Inteligência Artificial: um dado adquirido?

Não há como contornar o assunto. A Inteligência artificial, a revolução digital, dos dados e da Data Science, tem-se intensificado no último ano. Dall-E foi a primeira peça de dominó a cair e desde então tudo tombou.

Desencadearam-se uma sequência de novas ferramentas, que tornaram o nosso quotidiano cada vez mais automatizado.

O interessante nas ferramentas como o Chat GPT-4 é a de que, no fundo, recorre muito à recolha e análise de dados e à Data Science.

Se procurar a definição de Inteligência Artificial, encontrará múltiplas perspectivas e só equacionar o estado da questão de IA daria para um trabalho extenso. A IBM, no seu site, tem um artigo que sintetiza de forma exímia toda esta temática e delineia as diferenças chave de termos como “weak AI vs strong AI”, “deep learning vs machine learning”.

A inteligência artificial enquanto campo multifacetado de tecnologias que procuram imitar as funções racionais/cognitivas humanas, entende e responde a questões, como no caso do Chat-GPT4, com base na análise de dados. É nesta compreensão e resposta automática de várias temáticas que reside a admiração destas novas ferramentas de inteligência artificial.

Parte desta equação envolve machine learning. Trata-se de um dos múltiplos campos da inteligência artificial e é responsável pelo automatismo das respostas, já que se trata de um sistema que aprende e melhora com base na experiência, utilizando algoritmos para analisar bases de dados.

Percebendo então que os dados são a base de todo este novo mundo, torna-se clara a importância de compreender a sua ciência – a Data Science.

Esta é a área interdisciplinar em notória ascensão, que combina matemática, estatística, programação, análise avançada e Inteligência Artificial, já que todo este somatório científico permite descodificar insights de difícil acesso e que são tão fundamentais para a criação e desenvolvimento de estratégias das empresas.

Não é mero acaso que o ciclo de análise de uma campanha de marketing, por exemplo, se assemelhe ao ciclo da Data Science:

(1) Recolha de dados – as empresas têm de garantir que têm a estrutura para a recolha de informação

(2) Organização e Processamentos de Dados – dados são apenas dados e só se consegue analisar se existirem categorias, uma lógica de armazenamento e distribuição

(3) Análise de Dados – neste campo, a estatística impõe-se e salienta a componente social, o que significa a informação. Imagine-se o seguinte dado: “CTR = 7,3%”; pode até saber o que significa CTR, mas este dado só terá relevância para a empresa se permitir aprimorar ou confirmar a estratégia previamente definida.

O cientista de dados terá de formular hipóteses com base em padrões, distribuições de dados de forma a poder afirmar “é um bom valor, tendo em conta a média atual”

(4) Comunicação de Dados – assim que toda a recolha, organização e análise é concluída, então deve ser comunicada a todos os beneficiários da informação, geralmente gestores ou decisores das empresas. Relatórios, em apresentações sintéticas, impactam positivamente as decisões do rumo do negócio.

 

Dados são factos, números, informação… E o que existe em abundância é informação.

Por isso, analisar dados é criar condições para melhor entender a realidade que o rodeia. Em contexto profissional, é criar cenários favoráveis para o crescimento do seu negócio e compreender melhor o seu ambiente organizacional. É transformar dados em oportunidades.

Veja-se o exemplo de Jackson Greathouse Fall, que “pediu ao Chat-GPT4” para “fazer” o máximo de dinheiro possível com 100€. Sublinhe-se as aspas, uma vez que o Chat-GPT4 não fez o trabalho em si, deu sugestões com base em… dados.

A partir daí, criou o website da sua empresa, com recurso a outra ferramenta de IA, Midjourney (design), e em pouco tempo conseguiu que a sua empresa valorizasse criasse valor com os 100€.

Deverão no entanto ser tidas em conta igualmente questões de ética e responsabilidade na utilização da inteligência artificial, pois estas tecnologias têm o potencial de gerar impactos significativos em áreas que vão desde a tomada de decisões cruciais até a privacidade e segurança dos dados.

Ainda assim, a aprendizagem principal deverá ser “Transformar dados em oportunidades, com Inteligência Artificial”.

E é isso que o novo MBA em Data Science da Autónoma Academy pretende criar: oportunidades para os alunos impulsionarem a sua carreira nesta área em clara expansão.

A componente prática deste MBA da Autónoma Academy é a garantia de que todos estes conteúdos serão apresentados de forma a elevar o conhecimento de cada aluno.

Com mais de 350 horas, permitirá ao aluno efetuar análise de dados, aplicar modelos estatísticos, utilizar inteligência artificial com machine learning, fazer data mining, entre muitas outras aprendizagens.

Saiba mais em https://autonoma-academy.pt/mba-data-science e inscreva-se já.