Simpósio Nacional de novas tecnologias em Cardiologia

Ocorreu em Dez/19, na Faculdade Promove, o Simpósio Nacional de novas tecnologias na Cardiologia, ocasião em que apresentamos a palestra: Inteligência Artificial na Cardiologia.

Tema instigante e interessante com conexão entre a Medicina e a tecnologia, nestes tempos de transformação digital. Foi abordado a questão da necessidade de digitalizar, transformar e dar agilidade à medicina, saindo de tratamento para prevenção, predição, medicina personalizada e de precisão.

Com certeza a medicina tem muito a ganhar com a IA e vice-versa.

Canvas Cognitivo 2.0 e a metodologia

A metodologia do CANVAS COGNITIVO surgiu em meados de 2018 com o objetivo de criar uma metodologia objetiva e profissional para desenhar projetos de inteligência artificial nas organizações.

De uma forma didática o Canvas Cognitivo é uma ferramenta de uma metodologia mais ampla para mapear e alinhar projetos de IA à estratégia da empresa, conforme figura abaixo:

O processo consultivo contempla portanto:

1.Entendimento da empresa / produtos (AS IS)

2.Análise do setor, cenários, concorrência

3.Elicitações — Entrevistas com pessoas chaves nas áreas com foco em suas necessidades, dores, problemas, oportunidades, riscos atuais e futuros

4.Identificação de casos de uso para cada área

5.Mapeamento dos casos de uso com o Canvas Cognitivo

6.Análise e priorização dos projetos de IA tendo em vista: custos, complexidade, benefícios e alinhamento estratégico

7.Mapeamento dos projetos na matriz: Complexidade x Benefícios

8.Definição do roadmap de projetos de IA

9.Apresentação executiva

10.Aprovação / execução dos projetos

Basicamente o Canvas Cognitivo em si é usado para mapear os casos de uso levantados, que serão analisados sobre os aspectos de custos, benefícios, complexidade e alinhamento ao negócio para geração de um Roadmap final com a proposta de projetos de IA para a corporação.

Em sua versão 2.0, o canvas cognitivo se apresenta conforme figura abaixo, na versão simplificada:

Um exemplo de um caso de uso para contato com pacientes agendados e previsão de comparecimento dele na clínica/hospital:

CURSO: INTELIGÊNCIA ARTIFICIAL TRANSFORMANDO NEGÓCIOS

Motivação

As organizações estão se transformando em uma velocidade espantosa, inovações surgem como forma de manter a vantagem competitiva já em risco ou perdida para a concorrência. Nesse contexto a IA é uma poderosa ferramenta para inovar, criar produtos e serviços, melhorar as operações e reduzir custos, porém, diversos gestores e tomadores de decisão estão perdidos sobre como iniciar esta transformação.Países como China, Alemanha e outros estão se estruturando, incluindo a IA em suas estratégias que exigem players fortes de IA oferecendo soluções e organizações inovadoras que utilizem IA em seus produtos, projetos e serviços.Vamos entender o que pode ser realmente transformador usando a IA no negócio? Quais caminhos podem manter a vantagem competitiva? O que geraria mais valor para o cliente? Como sair na frente? Como se contrata e se paga por IA?  Qual a maturidade da sua empresa em IA?  

Objetivo do curso

Identificar oportunidades de melhoria operacional, inovação, transformação digital ou redução de custos para as empresas através de uma visão do negócio e para o negócio. De forma participativa serão criados modelos de projetos de IA por cada participante e as discussões e apresentações dos mesmos serão fonte de aprendizado e insights para novas oportunidades em sua empresa.

Público alvo

Gestores, C-levels, empresários, empreendedores, executivos, administradores e profissionais interessados.

Programa

1- O que é IA, machine learning e deep learning
2- Cenário de IA atual e futuro e players principais
3- Como a IA pode gerar valor e redução de custos?
4- Como identificar oportunidades com IA?
5- Criando projeto de IA na sua empresa (caso prático com o Canvas Cognitivo)
6- Apresentação e análise dos casos gerados.

