Nos primeiros quatro episódios do Inside Alana Podcast, exploramos a potência interdisciplinar da inteligência artificial. Hoje, vamos entender mais sobre o cenário de desenvolvimento da…
Tempo de leitura: 9 min
Nos primeiros quatro episódios do Inside Alana Podcast, exploramos a potência interdisciplinar da inteligência artificial. Hoje, vamos entender mais sobre o cenário de desenvolvimento da AI mundialmente, e como ela pode ser aplicada a diferentes áreas. Daremos destaque especial ao setor da saúde, onde a AI tem sido usada no combate ao grande mal da atualidade: a Covid-19.
No quinto episódio do podcast, além da participação de Marcellus Amadeus, CTO da Alana AI, convidamos o pesquisador Alexandre Chiavegatto, diretor do Laboratório de Big Data e Análise Preditiva em Saúde (Labdaps) da FSP/USP.
Ele também coordena a rede IACOV-BR (Inteligência Artificial para Covid-19), que está desenvolvendo algoritmos de machine learning para diagnóstico e prognóstico da doença no País.
Os temas abordados no bate-papo foram:
Dentro do campo de estudos de inteligência artificial, há diversas sub-áreas de pesquisa sendo desenvolvidas paralelamente. O CTO da Alana AI, Marcellus, por exemplo, é um especialista na área de linguagem, enquanto Alexandre desenvolve estudos na área de saúde.
Para ambos, a evolução da tecnologia é notável nos últimos anos. Em julho de 2020, por exemplo, a área de linguagem teve um marco especial: o lançamento do programa GPT-3, criado pela Open AI, que conta com 175 bilhões de parâmetros de deep learning.
Apesar de funcionar somente em inglês, o novo programa é capaz de gerar textos de excelente qualidade, escrevendo poesias, criando sites e códigos HTML de forma autônoma.
Contudo, no podcast, Marcellus e Alexandre contextualizaram o alto custo para o desenvolvimento de AI, o que faz com que governos e iniciativa privada invistam bilhões para se posicionar nesse mercado.
“Precisamos falar do custo de se desenvolver AI. Por um lado, existem bibliotecas de dados e conhecimento open source, através dos quais qualquer pessoa com tempo e acesso à internet pode aprender sobre técnicas de machine learning. Por outro lado, programas como o GPT exigem alto investimento”, analisou Marcellus.
Ele destacou estimativas que indicam que foram gastos na casa dos milhões de dólares para o desenvolvimento do GPT-3. O alto custo, de certa forma, faz com que poucas empresas consigam atingir níveis extraordinários de tecnologia – o que deixa o mercado ainda mais concentrado.
A busca por uma AI Forte e a disputa pelo desenvolvimento de aplicações de IA são comparáveis à corrida espacial na Guerra Fria, na opinião dos especialistas. A inteligência artificial tem aplicações em diversas áreas essenciais para o desenvolvimento social e econômico dos países, e por isso grandes potências econômicas querem se consolidar nesse mercado.
Os Estados Unidos ainda é o líder, pois segue gerando conhecimento significativo para a área. Para se ter ideia, uma proposta da Universidade de Stanford para o governo do país propõe o investimento de pelo menos US$ 120 bilhões no ecossistema de IA americano nos próximos dez anos.
Por outro lado, os EUA têm enfrentado pressão em relação ao impacto das tecnologias AI em decisões automatizadas, com implicações relacionadas a direitos humanos, por exemplo.
A China, por sua vez, estabeleceu a meta de 5 anos para se tornar líder no ramo de inteligência artificial, além de investir pesado em pesquisas e formação de profissionais para a área.
Há também investimentos importantes de governos e empresas do Canadá e Inglaterra, que hospeda uma das principais empresas de AI do mundo, a Deepmind (criadora do famoso algoritmo AlphaGo, que derrotou campeões mundiais no jogo chinês Go).
O interessante é que mesmo avanços aparentemente pequenos na área já causam grandes impactos no mercado, com consequências para empresas do setor, governos e a população.
É difícil estimar o número exato de pesquisadores e especialistas no campo de inteligência artificial, mas nota-se um crescimento de eventos, conferências, cursos e investimentos dedicados à área nos últimos anos.
Há um entusiasmo grande sobre o tema atualmente, o que fica evidente pelas promessas e investimentos da iniciativa privada, pela atuação de universidades e procura de profissionais por cursos na área. O MIT, por exemplo, decidiu lançar um curso de graduação específico para a disciplina.
A tendência é que o número de pessoas que trabalham no segmento aumente cada vez mais, o que gerará mais conhecimento e disseminação de informações.
Outro aspecto importante para o avanço da tecnologia é a regulamentação de inteligência artificial, tendo em vista leis emergentes relacionadas à proteção de dados e aplicação de algoritmos de AI ao redor do mundo. Essas regulações tendem a afetar diretamente o ritmo de investimentos e desenvolvimento de ferramentas AI.
