Primeiro, algumas definições:
• IA: tarefas que requerem inteligência humana; o computador ‘pensa’ como uma pessoa. Aprende através análise de bases de dados- criação e treinamento de algoritmos (inclui Machine Learning e Deep Learning).
• Machine Learning: uso de dados e algoritmos para imitar a maneira como os humanos aprendem, melhorando gradualmente sua precisão. O sistema aprende e adapta-se sem programação - pode modificar seu comportamento autonomamente tendo como base a sua própria experiência. Esse aprendizado é gerado com base no reconhecimento de padrões dentro dos dados analisados
• Deep Learning: redes neurais (algoritmos inspirados na estrutura de neurônios do cérebro) que resolvem problemas muito complexos, como reconhecimento de objetos em imagens.
Já está sendo usada em pesquisa e para solução de problemas que empregam dados de pesquisa. Dois exemplos são a codificação de perguntas abertas e modelagem de dados de diversas fontes.
Em codificação, o computador pode ser ensinado a reconhecer e interpretar a linguagem como uma pessoa faria; por exemplo entendendo sinônimos e antônimos, temas correlacionados, fazendo classificação de respostas e, finalmente, criando um livro código e codificando as respostas, sem interferência humana. Isso pode ser feito para estudos multi-country, por exemplo, em que a máquina faz essa tarefa em diversos idiomas.
A modelagem de dados, certamente, é mais complexa do que a codificação. Pode lidar com bancos de dados de pesquisas com consumidores, análises instrumentais, pesquisa clínica e dados de mercado, por exemplo. Estas diversas fontes de dados podem conter inúmeros testes e muitos anos de dados. E podem ser usados, por exemplo, para definir quais são os indicadores de um produto de sucesso, num mercado ou para um público específico, de maneira que o processo de formulação, desenvolvimento e testagem seja muito mais direcionado e racionalizado.
A inteligência artificial tem o potencial de ampliar o limite do conhecimento humano e acelerar processos que hoje são muito baseados em conhecimento tácito e contam com a tentativa e erro. Obviamente o imponderável continua sendo um fator importante, já que desenvolvemos produtos para humanos e, esperamos que, sempre, com o toque humano. Mas a IA pode nos ajudar a tornar esse processo menos penoso e um pouco mais previsível.
Obviamente o imponderável continua sendo um fator importante, já que desenvolvemos produtos para humanos e, esperamos que, sempre, com o toque humano. Mas a IA pode nos ajudar a tornar esse processo menos penoso e um pouco mais previsível.