Inscrições no link abaixo:

https://www.sympla.com.br/curso-inteligencia-artificial-transformando-negocios__678983

Maturidade da organização em inteligência artificial

Afinal, por que me importar com o nível de maturidade da inteligencia artificial em minha organização?  Faz alguma diferença?   Devo iniciar logo ou aguardar que os exemplos de sucesso, ou fracasso, apareçam para que eu me mova?

Maturidade em inteligência artificial, de uma forma básica, pode ser medida através da atitude, passiva ou pioneira por um lado, e pela execução de projetos, se não adotou, se adotou pontualmente ou extensivamente.  Na tabela abaixo uma referência para identificação da maturidade em IA:

Independente do segmento, as empresas com estratégias proativas na adoção de inteligência artificial estão conseguindo margens de lucro melhores que as demais. (ver gráfico abaixo).  Este já é um fortíssimo motivo para adotar IA mais rapidamente.

Como entrar neste mundo?

IA vive de dados, portanto é importante começar a coletar e cuidar dos dados da organização e ir avançando no uso destes dados atingindo a capacidade de predição e prescrição possíveis com técnicas de Machine learning e Deep learning.

Como visto acima, da estratégia de dados à adoção em toda a organização de IA, é necessário um planejamento. Não basta sair criando um bot ou alguma tecnologia de reconhecimento de imagem em um departamento e anunciar que a empresa é pioneira no uso de IA.  A estratégia ampla precisa vir de um plano macro que pode ser desenhado com expertises internos ou consultoria para este levantamento.

Independente da escolha, o CANVAS COGNITIVO – www.canvascognitivo.com.br,  é uma ferramenta para este mapeamento que facilita o entendimento, aumenta a velocidade da entrega e possibilita acompanhamento futuro dos projetos.

Uma aplicação para segurança pública com o Canvas Cognitivo

A identificação de armas com tecnologia de inteligência artificial pode ajudar a polícia e levar grandes benefícios à sociedade.

Atualmente a tecnologia de Deep Learning para treinar modelos e reconhecer objetos está bem avançada e através de câmeras espalhadas em pontos estratégicos pela cidade: lojas, praças e mesmo em frente a bancos, o reconhecimento de uma arma pode gerar um sinal ao policial mais próximo para ação rápida.  Dependendo da posição é possível reconhecer até o rosto do assaltante para comparar a uma base de dados e identificá-lo.

Abaixo um exemplo de como modelar este caso nos dois níveis do Canvas Cognitivo.  Primeiramente o nível preliminar com visão de negócio:

Então trabalha-se o nível mais detalhado e refinado no Canvas cognitivo propriamente dito  (Valores em reais fictícios):

Pronto, dai em diante, acordados todos em relação aos benefícios, valores, ROI e tecnologias no projeto, basta iniciá-lo e acompanhar.

Canvas Cognitivo no III WORKSHOP CIÊNCIA DE DADOS, BIG DATA E ANALYTICS

Realizado em 02/10/18 na PUC-MG no III WORKSHOP CIÊNCIA DE DADOS, BIG DATA E ANALYTICS a OFICINA  – INTELIGÊNCIA ARTIFICIAL E O CANVAS COGNITIVO

A inteligência artificial na transformação da sociedade, das organizações e do trabalho, prometendo um futuro bem diferente.  O que podemos esperar da revolução digital em um mundo direcionado a dados (data-driven) e a algoritmos? Como alguns players estão disponibilizando suas soluções de IA em paralelo ao mundo Open Source?  Em meio a todo esse cenário de mudanças, como mapear, modelar e analisar projetos cognitivos?  Qual o skill necessário e como modelar utilizando o Canvas Cognitivo? Além de todo o conteúdo haverá uma dinâmica na prática com o uso do Canvas Cognitivo.
A AION patrocinou o evento e esteve presente com o Canvas Cognitivo.

Inteligência Artificial e o mundo orientado a dados

A inteligência artificial (IA) na transformação da sociedade, das organizações e do trabalho, prometendo um futuro bem diferente. O que podemos esperar da revolução digital em um mundo direcionado a dados (data-driven) e a algoritmos: Escassez ou abundância? Quais impactos e perspectivas para a economia capitalista, para o nosso trabalho e a vida de cada um de nós?

Em uma apresentação na SUCESU MINAS, para o projeto SUCESU SABER, relatei sobre este tema instigante.

