s
Crédito: Shutterstock

INTELIGÊNCIA ARTIFICIAL

A subespecificação está arruinando o desempenho dos modelos de Machine Learning

O processo usado hoje para construir a maioria deles não pode dizer se funcionarão adequadamente no mundo real - e isso é um problema

Por Cristina De Luca 02/12/2020

Um grupo de pesquisadores do Google identificou uma causa importante para o fracasso comum dos modelos de aprendizado de máquina: a subespecificação, velha conhecida dos estatísticos. Surpreendentemente, decisões aparentemente irrelevantes podem ter um impacto muito grande no desempenho dos modelos em produção, afirma o grupo em um paper documentando a tese.

No fim das contas, um modelo é uma simplificação da realidade, explica Alex D'Amour, líder do estudo. Os modelos geralmente refletem ou imitam o mundo real. Mas da maneira como são ajustados, não há garantia de que seu computador selecione um modelo que reflita a lógica ou a ciência de sua aplicação específica.

O resultado? quando você implanta seu modelo muito preciso e de alto desempenho no conjunto de testes, há uma boa chance de ele imediatamente começar a ter um desempenho ruim no mundo real, custando tempo e dinheiro. Em outras palavras, o processo usado para construir a maioria dos modelos de aprendizado de máquina hoje não pode dizer quais modelos funcionarão no mundo real e quais não.

Conteúdo exclusivo para membros da The Shift

Aproveite a promoção e assine

AutoML muda o jogo da Ciência de Dados

Inteligência Artificial

AutoML muda o jogo da Ciência de Dados

Sem a Ciência de Dados, as empresas não conseguem obter valor dos dados de que dispõem. Mas não há cientistas de dados suficientes para todos. O que fazer? Automatizar

Por Cristina De Luca
Foque na correção dos modelos de dados que a pandemia quebrou

Inteligência Artificial

Foque na correção dos modelos de dados que a pandemia quebrou

Em alguns casos será preciso refazer alguns algorítmicos baseados no princípio de que padrões e comportamentos do passado se repetem no futuro. Em outros, recalibrar a série histórica

Por Cristina De Luca
TinyML: a próxima revolução da Inteligência Artificial

Inteligência Artificial

TinyML: a próxima revolução da Inteligência Artificial

Embarcada em microcontroladores, a tecnologia oferece a pequenos dispositivos a capacidade de tomar decisões inteligentes sem a necessidade de trocar dados com a nuvem

Por Redação The Shift
Quando o algoritmo decide

Inteligência Artificial

Quando o algoritmo decide

Motoristas estão processando o Uber na UE por terem sido descadastrados do aplicativo sem que a decisão passasse por um humano

Por João Ortega
Compartilhar dados é bom para os negócios

Inovação

Compartilhar dados é bom para os negócios

Mesmo quando evidências apontam que todo mundo que participar pode sair ganhando, a mentalidade de data sharing ainda está emperrando na questão da confiança

Por Redação The Shift
Desenvolver ou comprar IA: três critérios para decidir

Inteligência Artificial

Desenvolver ou comprar IA: três critérios para decidir

Em linhas gerais, adquirir modelos prontos serve ao curto-prazo e construir “em casa” é ideal para projetos mais longos. Mas há outros critérios para se avaliar

Por Redação The Shift