2021

Combo aleatório de imagens #8

Mês passado eu confesso que esqueci das imagens aleatórias. 🤦‍♂️ A primeira semana passou como um foguete e quando vi não havia postado. Por sinal, acabei não produzindo nenhum post durante o mês de novembro. Shame on me. 🥸 Estive envolvido com outros rolês e não sobrou tempo para o blog. Mas agora, voltamos com o último combo aleatório de imagens de 2021. Let's do it!

corre do gerenciador de tarefas

Oh, não! Lá vem o gerenciador de tarefas! 😱


machine learning

Machine Learning: você está fazendo isso errado. 😅


duas impressoras em uma moto

Mano do céu! Duas impressoras em uma moto! 💣


livros que te fazem chorar estrutura de dados e algoritmos java

Livros pra chorar? Qualquer um sobre programação. 🤣


doing_numbers

Parecem meus vídeos no YouTube. 🤭


esquecer chamado na fila

Nunca é tarde pra atender aquele chamadinho antigo... 🤪


impressora macaco

Reaproveitamento de impressora. 🖨️


erros corrigidos

Debug overflow. 😵‍💫


black friday na ti

Nunca é tarde pra um promo. 😂


descubra seu nome hacker

Meu nome hacker é Orange123. 🙃

Entonces é isso, galeris! Pra 2022, ainda não decidi se vou continuar com essa sequência de postagens. Talvez, o mais provável é que sejam posts aleatórios, sem o rigor de um prazo. Até porque, o objetivo para seguir este formato foi agrupar várias imagens — que antes eu disparava em postagens individuais — em uma única, tentando assim deixar o troço mais atrativo. Porém, eu nunca sei quantas imagens vou ter pra compartilhar, mas ter um número fixo é bacana. 😊 Anyway, sigo por aqui. Até os próximos capítulos, digo, posts. 👋

terça-feira, 5 de outubro de 2021

A inteligência artificial vai tomar o lugar dos humanos?

Toda a mudança gera tensão. O desconhecido assusta. Causa pavor. Em algumas pessoas provoca a resistência e em outras a descrença. Foi assim nos episódios datados pelas Revoluções Industriais ao longo da história, quando a classe operária supôs que a máquina fosse sua inimiga, vindo para derrubar os postos de trabalho com a redução da mão de obra humana. De uma forma literal, sim. Mas do mesmo jeito que a tecnologia substituiu trabalhadores em atividades manuais, ela também gerou novas oportunidades de emprego, que foram aproveitadas pelos profissionais que se qualificaram e souberam se adaptar.

4ª Revolução Industrial

Há quem diga que estamos passando pela 4ª Revolução Industrial. Assumimos que os computadores — que surgiram na Revolução passada — agora já se encontram enraizados na nossa cultura. Portanto, camadas mais profundas, contudo, fundamentadas na computação, tomam o lugar de protagonista, destacando: os dados — big data — e a inteligência artificial (IA) — machine learning —, apoiados por uma série de outras tecnologias que se propõem a automatizar processos e rotinas operacionais. 

Em linhas gerais, até hoje, pelo que se sabe, a humanidade sobreviveu ao poderio da industrialização. Porém, será que dessa vez será diferente?

O autor e palestrante, Arthur Igreja, em um post recente no seu Instagram, acredita que não, afirmando que o que se vem presenciando, não se trata de uma corrida entre pessoas e IA, visto que as características de uma máquina e de uma indivíduo são essencialmente diferentes.

humanos e inteligencia artificial arthur igreja

Humanos + Inteligência Artificial, baseado na argumentação do livro AI 2041: Ten Visions For The Future

No quadro acima, percebemos que tratando-se de volume de dados, o cérebro humano perde para IA, e da mesma forma, segue atrás quando se fala em identificação de padrões e agilidade na tomada de decisões complexas. Entretanto, a massa cinzenta sai na frente no que diz respeito a conceitos abstratos, raciocínio analítico e criatividade, por exemplo.

Com isso, Arthur vai além, refletindo que inteligência está intimamente conectada à integridade humana, enquanto o artificial é o que diz respeito aos robôs.

Automatização e novas oportunidades

Segundo um estudo realizado pela Universidade Oxford, estima-se que 47% dos empregos atuais serão automatizados nos próximos anos. Em compensação, 133 milhões de novos empregos serão criados pela digitalização, conforme o relatório Future of Jobs (2018), apresentado no Fórum Econômico Mundial.

