Inteligência Artificial: Redes Neurais e IAs Generativas - Como funciona o ChatGPT?

0:00E é só o Boom no chat de Betim que veio esse negócio de agenerativa tem que ter tem que ter o que que é isso isso vai mudar o mundo não acho que é bem por aí que vai mudar o mundo é engraçado também a e a generativa já era utilizada por exemplo o ano passado e um projeto com uma empresa que eu tive a gente utilizou a redes grams para gerar imagens a gente já usava pensa que é como se fosse uma função que tá ali naquela camada de neurônios que vai estar tratando aqueles dados de entrada Ah é machine learning de pilânea redes neurais cara tudo Imaginário cara tudo é aprendizado de máquina no final do dia o que a gente tá falando é que a rede neural é um algoritmo Eu costumo comparar o mundo da moda com o mundo de tecnologia E aí eu vou explicar você vai num desfile de moda tem uns negócio muito louco lá é mais ou menos que a gente tá falando que alguém usaria aquilo na rua não ainda não aborda muita parte de tecnologia mas nas empresas eu acho mais acho que é cultura muito bem muito bem meus amigos do PPT não conpilha estamos aqui para mais um episódio E hoje é dia de pauta técnica certo Thiagão É isso aí meu amigo vamos desdobrar aqui nosso assunto sobre inteligência artificial inteligências generativas redes neurais e whisky que é isso aí e para falar sobre esse assunto hoje com a gente aqui estamos aqui com a Professora Doutora Angélica Caselli que é líder de ciência de dados inteligência artificial na basf certo Doutora muito obrigada

1:57E você tem também o Instagram sobre Inteligência Artificial que os nossos ouvintes podem ter um pouco mais de contato com assunto né doutora

2:10e ali eu falo um pouco de tudo né de pesquisar sobre assuntos novos legal obrigado você para acompanhar lá o trabalho da doutora que é muito bom aqui na minha frente Professor José Airton tudo bem Professor tudo bem professor que é shift Office 3 certo que tem um podcast aí também muito famoso Fala um pouquinho para gente professor de dados lá nós temos uma equipe né de Engenheiros analistas e cientistas de dados fora isso né a gente tem um podcast também um dos mais acessados aí em ti do Brasil sou um dos que puxa lá alguns dos episódios né sou professor na FIAP também principalmente dos ambientes da graduação é inteligência artificial a gente tem um curso também lá para quem quiser saber um pouco mais e tô nas mídias sociais aí como Ayrton Lopes para ter um github também onde tem alguns materiais para você que quer então entender um pouco mais desse assunto de gênero arteveiai que a gente vai estar falando aqui no episódio né e também no YouTube né no Linkedin no twitter também e muito obrigado né Por ter sido chamado aqui muito legal conhecer mais pessoas da área também poder bater esse papo legal Professor obrigado a gente vai deixar todos os links aqui da lâmina 3 do podcast para você quiser conhecer Valorize ou criador de conteúdo a gente tá aqui falando para fazer podcast para você e aqui na frente Thiago hollemberg mais ou menos eu diria que o nome é mais bonito do que a pessoa arquitetura

4:10pessoas né amigo e Airton aí nosso amigo Angélica e obrigado pelo convite um assunto que é do momento né o assunto atual é eu gosto dessa especial Trends mas eu gosto mais do que a galera vai ouvir aqui que é para desvendar o que que é isso de fato não é só saber utilizar mas é o que nós estamos utilizando É isso aí acompanha o episódio que ele tá muito bom a gente vai falar sobre o que que é rede neural vamos falar a diferença dos modelos discriminativos e classificatórios de machine learning vão falar um pouquinho sobre a aplicabilidade disso sobre a formação dos cientista de dados o que ele aprende no no momento da vida acadêmica o que ele vai ver isso no no mercado de trabalho vamos dar uma geral aqui de como funciona essa parada então se você gosta de pauta técnica Você quer aprender sobre a inteligência artificial quer saber o que é rede neural e aprender sobre inteligência artificial já clica aqui no like já se inscreve no canal e manda esse episódio para quem você acha que tem interesse porque o conteúdo tá muito bom vamos lá bora [Música] [Aplausos] a gente já fez um episódio sobre a o link vou deixar aqui e tá aqui na descrição também onde a gente falou prioritariamente sobre machine learning falamos mais sobre máquina de classificação como era o treinamento estatístico de machine learning temos um overview sobre