O Machine Learning representa uma nova tecnologia e realidade para solução de problemas através dos computadores.
Mas se essa tecnologia, entre as diversas existentes dentro do universo da Inteligência Artificial, traz uma nova capacidade de endereçamento de análise de dados, que crescem de forma exponencial, ao mesmo tempo traz novos desafios para seus criadores e desenvolvedores.
Um desses desafios está na necessidade de existirem dados reais para o aprendizado. E como o Machine Learning aprende essencialmente com a história e dados do passado, muitos dos problemas que ele é capaz de resolver, tão bem ou melhor que os seres humanos, são tipicamente de baixa complexidade ou em cenários de baixa incerteza, dependentes de dados reais.
Mas e se ao invés de dados reais, aplicarmos o aprendizado com dados virtuais? Ou seja, abrirmos as portas para as máquinas ‘sonharem’ com possíveis soluções de problemas?
Nesse caso, estamos criando um modelo que chamo, como o título do livro, de Machine Learning Virtual, uma vez que o que aprendemos não é baseado exclusivamente em dados ou fatos reais, obtidos de experiências do passado.
E podemos encontrar cenários de equilíbrio entre dados reais e virtuais, o que é muito comum, por exemplo, no mercado de capitais, onde o futuro muda a cada segundo, como prefiro definir o alto grau de incerteza e complexidade dessa classe de problemas.
Mas se essa tecnologia, entre as diversas existentes dentro do universo da Inteligência Artificial, traz uma nova capacidade de endereçamento de análise de dados, que crescem de forma exponencial, ao mesmo tempo traz novos desafios para seus criadores e desenvolvedores.
Um desses desafios está na necessidade de existirem dados reais para o aprendizado. E como o Machine Learning aprende essencialmente com a história e dados do passado, muitos dos problemas que ele é capaz de resolver, tão bem ou melhor que os seres humanos, são tipicamente de baixa complexidade ou em cenários de baixa incerteza, dependentes de dados reais.
Mas e se ao invés de dados reais, aplicarmos o aprendizado com dados virtuais? Ou seja, abrirmos as portas para as máquinas ‘sonharem’ com possíveis soluções de problemas?
Nesse caso, estamos criando um modelo que chamo, como o título do livro, de Machine Learning Virtual, uma vez que o que aprendemos não é baseado exclusivamente em dados ou fatos reais, obtidos de experiências do passado.
E podemos encontrar cenários de equilíbrio entre dados reais e virtuais, o que é muito comum, por exemplo, no mercado de capitais, onde o futuro muda a cada segundo, como prefiro definir o alto grau de incerteza e complexidade dessa classe de problemas.