E o que isso quer dizer? Bom, significa que na medida que tarefas repetitivas — que apresentam um padrão contínuo de execução — são automatizadas, cada vez mais os seres humanos serão demandados para atividades que exijam capacidade de pensar, refletir, criar, melhorar e adaptar, pois, é isso que nos difere das máquinas e são essas habilidades que nos manterão ativos e relevantes em um mundo cada vez mais digitalizado. Sendo assim, por mais perfeito que os algoritmos possam ser, com resiliência e adaptação, certamente passaremos bem por mais essa Revolução.

quarta-feira, 3 de março de 2021

Machine Learning para detecção de doenças assim como o nariz dos cachorros

Estudos apontam que com treino, cachorros são capazes de detectar diversas doenças, utilizando seu aguçado olfato em amostras de urina dos pacientes. Essa tese já foi confirmada na identificação de tipos de câncer, como pulmão, mama, ovário, bexiga e próstata. Neste último, a taxa de acerto é de 99%. Além disso, também há indícios onde o faro dos caninos detectou até mesmo a presença de COVID-19 no material farejado.

Imagem: Medical Detection Dog

Segundo Andreas Mershin, pesquisador do MIT envolvido nos experimentos, nos últimos 15 anos, os cachorros têm se mostrado o método mais preciso para identificação de doenças. O cientista considera que o desempenho dos cães em testes controlados, em alguns casos, excedeu os resultados dos melhores e mais avançados exames laboratoriais, reconhecendo gêneros de câncer antes de qualquer outra tecnologia. Mershin acredita que a partir de uma variação, os animais são capazes de identificar outras, mesmo que não exista nenhuma característica em comum entre uma análise e outra.

Apesar da sua eficiência, treinar os animais para que se tornem especialistas no discernimento de enfermidades, leva tempo, sem contar que a disponibilidade deles é limitada. Levando em conta essas questões, aliada a eficiência observada, Mershin e seu time vêm trabalhando em um sistema que consegue analisar amostras com um nível de sensibilidade ainda maior que dos cachorros. Conectado a isso, está um processo de aprendizado de máquina (machine-learning) capaz de identificar as diferentes características apresentadas nos fragmentos avaliados.

O dispositivo que embarca esta aplicação, é implementado com sensores que atuam como receptores olfativos de um mamífero. O fluxo de dados coletado por esses componentes, pode ser tratado e analisado em tempo real, através de algoritmos desenvolvidos por meio de aprendizado de máquina. Isso proporciona a identificação de doenças muito antes dos regimes típicos de triagem. Os cientistas acreditam que, em um futuro próximo, este sistema automatizado de reconhecimento de odores, será pequeno o suficiente para fazer parte do hardware de um smartphone, obtendo o potencial para tornar-se tão comum como a existência de câmeras ou conectividade bluetooth, por exemplo.

Imagem: news.mit.edu

Andreas Mershin e um dos "colegas de pesquisa" caninos

Em uma bateria de testes, a equipe de Mershin já chegou a avaliar 50 amostras, entre as quais, estavam urina extraída de pacientes diagnosticados com câncer de próstata, assim como materiais livres de doença. Foram utilizados no experimento, cães treinados pelo Medical Detection Dog no Reino Unido e o sistema automatizado de detecção. Parte do processo consistiu em aplicar um algoritmo de aprendizado de máquina, a fim de descobrir as semelhanças entre os elementos testados, o que levou o software, ao testar as mesmas amostras, a igualar a taxa de sucesso dos cachorros, fazendo com que ambos os métodos alcançassem mais de 70% de assertividade.

Por meio de testes controlados exigidos pelo DARPA, Mershin indica, no que diz respeito a capacidade de identificar pequenos traços de moléculas, que o sistema é 200 vezes mais sensível que o nariz canino. Entretanto, quando trata-se de reconhecer essas partículas, é 100 vezes pior. Nessa etapa é que entra em ação a machine learning, no intuito de encontrar os padrões evasivos que os animais podem inferir do cheiro, mas os humanos não conseguem entender a partir de uma análise química.

Os avanços alcançados até aqui, afirmam os pesquisadores, oferecem uma base sólida para novas pesquisas no futuro, quem sabe com uma amostragem bem maior, o que potencializaria o desenvolvimento de uma tecnologia adequada para uso clínico.

Fonte: MIT News e SciTechDaily