isso né E lá naquele Episódio eu já deixei a Deixa para a gente falar sobre redes neurais que é uma outra categoria aí de Inteligência Artificial isso tudo parece ter sido no mundo anterior que a gente pode dividir agora o mundo pós e antes PT né que é quando começou aí essa Explosão das viagens generativas e aí esse episódio aqui meio que vai juntar um pouco das coisas né vai falar sobre agenerativa e a gente explicar um pouquinho sobre o que são as redes neurais e a diferença aí das inteligências artificiais mais classificativas daqui generativas né chegamos assim discriminativas versus generativos exatamente então a ideia aqui a gente falar um pouquinho sobre sobre isso e hoje eu tô aqui totalmente literalmente como aprendiz e estudante essas férias porque eu já falei no episódio vou repetir aqui o meu conhecimento de ar acabou no site learning no quarto tutorial sai aqui para muita gente tá não tem problema nenhum a verdade é que essa onda né do The plane principalmente em 2017 para cá eu acho né fez com que muita gente pensasse isso aqui é realmente a é tão diferente daquilo que eu fazia anteriormente né O que mudou então aqui a ideia é a gente falar sobre Essas tecnologias diferentes porque a gente teve um grande bom de machine no mercado principalmente para automações que são discriminativas como você falou né E agora a gente tá vivendo esse pós momento aqui de chat PT né e acho que eu posso abrir então a pergunta para vocês e aí queria ouvir um pouquinho de cada um tudo que é uma inteligência artificial generativa qual a diferença daquelas que são classificatórias discriminativas enfim como que a gente divide os potinhos das inteligências artificiais acho que essa é uma pergunta boa porque eu acho que não tem uma classificação exata ainda do que que é uma coisa do que que é outra antes até Deixa eu fazer um comentário no seu primeiro discurso né Eu acho que ainda tem um problema eu tava falando com o Airton aqui no aquecimento a gente quer falar de agenerativa Mas vamos chamar da clássica nem placou ainda existe um estudo Mundial que só 20% daquilo que você faz vai para a produção 80% seja lá no lixo e é só o bom do chat de Betim que veio esse negócio de agenerativa tem que ter tem que ter o que que é isso isso vai mudar o mundo não acho que é bem por aí que vai mudar o mundo então acho que a sua pergunta pelo menos para mim difícil de classificar o que que é Ok o que que não é a gente tem a classificação da literatura né então acho que tem dois momentos aqui né Tem a parte mais acadêmica e de Literatura e a parte de adoção de mercado é é o mundo real é é outra é outra parada né Eu acho que o problema hoje João Airton Doutora Angélica é que assim ah pô legal acadêmico mas eu tava falando isso hoje no evento que eu tava mas o acadêmico não faz dinheiro e o que não faz dinheiro não rola o que que faz com que o chatib te virou a febre mundial o que que faz é agenerativa não cara é o fato dela ter conseguido entrar dentro do mercado corporativo e mudado por exemplo a forma que a Microsoft vai estar fazendo muita indexação forçar o Google a querer mudar a forma que você tem um produto mais clássico do Google hoje em dia o que que é o sorte e cara ele já tem estudo dizendo olha o jeito que você pesquisa dentro do Google o Google já estudou e vai mudar ele vai ser dessa forma tem um artigo mostrando isso pelo menos para mim não considerando que eu amo o mundo acadêmico né a gente já conversou sobre isso tem um pezinho dando aula mas legal clicar nesse momento é irá dentro do mundo corporativo lógico cara vamos explicar o que que é no mundo acadêmico mas como é que você implementa essa bagaça Como que você coloca isso é o ponto Então eu ia comentar que é engraçado também como um chat PT deu um bom e agenerativa já era utilizada por exemplo um exemplo um ano passado e um projeto com uma empresa que eu tive a gente utilizou redisgram para gerar imagens a gente já usava mesmo na empresa era um projeto de pesquisa mas já tava dando na empresa só que aí a hora que falou que eu acho que o negócio ali nesse ponto que você tá trazendo também é tipo ele não tá mudando só uma indústria mas não essa questão no chá de bebê ele tá trazendo não só as indústrias mas a população infelizmente também como pesquisar por exemplo como criar coisa está mudando a forma ali de vários setores né acho que deu ali a caixinha né então mas especificamente isso é bem verdade né Angélica o que que acontece né você faz um