Construindo IA em sua empresa (semana 3)

Pierre Guillou
Jun 14 · 9 min read

Depois de entender IA e como desenvolver projetos de IA com modelos de Machine Learning (e Deep Learning em particular), o conteúdo da semana 3 do novo curso de Andrew Ng (AI for everyone) diz-lhe os passos a seguir para começar a utilizar a IA na sua empresa (associação e organização pública também) para transformá-la numa empresa de IA.

Este artigo faz parte da série “Deep Learning in Practice” (também disponível em Francês e Inglês).

Lista de artigos “IA para todos”

  1. IA para todos (semana 1)
  2. Desenvolvendo projetos de IA (semana 2)
  3. Construindo IAem sua empresa (semana 3)
  4. IA e Sociedade (semana 4)

Introdução

Agora que você tem um conhecimento geral da IA graças à semana 1 do novo curso do Andrew Ng (AI for everyone) e você sabe como treinar um modelo de Machine Learning pela semana 2, você pode começar a usar a IA em seu negócio para transformá-lo em um negócio de IA!

Baseado no conteúdo de seu AI Transformation PlayBook, Andrew Ng nos ensina nesta semana 3 como estabelecer a sua própria estratégia de mutação com a IA.

O conteúdo deste MOOC é gratuito e aqui estão os principais elementos da semana 3.

Crédito: todas as imagens deste artigo são do MOOC do Andrew Ng, AI for everyone.

Dicas para um formador

O conteúdo desta semana contém todos os elementos essenciais para o desenvolvimento da IA ​​em uma organização (associação, organização pública, empresa). Como os princípios e métodos são em grande parte independentes da natureza do organismo, usaremos o termo empresa neste artigo.

O formador deve apresentar o conteúdo do curso de forma Top-Down, começando com estudos de caso muito concretos, como o desenvolvimento de um modelo de IA para uma caixa de som conectada que possa reagir a uma frase como “Hey device, tell me a joke”. Este método de ensino ajudará os participantes (especialmente aqueles sem conhecimento técnico) a se interessarem pelo conteúdo do curso.

Pontos-chave da semana 3

. Estudo de caso: caixa de som conectada
. Estudo de caso: carro autônomo
. As diferentes funções em uma equipe de IA
. AI Transformation Playbook
. As armadilhas de IA para evitar
. Dando o primeiro passo no IA

Estudo de caso: caixa de som conectada

As atividades de uma empresa geralmente são complexas. Um exemplo de um projeto complexo de IA é o desenvolvimento de um modelo de inteligência artificial para uma caixa de som conectada que pode reagir a uma frase como “Hey device, tell me a joke”.

Na verdade, existem 4 processos exclusivos que compõem essa ação e, portanto, muitos modelos de IA ou softwares a serem usados. Esse conjunto de processos é chamado de “AI pipeline” e geralmente há uma equipe de IA por processo.

O “AI pipeline” é ainda mais complexo (ou seja, com mais processos exclusivos), portanto, a ação final pode variar dependendo do que o usuário disser como duração por exemplo. É então necessário treinar um modelo de IA adicional para reconhecer essa duração.

O slide a seguir resume os 4 principais processos deste exemplo, bem como os numerosos comandos para cada um dos quais é necessário treinar diferentes modelos de IA.

Estudo de caso: carro autônomo

Existem três etapas principais para um carro autônomo decidir sua rota e velocidade, mas há muitos outros processos de localização que são necessários para a decisão.

A maioria é baseada no treinamento de um modelo de IA que pode detectar outros carros, pedestres, linhas viárias, sinais de trânsito, trabalhos em andamento, semáforos, etc. Todos esses dados de localização permitirão que um software “Motion planning” decida a rota e a velocidade do carro.

As diferentes funções em uma equipe de IA

Para projetos complexos de IA, ela pode ter 100 ou mais pessoas na equipe de IA porque cada modelo de IA pode solicitar um grupo dedicado de pessoas. Aqui estão as principais funções de tal equipe:

  • Engenheiro de Software: 50% ou mais da equipe, responsável pelo desenvolvimento de softwares.
  • Engenheiro de ML: responsável por criar e treinar modelos de ML.
  • Pesquisador em ML: o estado da arte está evoluindo muito rapidamente no ML. O PML é responsável por acompanhar esta evolução, fazendo pesquisas e possivelmente publicando os resultados de sua pesquisa.
  • Cientista de ML Aplicado: é uma função intermediária entre os dois outros; o CMA ficará encarregada de adaptar os modelos já publicados aos projetos específicos de sua empresa.

Além dessas 4 funções, uma equipe de IA pode precisar dos seguintes especialistas: Data Scientist, Data Engineer e AI Product Manager.

No entanto, poucas empresas podem começar com uma equipe de IA tão completa. O próximo slide propõe começar com uma equipe reduzida de até 1 pessoa que começa em ML/DL com cursos online, por exemplo (o importante na IA é iniciar um projeto sem esperar ter uma situação ideal!):

AI Transformation Playbook

Como chefe do departamento de IA do Google Brain e Baidu, Andrew Ng ganhou experiência em como transformar um negócio em IA. Para compartilhar seus conhecimentos sobre o assunto, ele publicou on-line AI PlayBook Transformation que permite a qualquer organização pensar sobre sua própria estratégia de mutação com a IA e implementá-la em 5 etapas:

1. Executar projetos piloto para ganhar impulso

Andrew Ng no Google preferiu começar a aplicar o Deep Learning em projetos do Google Speech e em projetos do Google Maps antes de aplicá-lo no departamento Google Online Adverstising que é claramente o mais importante no Google (ou seja, aquele que gera mais receita e no qual o Google foi desenvolvido).

