Inteligência artificial encontra a Geotecnologia: e agora?
Não é mais ficção científica de filme hollywoodiano dos anos 1970: o setor de Geotecnologia é uma realidade.
Quando se fala em Inteligência Artificial, logo nos vem à cabeça imagens como a do robô Hal do filme 2001: Uma Odisseia no Espaço, de Stanley Kubrick; do menino-robô que só queria uma mãe no filme AI, de Steven Spielberg; ou ainda dos mais recentes Ela (Her) e Ex-Machina, disponíveis na Netflix.
Mas a inteligência artificial está muito mais presente no seu dia a dia do que você imagina, através de sugestões de buscas que você recebe no Google, reconhecimento de rostos no Facebook ou dicas de novos filmes para assistir no YouTube. E no setor de Geotecnologia não seria diferente.
Na verdade, mesmo não sendo um tema tão trivial, a Inteligência Artificial já é algo até mesmo “antigo” no setor, como por exemplo no uso de dados obtidos por satélites e redes neurais para classificação de imagens, na utilização de drones em voo automático para mapeamento de propriedades rurais e urbanas, dentre outras aplicações onde algumas decisões são tomadas por máquinas e/ou equipamentos, aprendendo e melhorando a cada interação.
Indo além da Inteligência Artificial, temos o Machine Learning e o Deep Learning, mas antes de avançarmos neste assunto, é preciso entender como se dá a evolução de uma nova tecnologia e em que momento ela se torna uma inovação disruptiva.
A Lei de Moore surgiu em 1965 através de um conceito estabelecido por Gordon Moore, presidente da Intel na época. Tal lei dizia que o poder de processamento dos computadores – e aqui podemos estender para a informática em geral – dobraria a cada 18 meses.
Até hoje a Lei de Moore tem correspondido à realidade, com alguns ajustes, e isto pode ser extrapolado também para outras tecnologias, que no início eram caras e disponíveis para um pequeno grupo, mas à medida em que sua performance aumentou e seus custos diminuíram, passaram a ser acessíveis a mais profissionais e empresas.
Os drones – com sua inteligência artificial embarcada – são um bom exemplo de evolução exponencial, pois antes de sua popularização tinham altos preços e hoje têm uma relação custo x benefício muito vantajosa se levarmos em conta toda a tecnologia envolvida.
Quando falamos em inovação disruptiva, estamos falando em abandonar um processo antigo e, mais do que isso, torná-lo obsoleto. E não apenas o processo, mas todo o modelo de negócios que o usava, afetando toda uma indústria, como por exemplo como ocorreu com o surgimento do Uber, AirBnb e WhatsApp.
Em suma, inovação disruptiva é a inserção de um produto ou serviço que cria um novo mercado e desestabiliza os concorrentes que antes o dominavam. Geralmente é algo mais simples, mais barato e automatizado ou algo capaz de atender um público que antes não tinha acesso ao mercado. E a inteligência artificial é um dos maiores vetores para ocorrer a inovação disruptiva em um setor…
Inteligência Artificial, Machine Learning e Deep Learning são vistos como ameaças para algumas profissões, por trazerem automação de tarefas e gerarem mudanças radicais em formas tradicionais de trabalho. Por outro lado, podem e devem ser vistas por empreendedores como oportunidades justamente para gerar cortes de custos e aumento de produtividade.
O uso de drones com tecnologia RTK – por minimizar e em alguns casos até mesmo eliminar a necessidade de pontos de apoio em campo – é um exemplo de tecnologia que possui um alto grau de robotização e que pode eliminar postos de trabalho, mas por outro lado traz maior eficácia e pode abrir novas frentes.
Em relação aos conceitos, indo do conceito mais abrangente e antigo até o mais específico e recente, temos:
• Inteligência Artificial é a capacidade das máquinas de simular o pensamento humano, podendo aprender e evoluir com o tempo. Tecnologias que podem executar tarefas tão bem – ou até melhor – que humanos são chamadas de IA Limitadas;
• Já o Machine Learning – ou Aprendizado de Máquina – é a possibilidade de coletar dados, aprender com eles e enfim encontrar padrões escondidos nos dados, sem ser especificamente programado pra isto. Desta forma, ao invés do programador ter que implementar rotinas de software e instruções para completar uma tarefa específica, a máquina é “treinada” e aprende como executar esta tarefa a partir de uma grande quantidade de dados;
• Por sua vez, Deep Learning é uma evolução da inteligência artificial e do machine learning através de redes neurais com várias camadas – daí a origem da palavra “deep” – e treinamento através de imensas quantidades de dados e de interações. É a habilidade de encontrar padrões escondidos nos dados, simulando o pensamento humano. Hoje, por exemplo, o reconhecimento de imagens por máquinas treinadas através de Deep Learning, em alguns cenários, possui taxa de acerto maior que a de humanos.
Nos últimos anos, a aplicação de inteligência artificial, machine learning e deep learning avançou muito, especialmente após 2015, devido à imensa disponibilidade de dados e ao avanço das unidades de processamento. A Inteligência Artificial está em constante desenvolvimento e, hoje, fala-se das IA Superinteligentes, uma tecnologia considerada melhor que os cérebros humanos em praticamente todos os campos.
Veja como foi o DroneShow 2018, em São Paulo:
Nos setores de Geotecnologia e Drones, o avanço da inteligência artificial, machine learning e deep learning poderá gerar a inovação disruptiva que trará redução de custos e aumento de produtividade. O que pode ser preocupante para profissionais que trabalham em atividades repetitivas pode também ser uma oportunidade de negócios para os empreendedores do setor.
(*) Eduardo Freitas é engenheiro cartógrafo especializado em drones e coordenador da programação técnica dos eventos MundoGEO Connect e DroneShow.
![Digital](https://p2.trrsf.com/image/fget/sc/80/30/images.terra.com/2018/07/26/logotipo-digital-fonte.png)