produto para saber como vai ser a resposta das pessoas aquele novo modo ali de lidar por exemplo com ferramentas de busca com o chatbot a gente tem visto aí as pessoas se adequando a utilizar mais Essas tecnologias para criar roteiro de viagem roteiro de estudo as pessoas que estudam o código tão estudando a desenvolvimento ágil por exemplo né só que assim você tem um mundo discriminativo que é aquele mundo do site Então você tem lá os algoritmos que você está tentando criar limiares entre as diferentes classificações e você tem aí agenerativa que como a professora benja falou aqui ah perdão Angélica o que que acontece né são tecnologias que elas podem criar novos dados né e dados então semelhantes a uma distribuição original imagina então que Gans Como ela mesmo mencionou são tecnologias generativas o bom é justamente quando você fala de Transformers e você começa a sair ali do Imaginário né do mundo da imagem do som e você começa a aplicar isso para texto e por quê Porque muito do que nós produzimos de conhecimento comunidade tá disponível de forma textual e texto quando você conversa com uma máquina aquilo se faz parecer muito humano apesar de em redes neurais a gente ainda não está nem próximo da capacidade do cérebro humano mas ó deixa eu pegar esse gancho aqui de novo vou pegar o seu gancheta e o gancho da Angélica pô quando você fala assim ah eu vou transformar o texto e a máquina aprender então o chat Se você pegar no Google e jogar no YouTube um evento do Google de 2018 se não falha a memória acho que é de 2018 eu sempre esqueço o nome do senhor do Google o indiana Sunday alguma coisa ele faz uma abertura que ele mostra o novo chat do Google em 2018 já viu esse vídeo que é o chat do Google ao vivo em 2018 ligando para marcar um corte de cabelo é animal esse vídeo pelo menos para mim esse vídeo é animal e se em 2018 Então ela tem um trejeito porque ela ligando ao vivo ele ligando ao vivo e num dos momentos a moça que tá marcando o cabelo e falou assim não mas eu não tenho esse horário aí a do Google faz Espera aí então não tem jeito humano honestamente não sei responder se ali ele já tava usando uma gan por exemplo alguma variação da e agenerativa que a gente tem deixa eu fazer uma uma intervenção aqui porque a gente tem esse episódio que podia ter três horas e eu poderia ficar com vocês aqui mais umas quatro vamos organizar em duas partes Então porque eu acho que a gente consegue ter uma uma visão maior Primeiro vamos voltar um pouco para o básico e dá uma introdução para aquele cara que nem eu que parou não sai kit learning fez dois tutoriais ali de classificação nos quadrantes aí das bolinhas para pelo menos deixar mais claro para o cara que é deve que tá ouvindo a gente e tem um background técnico dele entender por exemplo neural o que que é uma e como disso surgiu os chat PT e as tecnologias generativas e aí depois disso agora a gente volta a falar de aplicação de mercado porque acho que isso é uma pauta que cara Daria até um outro podcast mas a gente faz uma palhinha aqui se precisar a gente volta e faz mais um depois mas tem um universo aqui para a gente falar então você falou sobre o pouco aqui sobre o que são aquelas tecnologias e as que são discriminativas é classificatória digamos assim certo é uma dúvida que eu tenho até para puxar é para vocês esclarecerem as tecnologias que são as ias que são classificatórias elas são sempre machine learning ou eu posso ter uma chinelo classificatório ligada à rede neural por exemplo Porque tem uma afinidade né entre agenerativas com redes neurais e as classificatórias mais baseadas e modelos probabilísticos digamos assim é só uma afinidade ou é uma capacidade de fato não você tem algoritmos mais clássicos e inteligência artificial né então baseados em aprendizagem de máquina que se usam de redes neurais você tem redes neurais muito simples lá desde dos anos 50 Tá bom então imagina que você tem por exemplo mlp que é a primeira rede que normalmente o pessoal aprende né o Multilaser perceptron então é basicamente uma função de ativação que você tem ali uma função matemática que ela vai buscar um determinado padrão naqueles dados ali de entrada tá Então imagina que a gente está falando de uma grande máquina de reconhecimento de padrões e com o passar do tempo então nós fomos pesquisando diferentes arquiteturas dessas redes neurais como montar essas diferentes redes Porque pensa né Cada função matemática qualquer uma pode virar base para uma