Learning Machine, onde está Wally?
Quem não lembra do “Onde está Wally”, a série de livros cuja ilustração e games que foram um sucesso? Bom para quem é mais novo e não conhece, seria mais ou menos como descobrir seu público-alvo em meio ao infinito mundo virtual. Mas calma! Existe um universo que conspira ao nosso favor, o Universo da learning machine.
Fale-me mais sobre essa Learning machine
A grosso modo, a learning machine é a maneira mais básica de usar algoritmos para coletar dados, aprender com eles, e então fazer uma determinação ou predição sobre alguma coisa no mundo. Onde uma máquina é “treinada” usando uma quantidade grande de dados e algoritmos que dão à ela a habilidade de aprender como executar uma tarefa. O que antigamente era feito individualmente ou por sets, como preferir, agora é tudo manipulado em um só algoritmo ou conjunto deles, mais ou menos isso.
Com o avanço das tecnologias que conspiraram com a interação das pessoas e um enorme multiverso web, onde redes sociais, aplicativos e outras formas de interação no mundo da internet acumulam uma infinidade de dados, houve a necessidade de ganhar força no campo de coleta, leitura e interpretação desses dados que nos levam hoje ao entender escolhas, ofertas e tudo o que existe no mundo virtual, ou melhor dito, no mundo atual.
Mas onde eu aplico isso?
As aplicações na atualidade vão desde a Netflix, operando e traduzindo dados em preferências para novos produtos por meio da leitura dos dados previamente selecionados pelos seus usuários para a criação de novas séries, tal o caso do sucesso Stranger Things, mas se você quiser um modelo mais básico, vamos a classificação de spam dos seus e-mails recebidos ou ainda da rota que você questiona ao seu aplicativo para chegar em um determinado local. Tudo isso é feito por meio de leitura de dados que chegam a um determinado fim.
Outro case conhecido é o do Google Tradutor cujo resultado da tradução do coreano ao japonês não precisou passar pelo inglês nativo do sistema, à existência de uma interlíngua que permite ao mesmo fazer uma tradução que não foi pré-configurada.
E como funciona?
Basicamente pode ser por regressão ou previsão. Na previsão utilizamos a classificação como fim, por exemplo, quando falamos em classificar um e-mail recebido como Spam ou Não spam, onde você pode imaginar esse modelo de classificação como um grande filtro. Existem muitos exemplos que atendem a demandas específicas, como Naive Bayes, K-Nearest Neighbor, Regressão Linear, dentre outros.
Já no caso da regressão, seu resultado é focado nas variáveis de acontecimentos anteriores, ou seja, pelo comportamento podemos identificar um padrão repetitivo que indelevelmente vai trazer um resultado já previsto.
Mas voltando ao Wally…
Bem, agora fica muito mais fácil encontrar o seu Wally ou seu público e suas preferências com o uso das learning machine. Embora no mundo marqueteiro sua utilização seja atribuída a compra de mídia, vale a pena ressaltar que também pode ser focada em resultados isolados, como por exemplo leitura de dados de compra de um certo período por um determinado público, buscando assim um resultado único, que nossa learning machine tira de letra.
Portanto, essa coleta de dados deverá fazer da nossa busca implacável muito mais que um Wally e definir aquilo que mais buscamos e as infinitas possibilidades que podem trazer novas oportunidades para nossos resultados ou negócios.