Por onde começar a estudar inteligencia artificial

Brasil já é o país que mais contrata profissionais do setor do mundo, segundo estudo recente da Universidade de Stanford

Dar vida a desenhos e imagens, realizar milhares de cálculos em segundos e – por que não? – criar robôs que executam os mesmos trabalhos da mente humana. Esse é o tipo de tarefa que poderia muito bem ser a descrição de um novo filme de Steven Spielberg, mas, para quem trabalha com inteligência artificial, é apenas rotina.

Na prática, o que faz boa parte da população sonhar em trabalhar com a tecnologia não é apenas a perspectiva futurista – do ponto de vista dos negócios, a IA é capaz de aumentar em 10% a receita das empresas que a adotarem, segundo a NVIDIA Enterprise. Um levantamento da consultoria de negócios everis mostrou que, só em 2020, a procura por ferramentas do tipo aumentaram 48%. 

LEIA MAIS: 7 casos em que a implementação da inteligência artificial foi um fiasco

Daniel Vettorazi [foto] venceu o Webby Awards de melhor trailer com o uso da IA

“Com a tecnologia, um processo que poderia demorar horas, dias ou meses é realizado pela máquina numa fração desse prazo. Assim, o profissional não precisa se preocupar com algumas etapas do trabalho e ainda há a possibilidade de usar aquele tempo e energia extras para melhorar e evoluir a qualidade do que está sendo produzido”, descreve. Segundo Vettorazi, foi usando a tecnologia de maneira pessoal que ele acabou se dando conta da demanda no mercado por ferramentas do tipo. “Comecei a usar IA como suporte para pequenas tarefas de rotina e constatei que a qualidade do meu trabalho melhorou. Percebi, então, que aquilo não era apenas uma necessidade pessoal minha, mas também dos clientes com quem trabalho”, afirma. 

Foi com um olhar semelhante para o futuro que Jhonata Emerick fundou a Datarisk, empresa especializada em soluções de machine learning para análise de dados que atende clientes como Raízen, Sanofi, Souza Cruz, Basf, Suvinil e Riachuelo. O CEO, graduado em engenharia aeronáutica pela USP e mestre em finanças quantitativas pela FGV,  conta que a rotina da profissão está muito associada ao desenvolvimento de outras carreiras, e não somente à substituição de pessoas por máquinas. “Para a IA se tornar relevante para os negócios é preciso um entendimento geral da companhia sobre o tema e seus benefícios. É de extrema importância que seja criada uma ‘jornada de dados’ para esse esclarecimento, com a participação de engenheiros, cientistas, analistas de business intelligence e oficiais de ética”, sugere. 

Jhonata Emerick [foto] fundou a Datarisk, empresa especializada em soluções de machine learning para análise de dados

Assim, para os profissionais que desejam ingressar no setor, oportunidades não devem faltar nos próximos anos. Segundo um estudo deste ano da Universidade de Stanford, o Brasil já é o país que mais contrata especialistas em IA no mundo. “O trabalho com inteligência artificial é desafiador e surpreendente. Eu gosto de notar que, por meio da experimentação, sempre há uma expectativa de como a máquina vai entregar os resultados. São longas horas de trabalho para chegar a um resultado que você não tem como prever. Essas descobertas expandem a visão de mundo do profissional. Outro fator positivo é notar que, graças a essa tecnologia, o mundo está evoluindo rapidamente em todas as áreas. E ver que essa evolução é sentida de uma forma macro, e não apenas individual, traz muita satisfação”, pontua Vettorazi. 

A pedido da Forbes, os dois especialistas elaboram algumas 10 dicas para quem almeja ingressar na área.  Veja, na galeria a seguir, quais são elas:

• 
  Eva Katalin/Getty Images

  1. Perca o medo

  “Quando pensamos em IA, já está no zeitgeist [termo alemão que significa o conjunto do clima intelectual e cultural do mundo] da sociedade assimilar a tecnologia como algo futurista, intangível. Mas, atualmente, os conteúdos são tão acessíveis que qualquer pessoa com interesse pode começar a estudar e fazer testes com modelos de machine learning. Existem, também, ferramentas gratuitas que permitem ao usuário trabalhar com algoritmos sem precisar escrever uma linha de código. É o caso do website runwayml.com, que permite que o usuário crie vídeos utilizando efeitos especiais, correção de cor, composição e outros recursos sem precisar entender de programação.” – Daniel Vettorazi, creative technologist da Buck Design

