Megadados são dados melhores

Os carros auto-dirigidos foram apenas o começo. Qual é o futuro da tecnologia e design orientados por megadados? Nesta palestra científica eletrizante, Kenneth Cukier fala sobre o futuro da aprendizagem de máquina... E conhecimento humano.

A torta preferida dos americanos é?

Plateia: Maçã
Kenneth Cukier: Maçã. Claro que sim.

Como sabemos isso?

Por causa dos dados.

Vejam as vendas dos supermercados.

Vejam as vendas
das tortas congeladas de 30 cm,

a de maçã vence, sem dúvida.

A maioria das vendas são de maçã.

Mas então os supermercados
começaram a vender

tortas menores, de 11 cm,

e, de repente, a de maçã caiu
para o quarto ou quinto lugar.

Por quê? O que aconteceu?

Certo, pensem bem.

Quando você compra uma torta de 30 cm,

a família toda tem que aceitar,

e a de maçã é a segunda
mais favorita de todos.

(Risos)

Mas quando você compra
uma torta individual de 11 cm,

você pode comprar a que quiser.

Você pode comprar a sua primeira opção.

Você tem mais dados.

Pode ver algo que você não via,

quando tinha menos informação.

A questão aqui é que mais dados

não nos permite apenas ver mais

daquilo que já tínhamos antes.

Mais dados nos permitem ver coisas novas.

Permitem-nos ver melhor.

Permitem-nos ver de forma diferente.

Neste caso, permitem-nos ver

qual é a torta favorita dos EUA:

não é a de maçã.

Vocês já devem ter ouvido
o termo "megadados".

Na verdade, já devem estar fartos
de ouvir o termo "megadados".

É verdade, há muitos exageros
associados ao termo,

e isso é lamentável,

porque os megadados são uma ferramenta
extremamente importante

pela a qual a sociedade vai avançar.

No passado, olhávamos para
os dados pequenos

e pensávamos no que significaria

tentar entender o mundo,

e agora nós temos muito mais dados,

como jamais tivemos antes.

O que vemos é que quando temos

um grande volume de dados,
podemos fazer coisas

que não podíamos fazer quando
só havia quantidades pequenas.

Megadados são importantes,
e megadados são novidade,

e quando se pensa nisso,

o único jeito deste planeta lidar

com os desafios globais–

alimentar as pessoas,
provê-las com cuidados médicos,

provê-las com energia, eletricidade,

e assegurar que não ficaremos "tostados"

com o aquecimento global –

será com a utilização de dados
de forma eficaz.

Então, o que há de novo sobre megadados?

Bom, para responder isso, vamos pensar

em como informação era,

fisicamente, no passado.

Em 1908, na ilha de Creta,

arqueólogos descobriram
um disco de argila,

que foi datado de 2000 A.C.,
então são 4 mil anos de idade.

Há inscrições no disco,
mas não sabemos o que significam.

É um completo mistério,
mas o detalhe é que

era assim que a informação parecia

4 mil anos atrás.

Era assim que a sociedade armazenava

e transmitia informação.

Hoje, sociedades não avançaram
tanto assim.

Ainda armazenamos informação em discos,

mas hoje podemos guardar
muito mais informação,

mais do que podíamos antes.

Buscar é mais fácil. Copiar é mais fácil.

Compartilhar é mais fácil.
Processar é mais fácil.

E podemos reutilizar essa informação

para usos que não imaginávamos

quando coletamos os dados
pela primeira vez

Neste contexto, os dados

mudaram de um estoque para um fluxo,

de algo estacionário e estático

para algo que é fluido e dinâmico.

Existe um tipo de "liquidez"
na informação.

O disco descoberto em Creta,

de 4 mil anos de idade, é pesado,

ele não armazena muita informação,

e a informação não é modificável.

Em contraste, todos os arquivos

que Edward Snowden levou

da Agência de Segurança Nacional
dos Estados Unidos

cabem em um pen drive

do tamanho de uma unha,

e podem ser compartilhado
à velocidade da luz.

Mais dados. Mais.

Agora, uma explicação de termos
tantos dados hoje

é que estamos coletando coisas

sobre as quais sempre
coletamos informação.

Mas uma outra razão é que
estamos pegando coisas,

que sempre foram informacionais

mas não estavam em formato de dados,

e agora estão sendo
transformados em dados.

Vejam, por exemplo,
a questão da localização.

Vejam, por exemplo, Martinho Lutero.

Se quiséssemos saber, nos anos 1500,

onde Martinho Lutero estava,

teríamos que segui-lo o tempo todo,

talvez com uma pena e um tinteiro,

e fazer registros,

e agora veja como isso é hoje.