Entre o lado esquerdo, representando a Abundância, e o lado direito representando a Escassez, fomos dialogando na apresentação para entender qual seria a inclinação mais provável e porque? Há muita gente falando sobre o assunto, pois falar de futuro é até fácil, já que não é preciso provar… Mas ao menos vamos entender:

Nosso crescimento é exponencial, OK eu sei, todo mundo diz isto hoje, mas temos que passar por este entendimento…

Do computador da IBM de 5 Mb de 1956 até hoje, muito evoluímos em termos de tecnologias. Hoje 512 Gb cabem na ponta de seu dedo, e continua a diminuir o tamanho com aumento de capacidade. A CPU que trabalha em processamento sequencial ganhou apoio da GPU – Unidade de Processamento Gráfica que tem avançado muito e apoiado toda a evolução das tecnologias de IA com o processamento paralelo que propiciam.

Mas, apesar de toda a evolução tecnológica, o mundo tem sofrido de falta de crescimento de forma genérica. Em toda revolução industrial houve aumento de % de crescimento do PIB, mas esse não se manteve nos últimos 50 anos. Com taxa de % de crescimento do PIB em torno de 3,5% o capitalismo tem sofrido bastante e nós também.

O capitalismo exige crescimento. A cada ano espera-se mais gente entrando na economia e sem crescimento não se consegue absorver a todos.

Esta figura acima mostra um pouco este fato. Existe uma tendência de redução do crescimento advindo de pessoas, empregos, até pela redução da natalidade em países mais desenvolvidos. Porém, se isto ocorre e o % de crescimento advindo da produtividade apenas se manter, cairemos dos 3,5% para 1,9%. Fim do capitalismo? desemprego? E se o crescimento da produtividade cair?

Mas o mundo está mudando. Alguns empregos realmente não queremos mais, queremos sim evolução para suportar nosso crescimento e a possível “Abundância”.

Este tipo de trabalho acima, logicamente tem seu valor e sustenta a família, mas não tem capacidade e produtividade para fornecer esta abundância. O mundo precisa de novas tecnologias e processos. As ferramentas evoluíram, a tecnologia evoluiu.

Hoje este é o caminho. Tratores trabalhando sem cabine, com inteligência artificial, para produzir em larga escala. De manhã, tarde e noite a produção não precisa mais parar.

E não seria o fim dos empregos, muitos serão criados, mas é um momento de transição que gera preocupação e deve ser gerenciado sim. Porém não travado.

Segundo a Accenture, e eu concordo com ela, a IA é o caminho, o novo fator de produtividade, que pode sustentar o crescimento do PIB nos patamares necessários, por vota de 3,5% até mais em alguns países.

Entendido que o capitalismo exige crescimento, sem o qual ele entra em colapso, e que a IA é um caminho real, factível, temos que surfar nesta onda. Mas que IA é esta? Aquela dos filmes, a Strong AI ou IA Forte? Onde os robôs são melhores que nós e destroem a raça humana? Por hora não, estamos longe. Hoje a realidade é chamada de Weak AI, ou IA Fraca. Não uma desqualificação da IA, apenas nomes. A IA “fraca” é a que propicia a previsão acima da Accenture, de que computadores e robôs atuem no aumento da produtividade conosco.

Homem + Máquinas em conjunto. Por que? Porque cada um é bom em alguma coisa. Segundo o MIT Management Sloan: “O mecanismo de pesquisa do Google é ótimo para recuperar artigos de notícias sobre jogos de beisebol, por exemplo, mas não pode escrever um artigo sobre o jogo da Liga Infantil de seu filho. O Watson da IBM supera os humanos no Jeopardy !, mas o programa que jogou o Jeopardy! não pode jogar o jogo da velha, muito menos o xadrez. Os Teslas conseguem (mais ou menos) dirigir-se, mas não conseguem pegar uma caixa em uma prateleira do armazém.”

Estamos na etapa inicial, onde computadores são muito especializados naquilo que fazem. Ainda longe de possuírem uma consciência de si. Consciência é experiência e, conforme relata Michio Kaku, os robôs, a IA, não sabem sequer que a água é molhada. Não perguntam além do que são programados para tal.