rede neural tá então você começa a meio que conectar essas coisas tá então você tem redes neurais arquiteturas que são fantásticas para classificação binária né se é spam ou não é spam Como o Google mesmo faz no Gmail e aí Finalmente né ali em 2014 principalmente a gente começa a falar mais de Deep planing e começa a se ter as primeiras proposições desses algoritmos que vem acesso à família das redes generativas cujo objetivo então é criar novos dados semelhantes a uma distribuição original seja áudio seja imagem seja texto e aí por isso então que a gente fala muito aí das grandes e dos Transformers né então tecnologias voltadas para essa construção generativa né no caso das Guns eu tenho ali ruído que eu vou aplicando naquele conteúdo naquele dado original para que depois dado vários e vários interações de processamento eu consigo até um novo dado então pegar uma imagem que é semelhante a uma distribuição original que eu tenho de imagens né Já os transformas né conexão entre diferentes palavras né para você assimilar o contexto do que está sendo falado por exemplo num caderno jornalístico né Então aí você começa a notar né O que cada técnica faz de melhor então como já foi dito aqui você ainda tem espaço para esse Machine mais clássico aí do Sect planing que você já estuda anteriormente a sigla para Inteligência Artificial generativa isso não não são as generative advers são as redes adversariais agora já entramos num glossário de algo que passou da minha capacidade Então precisamos explicar o que são bem simples e os amigos aqui complementam por favor cara pensa que uma graça é o seguinte é uma rede falando que é verdade e a outra falando que é mentira é isso eu pessoal assim Eu sempre gosto de explicar assim Granada mas é no final do dia que qualquer modelo mais simples que você tem só que você colocou as duas ao mesmo tempo então uma tá tentando Criar e a outra tá contando que é mentira ela cria e a outra fala assim é mentira ela fala então espera aí vou te enganar de novo ela volta aí ela faz mais um treino e volta aí a outra fala ainda é mentira Até que a primeira consegue criar uma imagem tão verdadeira que quem falava que era mentira eu falei assim não agora é verdade então ela passa você imagina que são eu vou simplificar tá amigos dois modelos um criando o Fake eu tô classificando e o outro boa classificando só cara você vai fazendo isso numa interação dois tipos de rede na verdade e generator E aí o generator ele vai ele vai gerar a nova imagem ele chega lá no discriminais e fala Olha a verdade ou mentira Ah é mentira pô Vou lá vou querer a outra para ver se eu consigo enganar o discriminator é meio que isso no gênero hiper você cria um nós ali um ruído para que ele consiga gerar novas imagens a gente vai fazendo isso até ele gerar E aí você consegue gerar quem te falar cenários possíveis cenários você consegue gerar por exemplo a gente falou as imagens que são tão semelhantes com aquela original

20:18esse esse avaliador seria como se fosse um trecho de qualidade do que é gerado é isso não é um trecho hoje porque não é fixo né mas sim sim seria ali um padrão de um padrão mínimo é isso que a gente chama de cara tem que ter um padrão nos que a gente coloca é o aro pontos esse aí preciso lembrar Mas tem uma variável que você põe que ele ele deixa uma liberdade maior para para ir a ou uma criatividade para você controlar por exemplo Qual o contexto que você quer que ele entenda daquilo que tá sendo falado se ele pode criar conteúdo novo ou não Tá então assim isso aí já é mais a questão da chamadas e piais aos modelos para treinados principalmente mais essa assinatura da p.i Exatamente são capabilidades que eles têm de cenários para essas diferentes redes que no caso são baseados em Transformers tem uns códigos muito legal que você já consegue pronto na internet mas só para você rodar que você vê exatamente isso que a gente comentou aqui você roda uma vez e aí você deixa ele gerar aí você vai ver que ele gera de qualquer jeito você vai deixa ele gerando você vai passar horas fazendo isso Beleza porque até chegar mas aí você consegue entender de uma forma mais transparente num código o que que tá acontecendo como é que ela treina de fato porque senão você tem que entrar todo no na parte matemática tenta explicar o que que vai o que não vai se entender ela mesmo de uma forma mais simples pega um código que está na internet exposto de uma gan bem simples que gera imagem por exemplo o que