Por que as empresas falham no aprendizado de máquina?
Traduzido por Thomas Chi do original by Cassie Kozyrkov
Gostaria de contar um segredo: quando as pessoas dizem ‘machine learning ou aprendizado de máquina’ parece que temos apenas um assunto aqui. Há dois e se as empresas não entenderem a diferença, elas terão um mundo de problemas.
Um conto de dois aprendizados de máquina
Imagine contratar um chef para fabricar um forno ou um engenheiro elétrico fazer pão para você. Quando falamos sobre aprendizado de máquina, esse é o mesmo tipo de erro que vejo as empresas cometerem repetidamente.
Se você está abrindo uma padaria, é uma grande ideia contratar um padeiro experiente nas nuances intrínsecas de fazer um pão ou confeitaria deliciosos. Você também quer um forno. Enquanto é uma ferramenta essencial, eu aposto que você não quer responsabilizar seu melhor chef confeiteiro sobre a construção do forno. Logo, por que sua empresa faz o equivalente no aprendizado de máquina?
Você está no negócio de fabricação de pães? Ou no de fabricação de fornos?
Pesquisa sobre aprendizado de máquina
O que eles não contam em todos aqueles cursos e livros sobre aprendizado de máquina é sobre como construir fornos (e microondas, liquidificadores, torradeiras, chaleiras… e a pia da cozinha!) do princípio, não sobre como cozinhar e inovar com receitas.
Se você construir algoritmos de aprendizado de máquina, seu foco é ferramentas versáteis para os outros as utilizem. (Utensílios de cozinha, se você preferir a analogia.) Este negócio é chamado pesquisa sobre aprendizado de máquina e tipicamente, é feito em locais como no ambiente acadêmico ou o Google.
Quando se trata de aprendizado de máquina, muitas organizações estão no negócio errado.
Você precisa de muito estudo para seguir esta área de trabalho porque tem um longo histórico aqui. Alguns algoritmos populares existem a alguns séculos. Por exemplo, o método dos mínimos quadrados para regressão foi publicado em 1805. Pode acreditar, a humanidade percorreu um longo caminho em 200 anos.
Hoje, há alguns utensílios bem sofisticados mundo afora… como você construirá um microondas melhor se você não sabe como ele funciona? Claro que você precisa estudar tudo com profundidade! Tornar-se pesquisador leva anos e há um bom motivo para que os cursos iniciantes comecem com cálculo básico.
Aprendizado de máquina aplicado
A maioria das empresas quer apenas cozinhar — para resolver os problemas delas. Elas não têm interesse em vender microondas e ainda cometem o erro corriqueiro de tentar construir esses utensílios do princípio. É difícil culpá-las — o assunto do momento e o ciclo de educação dominante focam na pesquisa ao invés da aplicação.
Se você está inovando com receitas, não reinvente a roda. Aqueles microondas já existem. Você pode conseguí-los de graça de vários lugares. E se configurar seu próprio aprendizado de máquina parece uma rotina, provedores como o Google Cloud Platform deixam você usar o deles, completo com utensílios, ingredientes, e livros de receita.
Se você está inovando na cozinha, não reinvente a roda.
Na maioria dos casos, seu time não precisa mais entender a matemática da retropropagação em redes neurais do que um chef precisa saber sobre o diagrama de fiação em um microondas. Porém, tem um monte de coisas que você precisa saber se estiver planejando operar uma cozinha em escala industrial, tudo desde selecionar os ingredientes até verificar se os pratos estão bons antes de serví-los.
Fracassando com gosto no aprendizado de máquina
Infelizmente, eu vejo um monte de empresas falhando em obter valor do aprendizado de máquina porque elas não se dão conta que a prática é uma disciplina bem diferente dos algoritmos do lado da pesquisa. Ao invés disso, líderes tentam começar as suas cozinhas contratando pessoas que passaram a vida toda construindo peças de microondas e que nunca cozinharam nada. O que poderia dar errado? Se funcionar, é porque você teve sorte e acidentalmente, contratou um engenheiro que também é um grande chef.
Todavia, você não é o sortudo na maioria dos casos. Você tem um número finito de horas numa vida e se você gastá-las aprendendo como um microondas tem sua fiação, você terá menos tempo para ter domínio da arte da confeitaria ou do negócio. Onde — e quando! — o seu PhD pesquisador em inteligência artificial teria obtido as habilidades necessárias para o aprendizado de máquina? Se você escolher pelo híbrido que é expert em ambos, não é à toa que você está reclamando da falta de talento!