A Deloitte representa nesta figura abaixo a colaboração ideal entre homens e máquinas:

Pronto, com IA, Machine Learning e Deep Learning temos entregas muito interessantes para a humanidade advinda das máquinas, dos algoritmos.

A IA fornece possibilidades às máquinas como: ler, falar, ver imagens, traduzir línguas, etc. Já no campo do Data Driven, do aprendizado com dados, o Machine Learning (ML) e a sua especialização, Deep Learning (DL), potencializam as entregas da IA acima e ajudam na tomada de decisão. O dado começa a nos dizer muito. Antes não tínhamos capacidade de processamento nem muitos dados, hoje temos tudo isso, apesar de muito lixo nos dados que precisam ser tratados ainda.

A melhor representação que vi sobre este campo de conhecimento é esta acima. A ligação rica entre a IA, Big Data e Data Science. Hoje o assunto quente está no cientista de dados, no Machine Learning. Profissional escasso ainda, que precisa compreender de tecnologia, matemática, comunicação e negócios. Vejo muitos com foco nas tecnologias (algoritmos, frameworks, desenvolvimento) e poucos com entendimento dos negócios e na comunicação.

Alguns trabalhos já são realidade e outros da lista abaixo em pouco tempo serão realidade:

  • Engenheiro de IA
  • Engenheiro de Machine Learning
  • Engenheiro de Visão computacional
  • Detetive de dados – Explicadores de Machine Learning
  • CEO – Chief Ethical Officer
  • Gerente de desenvolvimento de negócios com IA
  • Gerente de equipes homem + máquina
  • Curador de memórias pessoais

Além de funções novas, entregas novas! Nosso conhecido BI – Business Intelligence e Business Analytics nos ajudam muito nas tomadas de decisões com descrições do que ocorreu, mas o que ocorrerá, o que se deve fazer vem da IA, conforme o Gartner nos mostra nesta figura abaixo. A capacidade prescritiva vem da IA, do ML.

A riqueza dos dados está no Machine Learning com suas várias técnicas para entregar “algumas coisas”, não tudo. ML não é mágica. Podemos classificar, prever números, clusterizar, aprender com erros, técnicas retratadas na figura abaixo.

 

Dependendo do caso o cientista de dados saberá aplicar, se uma técnica supervisionada ou não supervisionada, por exemplo. Dependerá se existe uma variável alvo ou não, se existe respostas já para testar o modelo, se pretende-se identificar um número ou classificar….

Como se faz hoje a inserção da IA nas empresas? Através de uso de API´s de IA, ou estudios, ou desenvolvimento próprio com soluções Open Source disponíveis. De Watson, AWS, Microsoft e Google com suas API´s e estúdios, passando por frameworks como CNTK, Spark, Caffe, Torch, Keras, Mxnet, Tensorflow, etc e desenvolvendo diretamente em Python, por exemplo, com suas bibliotecas ricas como SciPy, matplotlib, etc. Um mundo de alternativas, das mais simples como chamadas a API`s já treinadas, a desenvolver a própria aplicação e treinar os modelos próprios. Abaixo algumas delas:

Na busca pelo melhor caminho, as dificuldades são muitas, como ter metodologia e ferramenta para modelar o projeto de IA.  Por essa razão foi idealizado o Canvas Cognitivo, fruto das consultorias anteriores que realizei e da dificuldade em ter uma metodologia fácil, inteligível e boa para tal, retratado na figura abaixo.

Bem, além dessas informações, muito mais foi apresentado e discutido na SUCESU Minas sobre o tema, mas aqui não seria local para conseguir passar tudo mesmo. Em resumo:

“Temos uma necessidade de crescimento advinda do próprio capitalismo (e não é que socialismo seja melhor, pelo contrário) que pode gerar certa abundância para todos se conseguirmos gerenciar este crescimento com apoio da inteligência artificial, gerando uma sociedade melhor, com menos doenças e mais produtividade.”

Sérgio Viegas –  aion.ai, Criador do Canvas Cognitivo www.canvascognitivo.com.br e do Meetup de IA ( https://www.meetup.com/pt-BR/Meetup-de-Inteligencia-Artificial/ ), é Vice presidente de Inteligência Artificial da SUCESU Minas.

sergio@aion.ai