Por que IoT vai dar origem à Inteligência Artificial?
18 de julho de 2017
A Big Data está auxiliando o melhoramento da satisfação do cliente
25 de julho de 2017
Ver todos

IoT não funcionará sem inteligência artificial

À medida que a Internet of Things (IoT) continua a ser executada como uma das palavras-chave mais populares da tecnologia do ano, a discussão virou-se do que é, para gerar valor, e para a tática: como fazê-lo funcionar.

A IoT produzirá um tesouro de dados importantes – dados que podem ajudar as cidades a prever acidentes e crimes, dar aos médicos informações em tempo real sobre informações de marcapassos ou biochips, permitir uma produtividade otimizada em todas as indústrias através de manutenção preditiva de equipamentos e maquinários, criar casas verdadeiramente inteligentes com aparelhos conectados e fornecer uma comunicação crítica entre carros auto-dirigidos. As possibilidades que a IoT traz à mesa são infinitas.

À medida que a rápida expansão de dispositivos e sensores conectados à Internet das coisas continua, o grande volume de dados que está sendo criado por eles aumentará para um nível incompreensível. Estes dados terão uma visão extremamente valiosa sobre o que está funcionando bem ou o que não é – apontando os conflitos que surgem e fornecendo uma visão de alto valor sobre os novos riscos e oportunidades comerciais, à medida que as correlações e as associações são feitas.

Parece ótimo. No entanto, o grande problema será encontrar maneiras de analisar o dilúvio de dados de desempenho e informações que todos esses dispositivos criam. Se você já tentou encontrar informações sobre terabytes de dados da máquina, você sabe o quanto isso pode ser difícil. É simplesmente impossível para os humanos revisar e entender todos esses dados – e fazê-lo com métodos tradicionais, mesmo que você reduza o tamanho da amostra, simplesmente demora muito tempo.

Precisamos melhorar a velocidade e a precisão da grande análise de dados para que a IoT atenda a sua promessa. Se não o fizermos, as conseqüências podem ser desastrosas e podem variar desde os dispositivos de casa irritantes – que não funcionam juntos, como anunciados – para os ameaçadores da vida – marcapassos que funcionam mal ou centenas de pilhas de carros.

A única maneira de manter-se com esses dados gerados pela IoT e obter a visão escondida que detém é com o aprendizado automático.

Em uma situação IoT, o Machine Learning pode ajudar as empresas a tirar os bilhões de pontos de dados que têm e a abaterem o que é realmente significativo. A premissa geral é a mesma que nas aplicações de varejo – reveja e analise os dados que você coletou para encontrar padrões ou similaridades que podem ser aprendidas, para que melhores decisões possam ser tomadas.

Por exemplo, os dispositivos portáteis que acompanham a sua saúde já são uma indústria em crescimento, mas logo estes irão evoluir para tornar-se dispositivos que estão interconectados e conectados à internet, rastreando sua saúde e fornecendo atualizações em tempo real para um serviço de saúde.

O objetivo é que seu médico receberia uma notificação se uma determinada condição fosse atendida – sua freqüência cardíaca aumentou para um nível inseguro, ou mesmo interrompeu, por exemplo. Para poder chamar problemas potenciais, os dados devem ser analisados em termos do que é normal e do que não é. As semelhanças, correlações e anormalidades precisam ser rapidamente identificadas com base nos fluxos de dados em tempo real. Isso poderia ser feito por um indivíduo que trabalha no serviço de saúde – revisando dados de milhares de pacientes em tempo real e decidindo corretamente quando enviar uma bandeira de emergência? Não é provável – escrever código, ou regras, para explorar os dados para encontrar padrões conhecidos é extremamente demorado, cheio de erros e limitado a apenas identificar padrões conhecidos anteriormente.

Para analisar os dados imediatamente, conforme ele é coletado para identificar com precisão os padrões novos já conhecidos e nunca antes vistos, máquinas que são capazes de gerar e agregar esses grandes dados também devem ser usadas para aprender comportamentos normais para cada paciente e rastrear, descobrir e Sinalizar qualquer coisa fora da norma que possa indicar um problema de saúde crítico.

A realização do IoT depende de poder obter os insights escondidos nos vastos e crescentes mares de dados disponíveis. Uma vez que as abordagens atuais não se dimensionam para os volumes do IoT, a realização futura da promessa da IoT depende da aprendizagem da máquina para encontrar os padrões, correlações e anomalias que têm o potencial de permitir melhorias em quase todas as facetas da nossa vida diária.

É hora de deixar as máquinas apontarem para onde as oportunidades são verdadeiras.

Texto traduzido e adaptado do blog Wired. 

Confira o texto original em inglêsaqui.

Leia também artigos sobre Métodos qualitativos de Pesquisa de Mercado online e exemplos para aplicação bem-sucedida e A importância do Machine Learning e da Inteligência Artificial para entender o consumidor.

E para receber mais conteúdos como este nos siga no Facebook e Twitter.

E nós envie um comentário ou alguma dúvida sobre esse artigo no seguinte e-mail: contact@ecmetrics.com

20/07/2017