gera aqueles números eu sempre esqueço o nome daquela base sempre que é esse negócio e você vai vendo ele criando e é muito legal que ele cria a primeira vez você vê você vê quando ele cresceu hum não ficou legal né sabe que isso me lembra É talvez esteja falando de um assunto completamente diferente mas foi um assunto que eu estudei bastante pro meu trabalho de conclusão e ainda na graduação faz um tempinho vocês podem imaginar né mas algoritmo genético tem algo genético são uma família de algoritmos em Machine né é mais parecido com aprendizagem por reforço tá do que o algoritmo de Andrade porque aí você faz dois corações pela descrição do Tiago você vai girando ali as criando as gerações com uma taxa de mutação e tem a função de fitness que é o que é aceitação ou não daquela da adaptação daquela geração não por favor vamos lá por favor o algoritmo genético é você utilizar algo Então você tem uma função objetiva você fala ou Minimizar E aí ele vai gerando igual você trouxe ele vai tendo os cromossomos ali né Ele vai fazendo mutação tá até chegar no momento [Música] dogenerativo aqui é outra questão você vai criar coisas novas

23:36do processo que você falou ali é a questão que sim ele vai tentando gerar gerando ali cenários até que ele consiga [Música] mas a grande diferença é que ele não tá querendo otimizar nada né perfeito e aí é mais uma questão de aceitação da geração e não de uma maximização ou de uma minimização que é meramente quando você for ver código mesmo é bem diferente assim o modo como a gente constrói é bem diferente eu imagino que eu tô tentando imaginar que como como desenvolvedor e arquiteto como que eu pego uma uma função matemática e transformo numa estrutura de dados um algoritmo que seria uma rede neural né E como essas coisas se conectam ali mais próximo disso que eu cheguei para para de reis neurais foi no estudo de autômatos etc que ainda tem uma um ponto ali de interconexão que lembra se assemelha uma rede neural mas eu nunca vi uma implementação de uma parada dessa e provavelmente vou terminar esse episódio [Risadas] muito bom uma curiosidade Qual que é a diferença de do machine learning a gente já sabe que é uma inferência mais mais estatística etc mas o que diferencia de fato Tecnicamente de implementação o deplaning bem o The purn basicamente é quando você começa a utilizar múltiplas camadas de redes neurais tradicional o conhecimento de redes neurais era basicamente uma camada de neurônios artificiais esse neurônios então unidades de computação matemática tá pensa nisso pensa que é como se fosse uma função que tá ali naquela camada de neurônios que vai estar tratando aqueles dados de entrada tá então como você perguntou é matemática é matemática matricial e vetorial Tá então não é tão distante do mundo que você já tá ativou aí em algum momento tá agora eu vou fazer uma implementação dele aqui né aí o pessoal quer arquiteto o que que fez com que isso aqui desse certo porque o dipillary de novo eu sempre falo isso tá nada mais é que uma rede neural Beleza tem que ter esse conhecimento aprovou aprender rede de pillarne e não vou querer aprender redes neurais Esquece isso assim você vai ter problema mas o que que diferenciou cara Cloud porque numa rede poder de processamento é armazenamento de processamento você tem ali você pode até forçar quatro cinco camadas para aí vai funcionar fica legal só que cara você não tinha poder computacional o suficiente que nem a gente tem hoje hoje você consegue alugar uma GPU você consegue alugar uma TPU e isso faz com que você tem um poder computacional que você aumente a quantidade de ferramentas como Google coleb que você paga ali um filme mensal de r$ 50 você tem acesso a uma GPU né E aí você consegue processar tudo isso e já que a gente vai conversar trade

27:02Mas ele já vai conseguir interpretar melhor ali então quando você tem uma base de dados muito grande né você pedir mas assim não existe quais algo que são melhores Não na verdade

