Lideranças de dados e análises devem explorar mais a Causal AI

Já ouviu falar em correlação e causalidade? Em estatística, usar ambas de forma correta é o caminho para evitar assumir coisas estranhas. Na IA, idem. Não por acaso, a Causal AI é uma das 25 tecnologias emergentes destacadas pelo Gartner este ano. Ela busca identificar e utilizar relações de causa e efeito, indo além de modelos preditivos baseados em correlação.

Apesar de seu notável sucesso, os modelos estatísticos, incluindo aqueles em sistemas avançados de Deep Learning (DL), usam correlações de nível de superfície para fazer previsões. Mas o paradigma atual não conduz os modelos para descobrir relações de causa e efeito. Só, as correlações.

E qual é o problema de usar correlações para predição? A fragilidade das previsões. Para que as previsões baseadas em correlação permaneçam válidas, o processo que gerou os dados precisa permanecer o mesmo. Por exemplo, é possível correlacionar o nascer do sol com o canto do galo. Mas forçar um galo a cantar nem sempre fará o sol nascer.