Quem você deveria contratar? Como em uma cozinha industrial, você precisa de um time interdisciplinar com liderança que entenda esta área. Do contrário, projetos falharão e não chegarão a lugar algum.
Contrate o time certo para o trabalho
Se você está vendendo utensílios de ponta, contrate pesquisadores. Se você está inovando em receitas para vender comida em escala, você precisa de pessoas que saibam o que vale a pena cozinhar / quais são os objetivos (decisores e gerentes de produto), pessoas que entendam os fornecedores e os consumidores (especialistas no assunto e cientistas sociais), pessoas que consigam processar os ingredientes em escala (engenheiros de dados e analistas), pessoas que podem tentar muitas combinações diferentes de ingredientes-utensílios rapidamente para gerar receitas potenciais (engenheiros de aprendizado de máquina aplicado), pessoas que podem verificar se a qualidade da receita é boa o suficiente para servir (estatísticos), pessoas que podem transformar uma receita potencial em milhões de pratos servidos eficientemente (engenheiros de software), pessoas que mantém um time interdisciplinar azeitado (gerentes de projeto/programa) e pessoas que garantam que seus pratos estejam impecáveis mesmo se o caminhão de entregas trouxer uma tonelada de batatas ao invés do arroz que você encomendou (engenheiro de confiabilidade).
Enquanto estes não precisam ser pessoas distintas, assegure-se de que cada função está coberta. E antes de arremessar seu tomate podre em mim por oferecer esta caricatura incompleta, eu admito livremente que há muito mais a dizer sobre contratar para aprendizado de máquina aplicado. Deixemos isso para um post futuro.
Quando falamos sobre terceirização, se sua equipe tentou todas as ferramentas existentes e não consegue fazer uma receita que atenda seus objetivos de negócio, faz sentido pensar em adicionar habilidades em construir utensílios (pesquisador). Contratando ou não essa pessoa para a equipe permanente ou terceirizar o trabalho para uma empresa de pesquisa experiente em algoritmos depende da escala e da maturidade da sua operação.
Outro motivo para se conectar aos pesquisadores é se seu protótipo é tão exitoso que usar utensílios feitos sob medida faz sentido em grande escala e você tem muita sorte em operacionalizá-lo. (Que belo problema para ter!)
Inteligência na decisão
Especialistas deveriam falar sobre isso, mas eles não o fazem. Eles não deixam claro o fato de que há dois aprendizados de máquina aqui e por isso, o mundo está treinando pessoas para construir esses algoritmos ao invés de utilizá-los.
Meu time está trabalhando para consertar isso. Nós criamos uma nova disciplina para atender as aplicações e nós já treinamos mais de 15 mil funcionários nisso. Nós a estamos chamando de engenharia de inteligência na decisão e ela engloba todos os aspectos aplicados de aprendizado de máquina e ciência de dados.
Olhando de outra forma, se pesquisa de aprendizado de máquina é sobre construir microondas e aprendizado de máquina aplicado é sobre usar microondas, engenharia de inteligência na decisão é sobre usar microondas de forma segura para atender seus objetivos e usar algo mais quando você não precisa de um microondas.
Boa sorte e divirta-se!
Quando se trata de aprendizado de máquina aplicado, a parte mais difícil é saber o que você quer cozinhar e como você planeja verificar antes de servir aos seus clientes. Essa parte não é tão difícil na verdade — apenas não se esqueça de fazê-la.
Quanto ao resto, resolver problemas de negócio com aprendizado de máquina é mais fácil do que a maioria das pessoas pensa. Aquelas cozinhas reluzentes estão esperando que você comece a utilizá-las. Mergulhe de cabeça como você faria numa cozinha de verdade. Comece a ajustar! Toda vez que encontro alguém que acredita precisar de um curso tradicional sobre algoritmos de aprendizado de máquina — ou, meu deus! um diploma completo — para começar, eu não tenho como ajudar, mas consigo imaginá-los se recusando a usar o microondas até que tenham construído um para eles. Não caia na mentira de que você precisa de um PhD para fazer coisas incríveis com aprendizado de máquina. Pelo contrário, o que você precisa de verdade é um pouco de criatividade humana. Boa sorte e divirta-se!
Aprenda mais sobre ciência de dados e inteligência artificial em português.