• 
  Getty Images

  2. Tenha vontade de aprender

  “Como pré-requisito para entrar no mundo da ciência de dados é necessário ter conhecimento básico do banco de dados relacional ou não relacional (SQL e NoSQL) e das linguagens de programação como Python e R. Este tipo de programação, além de intuitiva e simples, é a mais utilizada pela comunidade da área. Aprender sobre isso é um bom ponto de partida.” – Jhonata Emerick, CEO da Datarisk

• 
  Getty Images

  3. Procure por problemas que as máquinas poderiam resolver

  “‘Techno-chauvinism’ é um termo em inglês que significa que a tecnologia é a solução para tudo. Isso não é uma regra que pode ser aplicada a todos os problemas. Porém, em muitos processos, onde naturalmente a solução seria colocar uma pessoa para resolver, é preciso analisar se o uso de uma máquina faz sentido, liberando tempo e energia dos profissionais para serem usados em outros projetos e demandas.” – Daniel Vettorazi

• 
  Photographerismylife/ Getty Images

  4. Entenda a lógica por trás dos algoritmos

  “Estatística e matemática também estão presentes no entendimento dos conceitos por trás dos algoritmos, portanto é necessário conhecer sobre o assunto para compreender o comportamento dos dados e produzir modelos preditivos. O domínio dessa habilidade separa um cientista de dados de um engenheiro de machine learning.” – Jhonata Emerick

• 
  Monty Rakusen/Getty Images

  5. Nunca subestime a importância dos dados

  “A IA trabalha analisando padrões. Se a coleta de dados não for tão cuidadosa ou pensada, o padrão enxergado pela máquina provavelmente não será tão confiável ou preciso. Existe uma frase na área que diz que ‘um modelo de machine learning é tão bom quanto a pessoa que a treinou’, por isso, tenha cuidado e atenção com todos os dados que você utiliza e reserve um tempo pensando em como eles podem ser lidos pelo programa.” – Daniel Vettorazi

• 
  Getty Images

  6. Participe de competições

  “Para quem já tem conhecimento, a participação em comunidades online como Kaggle, que oferece desafios de inteligência artificial realizadas entre os usuários, permite que você explore e publique alguns conjuntos de dados, além de dar acesso a treinamentos e servir como portfólio de soluções” – Jhonata Emerick

• 
  Dowell/Getty Images

  7. Cuidado com as “Bias”

  “Também conhecido como viés, é o assunto que, atualmente, mais gera polêmica no Vale do Silício. Já que o machine learning é o estudo de padrões de dados, o data scientist precisa se desprender de preconceitos internalizados quando estiver coletando informações para o seu modelo de IA. É necessário contar com uma amostra de dados para treinamento que inclua o máximo de diversidade possível. Se treinarmos um algoritmo para reconhecer pessoas sorrindo e usarmos apenas fotos de homens, provavelmente o modelo mostrará como resultado mulheres sérias e homens extrovertidos. Isso é um grande problema na área de tecnologia, principalmente no segmento de visão computacional, sendo esta mais afetada quando há casos que não incluem minorias para serem representadas na hora do treinamento” – Daniel Vettorazi

• 
  Teera Konakan/Getty Images

  8. Foque no impacto

  ‘Na hora de colocar a mão na massa, pense sempre em como a inteligência artificial irá impactar o futuro. A IA é considerada o cérebro de um negócio, pois gera insights sobre padrões e tendências, auxiliando no direcionamento de estratégias e nas tomadas de decisões. Portanto, foque no problema, defina como será analisado, escolha as ferramentas corretas e crie um plano de ação com a solução.” – Jhonata Emerick

• 
  Laurence Dutton/Getty Images

  9. Acompanhe de perto a evolução do mercado

  “A inteligência artificial é uma área que está em constante evolução, assim, novas formas de analisar dados e criar conteúdos surgem todos os dias. Use a internet ao seu favor e pesquise sobre novas documentações e algoritmos que podem ser utilizados na otimização do seu problema” – Daniel Vettorazi

• 
  Eriklsakson/Getty Images

  10. Busque cursos online

  Para quem quer desbravar a área, aqui vão algumas dicas de cursos onlines e acessíveis que valem a pena:

  Estatística: Introdução à estatística inferencial (Udacity)

  Introdução à estatística descritiva (Udacity)