Sabemos que em algum lugar,

talvez num banco de dados
de operadora de telefonia,

há uma planilha, ou ao menos
um registro em banco de dados

gravando sua informação

de onde você esteve, a todo momento.

Se você tem um celular,

com um GPS, mas mesmo
que não tenha um GPS,

ele pode registrar sua informação.

Neste contexto, a localização
foi transformada em dados.

Vejam, por exemplo, a questão da postura,

como vocês estão se sentando agora,

o modo como você se senta,

o modo como você se senta.

São todos diferentes, e é uma função
dos comprimentos das pernas

e do contorno das suas costas,

e seu eu colocasse censores,
talvez 100 censores

nas cadeiras de todos aqui agora,

eu poderia criar um índice
único para cada um de vocês,

como uma impressão digital,
mas não é do seu dedo.

Então, o que poderíamos fazer com isso?

Pesquisadores em Tóquio estão usando isso

como um potencial dispositivo
anti-roubo para carros.

A ideia é que o ladrão senta ao volante,

tenta ligar, mas o carro reconhece

que um motorista não autorizado
está ao volante,

e talvez o motor pare, a não ser

que você digite uma senha no painel

para dizer: "Ei, eu tenho autorização
para dirigir". Ótimo.

E se todos os carros na Europa

usassem esta tecnologia?

O que poderíamos fazer?

Talvez, se agregássemos os dados,

talvez pudéssemos identificar sinais

que indicassem se um acidente de carro

irá acontecer nos próximos 5 segundos.

E então, o que teremos
transformados em dados,

é fatiga do motorista,

e o serviço seria, quando o carro sente

que a pessoa assume aquela posição,

automaticamente ativar um alarme interno

que faria o volante vibrar, emitir um som,

como se dissesse: "Ei, acorda,

presta mais atenção na estrada."

Essas são as coisas que podemos fazer

quando convertemos em dados
mais aspectos das nossas vidas.

Então, qual o valor dos megadados?

Pensem bem.

Temos mais informação.

Podemos fazer coisas que não
podíamos antes.

Uma das áreas mais impressionantes

em que este conceito está ocorrendo

é na área do aprendizado de máquina.

O aprendizado de máquina é um ramo
da inteligência artificial,

que, por sua vez, é um ramo
da ciência da computação.

A idéia geral é que em vez de

instruir um computador sobre o que fazer,

nós simplesmente jogamos dados no problema

e dizemos ao computador
que resolva sozinho.

Conhecer as origens disso
ajudará vocês a entenderem.

Por volta de 1950,
um cientista da computação

da IBM, Arthur Samuel, gostava
de jogar damas,

ele então criou um programa

para que pudesse jogar
contra o computador.

Ele jogou. Ele ganhou.

Ele jogou. Ele ganhou.

Ele jogou. Ele ganhou,

porque o computador só sabia

o que era uma jogada legal.

Arthur Samuel sabia algo mais.

Arthur Samuel sabia sobre estratégia.

Ele então criou um pequeno sub-programa,

operando em segundo plano,
e tudo que ele fazia

era calcular a probabilidade

que uma dada configuração do tabuleiro
pudesse levar

a um jogo vencedor contra um perdedor,

após cada movimento.

Ele joga contra o computador. Ele ganha.

Ele joga contra o computador. Ele ganha.

Ele joga contra o computador. Ele ganha.

Então Arthur Samuel deixou o computador

jogar contra ele mesmo.

Ele joga com ele mesmo. Coleta mais dados.

Coleta mais dados. A precisão
de sua predição aumenta.

Arthur Samuel volta ao computador

ele joga, e ele perde,

ele joga, e ele perde,

ele joga, e ele perde,

e Arthur Samuel criou uma máquina

que supera sua habilidade em uma tarefa
que ele mesmo ensinou.

Essa ideia de aprendizagem de máquina

estará em todas as partes.

Como vocês acham que funcionam
os carros auto-dirigidos?

Será que estamos melhores
como uma sociedade,

colocando todas as regras de trânsito
em um software?

Não. A memória está mais barata. Não.

Os algoritmos são mais rápidos. Não.
Os processadores são melhores. Não.

Tudo isso é importante, mas
não é o principal.

O essencial é que modificamos
a natureza do problema.

Mudamos o problema de um em que
tentávamos aberta e explicitamente,

explicar ao computador como dirigir,

para um em que dizemos:

"Aqui temos um monte de dados
sobre o veículo. Resolva.

Descubra se aquilo é um semáforo,

se a luz é vermelha e não verde,

que isso significa que você tem que parar

e não ir adiante."

A aprendizagem de máquina é a base

de muita coisa que fazemos online:

Motores de busca,

algoritmos de personalização da Amazon,

tradução automática,

sistemas de reconhecimento de voz.

