Google mostra todo o poder do Machine Learning em Lisboa

Negócios

A tecnológica realizou hoje um evento, na sede da Beta-i, em Lisboa, em que mostrou de que forma incorpora Machine Learning (ML) e a Inteligência Artificial (IA) nos seus produtos e ajuda a criar um mundo melhor. Uma das ideia chave é que iremos ver cada vez mais soluções com recurso a estas tecnologias nos nossos telemóveis.

O evento contou com a presença de Jeremiah Harmsen, Senior Lead do Google Research Europe, sediado em Zurique, Fernando Pereira, VP e Engineering Fellow na Google, Andrés- Leonardo Martínez-Ortiz, Developer Relations Program Manager – Regional Lead Europe, João Graça, co-fundador e CTO da Unbabel e Pedro Fonseca, co-fundador e head of Research da James Finance.

O Senior Lead da unidade de Applied Machine Intelligence começou por dizer desde o início que “a missão da Google é reunir e organizar a informação do mundo e torná-la útil e acessível universalmente” e que o Machine Learning ajuda-os transformar esse objetivo em realidade. “Este é motivo porque estamos tão investidos”, acrescentou.

O Google Research Europe, que corresponde ao maior escritório de engenharia da companhia fora dos EUA, tem três vertentes essenciais. Consultadoria, em que ajudam as equipas a aplicar ML aos produtos, investigação e educação, em que ensinam como usar ferramentas de Machine Learning. O laboratório de investigação trabalha diretamente com as equipas de Produto para trazer o melhor da tecnologia às suas soluções e consequentemente aos utilizadores.

Jeremiah Harmsen indicou que a IA, da qual faz parte a aprendizagem de máquinas, e os robôs não têm de existir em conjunto, pois podem ser independentes e que se começou a falar destas  tecnologias nos anos sessenta, ou seja, que não é algo assim tão recente como podemos julgar.

Em seguida, o executivo referiu como o ML tem evoluído e que agora usa deep neural networks (redes neurais profundas), em que os neurónios são organizados em várias layers ou camadas e depois treinados e testados até que aprendam sobre determinado assunto e ajudem a resolver um problema da melhor forma. Esta é a técnica utilizada pela empresa para melhorar os seus produtos. 

“O Machine Learing tem duas propriedades que são muito importantes. Uma é que é capaz de aprender através de exemplos e a segunda é que é capaz e usar esses exemplos para se mudar a si mesmo e corrigir erros. É isto que torna o Machine Learning numa ferramenta tão poderosa”, explicou o responsável  da unidade de Applied Machine Intelligence. 

“O potencial do ML para ajudar a sociedade e os indivíduos” e “mudar as nossas vidas” é algo que Jeremiah Harmsen considera de extrema importância e é por isso que a Google tem um grupo dentro da empresa dedicado a esses ideais, o PAIR (People + AI Initiative Research). Este projeto assegura que o ML é aplicado de forma positiva, aumentando a inteligência humana e disponibilizando-a a todos. Além disso, assegura que a tecnologia é justa, sem preconceitos e inclusiva.

Em relação à direção que a aprendizagem de máquinas está a tomar, o Senior Lead revelou que estão a construir modelos mais robustos e que tocam em todos os produtos da Google. O executivo deu vários exemplos, desde sistemas de reconhecimento de escrita, de imagens, o Magenta, que cria música e arte através de Machine Learning, o Style Transfer que mistura conteúdos com estilos de pinturas, o Smart Text Seletion, que está disponível no novo Android, ou o Now Playing, incluído no Pixel 2 que diz o que está a tocar quando o utilizador entra, por exemplo, numa loja. 

“Isto mostra a direção para a qual caminhamos no ML, dado que nenhum dado é enviado ao Google e o modelo de ML corre em background no smartphone, sem esgotar a bateria. Vamos ver muito mas funcionalidades destas no futuro, quer por motivos de privacidade, quer de produto pois é mais responsivo e rápido”, disse o responsável. 

No que se refere em disponibilizar as suas tecnologias a todos, o Google é uma das empresas mais abertas e partilha as suas ferramentas, investigações e séries de dados para treino, conforme indicou Jeremiah Harmsen. O executivo referiu o projeto do TensorFlow como um dos que melhor demonstra esta partilha de conhecimento. O dispositivo desenhado pela companhia para treino de redes neurais, está disponível para todos e alimenta diversas soluções de terceiros como, um chocalho para vacas que usa sensores que verificam a saúde dos animais e detetam mudanças de comportamento. 

O investigador da Google Research Europe finalizou a sua intervenção indicando que vai existir uma grande mudança para mobile, que as oportunidades são imensas nesta área e que a tecnológica vai continuar a apostar forte em ML.

Andrés Leonardo Martínez-Ortiz, Developer Relations Program Manager – Regional Lead Europe falou dos produtos da Google e como o ML é usado em todas as ferramentas do Google, desde o Gmail ao Android, passando pelo Google Photos até ao Google Translate. O responsável referiu que na Google App, 20% das pesquisa mobile já são feitas via voz, o que demonstra bem, como esta é uma tendência em crescimento. 