Um dos benefícios da AI para a sociedade pode estar na aplicação em serviços básicos, como no setor de saúde. Neste segmento, ela pode ser usada em diversos momentos:
Porém, o uso de dados de pacientes ainda gera discussões entre cientistas e comunidade médica, visto que dados de saúde são considerados informações sensíveis. Apesar de haver muita informação disponível em bancos de dados de hospitais, por exemplo, há uma série de restrições legais sobre o compartilhamento e utilização destes dados.
Há ainda outras ponderações éticas e cuidados que precisam ser levados em conta quando o assunto é o uso de dados de saúde em ferramentas de AI. Entre as principais incertezas estão:
No contexto da pandemia, um dos exemplos citados por Marcellus e Alexandre durante o podcast foi o case do Hospital Albert Einstein, em São Paulo, que disponibilizou publicamente dados anônimos de pacientes com Covid-19. O objetivo é que cientistas do mundo todo possam aproveitá-los no desenvolvimento de soluções diagnósticas para a doença.
O professor Alexandre inclusive teve acesso antecipado aos dados, em parceria com o hospital. No episódio, ele conta sobre a sua atuação na iniciativa IACOV-BR, que usa machine learning para diagnosticar casos de Covid-19.
O projeto faz parte da Faculdade de Saúde Pública, da Universidade de São Paulo (USP), e conta a participação de grupos de pesquisa das seguintes universidades:
O objetivo da rede é desenvolver e validar algoritmos de machine learning para o diagnóstico e prevenção da Covid-19. O processo acontece em quatro fases:
Para conseguir chegar a uma conclusão, o algoritmo aprende continuamente com dados de exames de sangue de diversos pacientes, e então define características e padrões entre eles.
A contribuição da IACOV-BR é interessante pois o algoritmo pode determinar, de forma muito mais rápida, a probabilidade de o paciente ter de fato contraído a Covid-19.
“Quando o paciente chega no hospital com sintomas e faz o exame RT-PCR, o resultado do exame pode levar dias ou até semanas para ficar pronto. Descobrimos que apenas com dados do exame de sangue, que fica pronto em até uma hora, o algoritmo já consegue dizer o risco e probabilidade de o paciente ter Covid-19, e então fica mais fácil de os médicos tomarem decisões sobre isolamento, exames e medidas preventivas”, contextualiza Alexandre.
Caso se confirme que o paciente está infectado, o sistema de machine learning ainda consegue ponderar, de acordo com as características individuais do paciente, fatores como:
Segundo o pesquisador da USP, o índice de acerto do algoritmo têm se mostrado alto, e os pesquisadores seguem preparando artigos científicos sobre o projeto.
Assim como na área de processamento de linguagem natural (NLP), o contexto é essencial para o bom funcionamento de algoritmos de inteligência artificial voltados para a saúde.
“Algo que vamos descobrir com a rede (IACOV) é a diversidade de dados que precisamos para desenvolver bons algoritmos de saúde. É algo que ainda não sabemos. Será que se desenvolvermos um algoritmo para prever infartos em São Paulo, ele funcionará em Nova Iorque? Provavelmente não, porque as realidades da população são muito diferentes”, pondera Alexandre.
Ao longo do bate-papo, notou-se que existe uma diferença nos modelos de trabalho e construção de algoritmos para o desenvolvimento de uma AI, dependendo do objetivo dos cientistas e área de aplicação.
Marcellus, que atua no desenvolvimento de inteligência artificial para os produtos de marketing da Alana AI, aposta na criação de algoritmos de machine learning com técnicas de deep learning – que exigem pouca ou nenhuma supervisão humana.
Já para sistemas de saúde, Alexandre destacou a necessidade de entender a fundo a decisão do algoritmo, já que essa área lida com informações sensíveis e é, literalmente, vital. Nestes casos, ele recomenda a combinação de machine learning a outras técnicas mais clássicas para ajudar cientistas a justificar a tomada de decisão.
A história da inteligência artificial mostra que esta é uma área em constante evolução e que pode (e deve) ser utilizada para impactar positivamente a sociedade.
Projetos como o IACOV-BR deixam claro a importância da colaboração de hospitais de agentes de saúde com pesquisadores da área.
Quanto mais a tecnologia evolui, mais técnicas surgirão e poderão ser incorporadas aos sistemas de inteligência artificial existentes. Ou seja, a AI tem um caminho de crescimento exponencial e pode trazer cada vez mais benefícios para empresas e indivíduos.
Para saber mais sobre AI, ouça este e os demais episódios do Inside Alana Podcast na plataforma de sua preferência. E fique ligado no trabalho realizado pela rede IACOV-BR no combate à Covid-19.
