Resumo Clipnews ⚠️
- Uma nova matemática do aplicativo pode melhorar a precisão da tomada de decisão automatizada, especialmente as recomendações personalizadas.
Saiba mais 😎
⬇️⬇️⬇️⬇️⬇️⬇️⬇️⬇️⬇️
POR BRANCA LIMA
Um novo modelo de machine learning, que é uma disciplina da área da Inteligência Artificial, da Spotify, poderá ser usado através de uma matemática complexa para identificar eventos passados, prever ações futuras e melhorar a precisão das decisões automatizadas, especialmente às personalizadas.
Para Ciaran Gilligan-Lee, diretor do Laboratório de Pesquisa de Inferência Causal do Spotify, entender causa e efeito é fundamental para tomadas de decisões. “Entender causa e efeito é super importante para a tomada de decisões. Você quer entender o impacto que uma escolha que você faz agora terá no futuro”, afirma.
Para o Spotify, isso irá significar escolher quais músicas reproduzir de acordo com o comportamento do usuário. O aplicativo ainda não está usando a tecnologia de contrafactuais. “Os contrafactuais são situações estatísticas peculiares. São elementos estranhos de se observar. Você está questionando a probabilidade de algo ocorrer sendo que essa coisa não ocorreu”, completa Gilligan-Lee.
Após terem lido os trabalhos um do outro em um artigo do MIT Technology Review Americana, o diretor do Laboratório de Pesquisa de Inferência Causal do Spotify e seus co autores começaram a trabalhar juntos nessa tecnologia. Eles criaram seu modelo baseado em uma estrutura teórica para contrafactuais, chamada redes gêmeas. Essa estrutura foi inventada nos anos 90 pelos cientistas da computação Andrew Balke e Judea Pearl. Ela foi usada para tratar os contrafactuais como um par de modelos probabilísticos: um representando o mundo real e o outro, o fictício, em que eles se conectam de tal forma que o modelo do mundo real restringe o modelo do ficcional, mantendo-o igual em todos os aspectos, exceto nos fatos que você deseja alterar. Os pesquisadores então usaram a estrutura das redes gêmeas como um modelo para a rede neural e a treinaram para fazer previsões sobre como os eventos aconteceriam no mundo fictício. O resultado é um software de uso geral capaz de realizar raciocínio contrafactual.
Então, a equipe do Spotify resolveu testar esse modelo em vários estudos de casos reais. Um desses estudos, que aconteceu em 2020, pesquisadores investigaram que se a instalação de canos e reservatórios de concreto para proteger as nascentes da contaminação bacteriana em uma região do Quênia reduziria os níveis de diarreia infantil. O resultado que tiveram foi positivo, mas antes de considerarem essa resposta como solução final, os pesquisadores recorreram ao modelo de redes gêmeas para questionar se o resultado positivo teria sido apenas pela instalação dos canos e reservatórios ou se com o uso desse recurso as pessoas também teriam criado uma consciência maior e começaram a também ferver a água antes de usar, por exemplo. Eles descobriram que mudar apenas um detalhe de onde a água era ingerida não teve impacto significativo no resultado, ou seja, isso sugere que a redução dos níveis de diarreia infantil não foram diretamente causados pela instalação de tubos e construções de concreto. Essa tecnologia proporciona resultados como esse que podem fazer total diferença na hora de tomadas de decisões importantes.
Além do Spotify, outras empresas também estão construindo modelos de machine learning que podem raciocinar sobre causa e efeito, como é o caso da Meta, Amazon, LinkedIn e a ByteDance, proprietária do Tik Tok. Essa tecnologia está sendo explorada de todas as formas, algumas organizações também estão usando ela para decidir quem é elegível para ganhar mais crédito em bancos, conseguir vagas de emprego, liberdade condicional e até moradia. Autoridades reguladoras já começaram a exigir que essas organizações expliquem muitos dos seus resultados e aí que os contrafactuais podem ajudar, afinal é difícil reconstituir as etapas percorridas por um algoritmo complexo, e essa tecnologia poderá ajudar.
Além de explicar esses resultados, os contrafactuais podem ajudar as empresas a preverem o comportamento das pessoas, já que essa tecnologia permite inferir o que pode acontecer em uma situação específica, não apenas na média. Esse novo modelo tecnológico pode então auxiliar desde desvendar os efeitos da água contaminada no Quênia até aprimorar o impacto das playlists do Spotify.