Pesquisadores recentemente examinaram

a questão das biópsias,

biópsias de câncer,

e pediram para o computador
para identificar,

olhando os dados e taxas de sobrevivência

para determinar se as células

são cancerosas ou não,

e, certamente, alimentando os dados

em um algoritmo de
aprendizagem de máquina,

a máquina foi capaz de identificar

os 12 sinais que melhor predizem

que nesta biópsia, as células da mama

são realmente cancerosas.

O problema: a literatura médica

só conhecia nove deles.

Três das características eram traços

que as pessoas não tinham
necessidade de procurar,

mas o computador detectou.

Mas também há o lado sombrio
dos megadados.

Eles vão melhorar nossas vidas,
mas há problemas

dos quais devemos estar cientes.

O primeiro é que

possamos ser punidos
por causa das previsões;

que a polícia poderá usar
megadados para seus propósitos,

um pouco como "Minority Report".

Atualmente, é um termo chamado
"policiamento preditivo",

ou criminologia algorítmica.

A ideia é que, se tivermos muitos dados,

digamos, onde um crime ocorreu no passado,

sabemos para onde enviar as patrulhas.

Isso faz sentido, mas o problema, claro,

é que isso não vai parar
só nos dados de localização,

vai chegar ao nível do indivíduo.

Por que não usar os dados

do histórico escolar das pessoas?

Talvez usar o fato
de estarem desempregadas, ou não,

usar sua pontuação de crédito,

sua conduta na Internet,
se ficam acordadas de noite.

Seus Fitbits, quando puderem
identificar dados bioquímicos,

mostrarão se têm pensamentos agressivos.

Poderemos ter algoritmos
que poderão prever

o que estamos prestes a fazer.

e poderemos ser incriminados

mesmo antes de agirmos.

A privacidade era o desafio principal

na era dos pequenos dados.

Na fase dos megadados,

o desafio será salvaguardar
nosso livre arbítrio,

escolha moral, volição humana,

e atuação humana.

Há um outro problema:

Os megadados vão roubar nossos empregos.

Megadados e algoritmos desafiarão

o conhecimento profissional
dos funcionários

do século 21,

da mesma forma que
a automação das fábricas

e as linhas de produção

desafiaram o trabalho dos operários
no século 20.

Imagine um técnico de laboratório

examinando ao microscópio

uma biópsia do câncer,

decidindo se é maligno ou não.

Esta pessoa frequentou faculdade.

Ela compra um imóvel.

Vota.

É parte interessada da sociedade.

E o seu emprego,

assim como o de toda uma frota

de profissionais,

vão ver que seus empregos
mudarão radicalmente

ou, de fato, serão completamente extintos.

Agora, gostamos de pensar

que a tecnologia cria empregos
durante um período tempo

após um período de transição
curto, temporário.

Isso é verdade para o quadro de referência

com o qual vivemos,
a Revolução Industrial,

porque foi exatamente o que ocorreu.

Mas esquecemos algo nessa análise:

Há certas categorias de empregos

que simplesmente são eliminados
e não voltam nunca.

A Revolução Industrial não foi muito boa

para os cavalos.

Portanto precisamos ser cautelosos,

e pegar os megadados e ajustá-los
às nossas necessidades,

às nossas necessidades humanas.

Temos que ser os mestres desta tecnologia,

e não seus criados.

Estamos apenas no início
da era dos megadados,

e, honestamente, não somos muito bons

em manejar todos dados
que agora podemos coletar.

O problema não é só para a
Agência Segurança Nacional dos EUA.

Empresas coletam muitos dados
e também fazem mal uso deles,

e precisamos melhorar nisso,
o que levará tempo

É um pouco como o desafio

que os homens primitivos
enfrentaram com o fogo.

É uma ferramenta, mas é uma ferramenta

que, se não tivermos cuidado,
vai nos queimar.

Megadados vão transformar
o modo como vivemos,

como trabalhamos e como pensamos.

Vão ajudar no gerenciamento
de nossas carreiras,

e viver satisfeitos, com esperança,

felizes e saudáveis,

mas no passado muitas vezes olhávamos
para a Tecnologia da Informação

mas nossos olhos só viam o 'T',

a tecnologia, o hardware,

porque era a parte física.

Agora precisamos colocar
nossa atenção no 'I',

de informação,

que é menos tangível.

mas em certos aspectos
muito mais importante.

A humanidade pode finalmente
aprender a partir da informação

que ela pode coletar,

como parte da nossa eterna busca

pelo entendimento do mundo
e do nosso lugar nele,

e é por isso que os megadados
são importantes.

(Aplausos)