AutoML: aprendizado de máquina automatizado explicado

Jun 18, 2023

Automação tornou-se um chavão comum na conversa sobre inteligência artificial, já que o software mostra potencial para assumir o trabalho de contadores, operários de fábrica, escritores e até mesmo terapeutas. Agora, a IA está até começando a se automatizar em um processo conhecido como aprendizado de máquina automatizado.

O aprendizado de máquina automatizado, ou autoML para abreviar, basicamente tem algoritmos que assumem o processo de construção de um modelo de aprendizado de máquina. Ele lida com as tarefas mais mundanas e repetitivas do aprendizado de máquina, com a promessa de acelerar o processo de desenvolvimento de IA e de tornar a tecnologia mais acessível.

Nos últimos anos, houve uma onda de interesse no potencial do autoML para simplificar o complexo mundo do aprendizado de máquina. A DataRobot é frequentemente creditada como uma das primeiras empresas a trazê-la à consciência pública em 2013. Desde então, a Meta apelidou o autoML de "espinha dorsal" de sua IA, e a Salesforce adquiriu a startup de análise de dados BeyondCore para criar sua própria biblioteca Einstein AutoML. Enquanto isso, grandes gigantes da tecnologia como Google, Microsoft e Amazon lançaram suas próprias ferramentas de aprendizado de máquina de baixo código que utilizam técnicas de autoML.

Essa adoção generalizada da indústria é significativa, considerando que a experiência necessária para construir sistemas de IA de ponta é tão escassa - mesmo em empresas como essas.

“Para mim, não vejo outro caminho a seguir, exceto por essas abordagens mais automatizadas”, disse Sarah Aerni, vice-presidente de aprendizado de máquina e engenharia da Salesforce, à Built In. "Existem muitas oportunidades para IA e simplesmente não há pessoas suficientes para integrar os negócios, integrar a tecnologia, implantá-la na produção, monitorá-la e continuar iterando nela. Para mim, o autoML é onde isso entra como uma solução para escala."

Embora o conceito de aprendizado de máquina automatizado exista há quase uma década, ele continua sendo um trabalho em andamento. Se e quando a inteligência artificial atingir todo o seu potencial, ela poderá ser aplicada além das fronteiras das empresas de tecnologia, mudando o jogo em espaços como saúde, finanças e educação.

“Praticamente qualquer pessoa que usa aprendizado de máquina também usará aprendizado de máquina automatizado”, disse Lars Kotthoff, professor assistente e pesquisador do departamento de ciência da computação da Universidade de Wyoming, ao Built In. “Eventualmente, isso realmente será implantado em todos os lugares em que o aprendizado de máquina e a IA forem usados”.

Mergulhe fundo A automação terá efeitos de longo alcance na economia. Aqui está o que você pode esperar

À primeira vista, o aprendizado de máquina automatizado pode parecer um pouco redundante. Afinal, o aprendizado de máquina já trata da automatização do processo de identificação de padrões nos dados para fazer previsões. O processo, que depende de algoritmos e modelos estatísticos, não requer programação consistente ou explícita. Depois que um modelo de aprendizado de máquina é criado, ele pode ser ainda mais otimizado por meio de tentativa e erro e feedback, o que significa que a máquina pode aprender por experiência e maior exposição aos dados, assim como os humanos.

Na prática, muito do trabalho necessário para criar um modelo de aprendizado de máquina é bastante trabalhoso e exige que os cientistas de dados tomem muitas decisões diferentes. Eles precisam decidir quantas camadas incluir nas redes neurais, quais pesos dar às entradas em cada nó, quais algoritmos usar e muito mais. É um trabalho grande e requer muita habilidade especializada e intuição para realizá-lo corretamente.

Quanto mais complexo o modelo, mais complexo o trabalho. E alguns especialistas dizem que automatizar parte desse trabalho será necessário à medida que os sistemas de IA se tornam mais complexos. Portanto, o autoML visa eliminar as suposições para os humanos, assumindo as decisões que os cientistas e pesquisadores de dados precisam tomar atualmente ao projetar seus modelos de aprendizado de máquina.

Eventualmente, o objetivo é chegar ao ponto em que uma pessoa possa fazer uma pergunta sobre seus dados, aplicar uma ferramenta autoML a eles e obter o resultado que procura sem precisar de habilidades excessivamente técnicas. E embora haja um número crescente de empresas buscando democratizar o aprendizado de máquina por meio do autoML, essa tecnologia é amplamente exclusiva para pessoas com experiência em IA e ciência de dados. É uma ferramenta, não uma plataforma específica; e é uma ferramenta com usos bastante restritos, de acordo com Kjell Carlsson, chefe de estratégia de ciência de dados e evangelismo do Domino Data Lab.