INTELIGENCIA ATIFICIAL E O FUTURO DAS PROFISSÕES

Você sabe o que é TGF , ou tecnologia com finalidades gerais — uma categoria que inclui por exemplo  a máquina a vapor, a eletricidade e o motor de combustão interna. Cada uma dessas TGFs , foi responsável por  ondas de inovações e oportunidades complementares. O motor de combustão interna, por exemplo, deu origem aos carros, caminhões, aviões, etc, juntamente com megastores varejistas, e assim por diante .

A TFG mais importante de nossa era é a inteligência artificial (IA), principalmente o aprendizado de máquina (ou do ingles Machine Learning-ML) — ou seja, a capacidade da máquina de continuar melhorando o próprio desempenho sem que os seres humanos precisem explicar exatamente como realizar todas as tarefas atribuídas a ela.

Sistemas de ML, são em geral excelentes aprendizes. Eles podem chegar a um desempenho super-humano numa grande variedade de atividades, incluindo detectar fraude e diagnosticar doenças. Excelentes aprendizes digitais estão sendo implantados por toda a economia, e seu impacto será profundo em um futuro próximo.

O termo inteligência artificial foi cunhado em 1955 por John McCarthy, professor de matemática do Dartmouth College. Desde lá avançamos em alguns pontos : Principalmente percepção e cognição. Na primeira categoria alguns dos avanços mais práticos foram em relação à fala.

 O reconhecimento de voz ainda está longe da perfeição, mas milhões de pessoas já o utilizam — por exemplo, com o Siri, Alexa e Google Assistant.

O reconhecimento de imagem também melhorou sensivelmente. Você pode ter percebido que o Facebook e outros aplicativos já reconhecem muitos dos rostos de nossos amigos em fotos postadas que o habilitam a marcá-los com seus nomes. Um aplicativo instalado em seu smartphone poderá reconhecer praticamente qualquer pássaro na mata. O reconhecimento de imagem está até substituindo os cartões de identificação nas empresas

A taxa de erro no reconhecimento de imagens a partir de uma grande base de dados chamada ImageNet, com vários milhões de fotografias comuns, confusas ou completamente esquisitas, diminuiu de mais de 30% em 2010 para 4% em 2016, nos melhores sistemas a velocidade de aprimoramento aumentou rapidamente nos últimos anos à medida que uma nova abordagem, baseada em redes neurais muito amplas ou “profundas”, foi adotada.

Embora os sistemas estejam longe de ser perfeitos, sua taxa de erro — cerca de 5% — na base de dados da ImageNet está no mesmo nível ou até melhor que o desempenho dos seres humanos. O reconhecimento de voz, mesmo em ambientes ruidosos, também está praticamente igual ao do desempenho humano. Chegar a esse limiar abre uma vasta gama de possibilidades para transformar as empresas e a economia. Uma vez que sistemas baseados em IA superarem o desempenho humano em determinada tarefa, eles terão probabilidade muito maior de se disseminar com rapidez.

 E isso nos leva garante questão desse artigo, muito se fala sobre IA e as profissões que vão desaparecer no futuro. Diz-se que todas as profissões que não exigem criatividade e que podem ser "mecanizadas", "padronizadas" ou "industrializadas" podem ser substituídas por IA. O diagnóstico pode até se confirmar correto, mas, há um outro fenômeno com muito menos glamour que já faz isso ha´tempos.

Onde, exceto em prédios públicos, em 2018 você ainda encontra um ascensorista trabalhando? Este profissional é cada vez mais raro e a lógica por traz disso é uma só: Eficiência Operacional.

Quadro 1 -Fonte Business Insider .

A maioria dos empregos que existem hoje pode desaparecer dentro de décadas, conforme podemos ver no quadro 1 . ( e nem todos eles por culpa da IA ) Mas sim a medida que a inteligência artificial supera os seres humanos em cada vez mais tarefas, ele irá substituir humanos em mais e mais empregos. Muitas novas profissões provavelmente aparecerão: designers De Realidade Virtual, por exemplo. Mas essas profissões provavelmente exigirão mais criatividade e flexibilidade.

Então, o que a IA e o ML não terão condições de fazer?

Em especial, os sistemas ML, muitas vezes, têm baixo poder de interpretação, o que significa que os humanos têm dificuldade de descobrir como os sistemas chegaram às suas decisões. Redes neurais profundas podem ter centenas de milhões de conexões, cada uma delas com uma pequena participação na decisão final. Como resultado, as previsões dos sistemas tendem a resistir a explicações simples e claras. Ao contrário dos humanos, as máquinas (ainda) não são boas contadoras de histórias. Elas nem sempre podem explicar racionalmente por que determinado candidato foi aceito ou rejeitado para um emprego, ou um medicamento em particular foi recomendado.

Isso cria três riscos.

Primeiro: As máquinas podem ter vieses escondidos, que surgem não de qualquer intenção do projetista, mas dos dados fornecidos para treinar o sistema. Por exemplo, se um sistema aprende quais candidatos a emprego se devem aceitar para uma entrevista usando um conjunto de dados de decisões tomadas por antigos recrutadores humanos, ele pode inadvertidamente aprender a perpetuar seus vieses raciais, de gênero, étnicos ou outros. Além disso, esses vieses podem não aparecer como regra explícita, mas podem estar embutidos em interações sutis entre os milhares de fatores considerados.

O segundo :

O risco é que, ao contrário dos sistemas tradicionais construídos com base em regras lógicas explícitas, os sistemas de redes neurais lidam com realidades estatísticas e não com realidades literais. Isso pode dificultar, ou impossibilitar, provar com total certeza que o sistema vai acertar em todos os casos — principalmente em situações que não foram representadas nos dados de treinamento. A impossibilidade de verificação pode ser um problema em aplicações críticas da missão, como controlar uma usina de energia nuclear, ou quando estão envolvidas decisões de vida ou morte.

Terceiro, quando os sistemas ML cometem erros, o que é inevitável, pode ser difícil diagnosticar e corrigir com precisão o que está saindo errado. A estrutura subjacente que leva à solução pode ser incrivelmente complexa, e a solução estar longe de ser a ótima caso mudem as condições sob as quais o sistema foi treinado.

Dessa forma o que estou querendo dizer é que ,  na maioria dos casos, o machine learning sera capaz de realizar algumas tarefas, mas não toda dentro de uma determinada ocupação. Isso significa que a maioria dos trabalhos será parcialmente afetada pelo aprendizado de máquina, sim,  mas também haverá coisas que os humanos continuarão a fazer, coisas como : criatividade,(maquinas não são criativas ...ainda kkk) solidariedade ( robôs podem te dar comida, mas não podem te dar carinho)  essas características humanas mas importantes, trabalharão em conjunto para transformar a sociedade  e no final ,ser humano, criativo e empático,   serão as principais características do emprego do futuro .