Essa estratégia minimiza o risco de falha na introdução da IA ​​em uma empresa, ganhando experiência em projetos não prioritários, com retorno rápido (6 a 12 meses no máximo) e com uma equipe interna de IA ou não segundo as possibilidades da empresa.

Ao escolher projetos pilotos com alta probabilidade de sucesso, você pode convencer o resto da empresa a usar a IA, especialmente em projetos com grande interesse na empresa.

2. Construir uma equipe interna de IA

Andrew Ng recomenda a criação de uma Unidade de IA no mesmo nível hierárquico das BUs (Business Unit) e a atuação como provedor de cada BU. De fato, será difícil para cada BU ter dentro de si uma habilidade de IA.

Além disso, esta Unidade de IA pode desenvolver uma plataforma comum de IA para BUs que facilitará o compartilhamento de modelos e dados necessários para treinar modelos de ML/DL.

Esta Unidade de IA pode estar sob a direção de um Diretor Técnico (CTO), Diretor de Internet (CIO), Diretor de Dados (CDO) ou até mesmo um Diretor de IA (CAIO), que é uma posição cada vez mais criada nas grandes empresas.

Finalmente, Andrew Ng recomenda que esta Unidade de IA seja inicialmente financiada pelo CEO da empresa antes de atuar como um centro de recursos (ou seja, vender seus serviços para as BUs) para facilitar seu estabelecimento.

3. Fornecer ampla formação em IA

Formação das equipes técnicas da empresa para a IA é necessário (cerca de 100h), mas não o suficiente. É necessário formar todos os funcionários da empresa com conteúdos adaptados às suas funções (prever uma sensibilização para a IA de aproximadamente 4h para a equipe executiva e aproximadamente 12h para os chefes de departamentos).

Importante: antes de desenvolver seu próprio conteúdo, o CLO (Chief Learning Officer) deve estudar com especialistas em IA os muitos recursos on-line, incluindo MOOCs, e incentivar os funcionários a estudá-los.

4. Desenvolva uma estratégia de IA

Andrew Ng prefere colocar este passo na posição 4 de acordo com sua experiência. De fato, a empresa, especialmente a equipe executiva, deve ganhar experiência nas especificidades da IA ​​antes de definir sua própria estratégia (por exemplo: a empresa precisa comprar dados?, criar serviços gratuitos gerando dados ?, etc.).

Ele propõe definir sua estratégia de negócios com base no “ciclo virtuoso da IA”. Na verdade, ele está começando com uma primeira versão de um produto para adquirir usuários e, portanto, dados que melhorarão o produto e criarão um ciclo virtuoso. É claro que este produto deve corresponder a uma das principais atividades da empresa, preferencialmente um nicho para evitar competir com grandes empresas do setor ou mesmo com os gigantes da Web (Andrew Ng toma o exemplo de BlueRiver Technology, que foi comprada por US $ 300 milhões depois de desenvolver um modelo de ML de detecção de ervas daninhas, permitindo que elas fossem mortas sem pulverizar toda a plantação de produtos químicos: a equipe da BlueRiver Technology começou a tirar fotos de ervas daninhas com seu smartphone …).

Quando se trata de IA, a aquisição de dados (bem como o armazenamento em uma plataforma unificada) é uma meta estratégica para uma empresa que deseja usá-la. Também é necessário, de acordo com Andrew Ng, pensar em posicionar sua atividade em uma rede/plataforma online. De fato, isso gerará muitos dados específicos para o seu negócio e o uso de modelos de IA aumentará ainda mais o valor desses dados para o seu negócio (exemplos de empresas como o Uber e o Facebook).

Naturalmente, sua estratégia de IA deve corresponder (pelo menos inicialmente) aos objetivos de sua empresa. Se, por exemplo, um dos seus objetivos prioritários é a redução de custos, então você tem que usar a IA para alcançar esse objetivo.

5. Desenvolver comunicações internas e externas

Se a sua empresa usa a IA, você deve se comunicar externamente com seus investidores, seus parceiros, seus clientes e até mesmo com as autoridades públicas, especialmente se você trabalha em um setor regulado. Esta comunicação irá garantir o valor do seu negócio, beneficiar a sua imagem e atrair novos talentos. Não se esqueça de também se comunicar internamente para tranquilizar seus funcionários sobre sua estratégia de IA e também para associá-los a ela.

As armadilhas da IA ​​para evitar

Andrew Ng nos informa sobre 5 armadilhas para evitar quando uma empresa começa a usar IA, mas a dica número 1 é: inicie um primeiro projeto sem esperar, que lhe permitirá ganhar experiência e que será útil para você no segundo projeto e assim por diante.

Dando o primeiro passo na IA

O importante é começar e a quantidade de recursos online em IA, ML e DL permite-lhe fazê-lo sem demora e sem esperar recrutar um especialista em IA. Andrew Ng completa esta dica com a seguinte lista:

Sobre o autor: Pierre Guillou é consultor em inteligência artificial no Brasil e na França. Entre em contato com ele através do seu perfil do Linkedin.

Pierre Guillou

Written by

AI, Machine Learning, Deep learning | Fastai | Brasília, Paris

Welcome to a place where words matter. On Medium, smart voices and original ideas take center stage - with no ads in sight. Watch
Follow all the topics you care about, and we’ll deliver the best stories for you to your homepage and inbox. Explore
Get unlimited access to the best stories on Medium — and support writers while you’re at it. Just $5/month. Upgrade