O developer referiu que o ML “está ajudar a trazer as invenções mais rapidamente para o mercado” e “com foco no utilizador.” Além disso, indicu que veremos cada vez mais uso da tecnológica de forma offline, em concordância com o que foi também indicado por Jeremiah Harmsen.

Martínez-Ortiz mencionou os diversos modelos de treino que a empresa disponibiliza, como o Google Vision API, Cloud Speech API, Cloud Natural Language API, entre outros, que ajudam diversas startups a criar soluções inovadoras.

O evento continuou com uma conversa com Fernando Pereira, VP e Engineering Fellow na Google, que explicou que o sucesso do ML e da IA se deve sobretudo ao “aumento da capacidade computacional” e da” disponibilidade de informação”.

Os produtos que interagem com os utilizadores são cada vez mais, o que origina que existam mais dados que podem ser usados para treinar. O executivo referiu como exemplo, a quantidade de textos e respetivas traduções manuais que existem na internet e que ajudaram a treinar modelos de Machine Learning.

Fernando_Pereira

“As ideias já  existiam mas só agora é que temos as ferramentas para as desenvolver” disse o VP da Google. De qualquer forma, “os casos em que a máquina compreende ainda são limitados e têm de ser sempre programados em avanço.”

“O processo de ensinar é laborioso e é por isso que, por exemplo quando lançamos um produto não aparece em todas as línguas ao mesmo tempo” acrescentou o investigador.

O Engineering Fellow referiu que o reconhecimento da fala já está muito avançado e quase que iguala os humanos mas que, quando este é transformado em texto, a sua interpretação é mais difícil, em virtude das subtilezas e ambiguidades que podemos usar quando falamos, e que é essa área que ainda necessita de ser desenvolvida.

“Uma das coisas em que estamos ainda muito aquém é na capacidade de integrar diversos pontos de informação de uma maneira unificada, de compreender essa interação que é multidimensional.”

A fala é algo natural e é difícil que não o seja, enquanto que a escrita é técnica e por adapta-se às máquinas. Há que ter em atenção a gramática, a complexidade da frase e não só keywords. Esta é a razão porque é tão desafiante criar soluções de voz, referiu o responsável português. 

“O paralelismo (semântico e estrutural) que tem de existir entre uma pergunta e a resposta é muito difícil de os nossos algoritmos reconhecerem.” Este é um desafio que o Google tem na construção dos seus produtos, quer de voz, quer de texto.

Para tentar ultrapassar esses desafios, a empresa trabalha com diversos linguistas que, conforme referiu Fernando Pereira, criam “aulas de línguas para as máquinas”, ou seja, produzem conteúdos de ensino para ML.

O VP da Google também apontou que o caminho é o mobile. “Estou convencido que a tradução entre línguas pode ser posta de forma offline nos telemóveis em 1 a 2 anos.” No entanto treinar estes modelos é mais complicado sendo que o executivo referiu que uma das abordagens poderá ser treinar os modelos mas “depois adaptá-lo ao utilizador localmente, fazendo aprendizagem dentro do telemóvel.”  

“Os modelos são frágeis e dependem dos dados com que são treinados”, é por isso que, segundo indicou, não é possível ainda ensinar uma língua e extrapolar para outra, como poderá vir a acontecer num futuro em relação a uma solução que esteja em português do Brasil e seja transformada para português de Portugal.

Em relação aos assistentes de voz, o português não tem dúvidas que serão fulcrais na vida das gerações futuras e que serão importantes em diversas tarefas como lembrar de comprar artigos, tomar uma medicação, ajudar invisuais, entre outras.

Fernando Pereira não acredita que as máquinas vão “dominar” os humanos dado que “não há razão para criarmos máquinas autónomas”, a “possibilidade de controlar e corrigir erros quando não estão a funcionar correctamente” é para já o que existe e o VP não vê razão para isso mudar. 

A manhã fechou com uma conversa com João Graça, co-fundador e CTO da Unbabel e Pedro Fonseca, co-fundador e head of Research da James Finance que falaram das suas startups, da colaboração com o Google e de como é difícil para as empresas sediadas em Portugal receber investimento estrangeiro, essencialmente devido às leis em vigor, tendo sido este o motivo que as levou a terem sede nos EUA. 

João Graça disse que a opção de manter um escritório em São Francisco, se deve ao fato de ser lá que se encontram os early adopters, que não têm medo de testar novas tecnologias. Já Pedro Fonseca referiu o mesmo, explicando que a James Finance está em Nova York dado que lá o regulador demonstrou uma abertura para ajudar que não existe em outros países.

Ambos foram unânimes em indicar que o ML lhe ofereceu a oportunidade para desenvolverem as suas ideias e assim, criar soluções disruptivas. O tempo dirá se também irá ajudar estas startups portuguesas a chegarem a unicórnios.


Clique para ler a bio do autor  Clique para fechar a bio do autor