27:32uma árvore de decisão resolve todo o problema então só evoluindo um pouco mais do que a Angélica acabou de falar né então nós no machilary mais tradicional né basicamente você tinha ali inferência estatística né tipo nave baseana se tinha árvores de decisão você tinha mlps você tinha primeiros modelos de cadeia né então ali basicamente O que que você tem né Você tem um começo desse reconhecimento de padrões né Há muitas das vezes os problemas que a gente resolvia era um problemas com regras finitas ou com atributos finitos que eu poderia entender daqueles dados né então a eu quero trabalhar com escrita Então eu ia trabalhar com o número de caracteres número de preposições número de advérbios E por aí vai toda aquela aquele texto aquele conhecimento humano eu ia tentar ter regras ter atributos suficientes que eu podia gerar para poder pegar um formato de Vetor formato de matriz e processar isso só que a gente começa a falar de problemas cada vez mais complexos né os problemas de imagem problema de tradução automatizada problemas de logística e várias coisas que hoje em dia né não tem mais como você ter todos os atributos que estão ali referentes àquele processo que você quer resolver né Você sabe quantos atributos tem o chat acho que a versão 4 de entrada eu vou melhorar se saiu quanto de neurônio um ser humano tem depende do ser humano né pegar a média do ser humano me ajuda com a média do ser humano se não for a memória média do ser humano ele nasce eu não me recordo se é 90 bilhões de neurônios ou 9 bilhões de neurônios o número vai diferenciar mas o chat obtiver são quatro você não fala memória tem um dobro da capacidade de neurônios de entrada que um ser humano tem então isso que o Wellington começou a comentar aqui agora faz com que você aumente seu espectro de informações porque assim não dá para a gente andar comparar os nossos modelos com o cérebro humano é uma abstração muito simples que não necessariamente é equivalente a célula exatamente tem a ver com quantos parâmetros a gente consegue resolver dada aquela rede neural tá então os parâmetros 90 bilhões é uma se você escrever isso numa função ela fica com bastante eu gosto desses números e é a versão do Bart que é a versão do Google parece que tá vindo com o dobro do que tem a versão do chat você tem duas correntes aqui né você tem aqueles que estão treinando modelos cada vez mais complexos e muitos dados você tem modelos menores né que tipicamente você quer extrair o melhor daquele modelo menor porque você não tem muito grana para poder ficar treinando e tendo GPU adequado para isso né E aí fazendo até um parente aqui para explicar o pessoal que não tem tanto tanta afinidade como eu e conhecimento nessa nessa área é por isso que a área de Inteligência Artificial ela tem tanta afinidade com GPU e TPU né pelo processamento paralelo a gente pode dizer que eu tenho aqui uma série de variáveis que vão estar e elas vão entrar em árvores processamento paralelas que podem convergir Em algum momento ou não mas eu preciso de um hardware de uma estrutura de de processamento que tem um paralelismo absurdo pela natureza de processamento que é paralela por essas árvores que vão nascer a partir desses desses inputs que algum pode morrer no meio do caminho porque não deu nada mas outros podem convergir mais ou menos como você programador Java e trata as suas trades mas multiplicado por milhões por algumas pessoas número de cálculos e o número de dreads possíveis em paralelo tá porque quando a gente fala desse Salto do The plane né então você tá falando ali de algoritmos que você precisa ter uma GPU para você trabalha-los tá não não existe é de planner sem você ter acesso a GPU de alguma forma

32:01entendeu demora anos demoraria anos para você treinar coisas relativamente simples

32:17a gente precisa treinar eles né com exemplos de dados e tudo mais e depois você vai utilizar para fazer novas previsões essa questão da previsão normalmente não demora muito tempo mas a parte de treinar dependendo eu já vivenciei questões que não tinha lpu e tal e que demorou dias o computador lá a gente não tem dinheiro pelo amor de Deus a minha primeira rede neural que eu treinei foi em 2007 na faculdade então não tinha nem sei que tio learning né não tinha nada disso e eu tinha um computador desktop não tinha note não tinha a primeira Regina A minha foi dotnet cara quando ela rodava eu lembro que eu ficava do lado do computador uma cara a energia não pode acabar ninguém pode tocar isso aqui porque cara ficava e era um algoritmo simples era uma classificação de expande texto que hoje você faz roda em poucos minutos segundos às vezes e você fica meio que a máquina não desligue ninguém pode tirar aquele Tomara que desktop cara é antigão eu quero falar com você agora que ainda não conhece a Kleber kleber é uma empresa que já tem mais de 3 milhões de usuários em 30 países com 30 idiomas diferentes que tem trazido Soluções em blockchain criptomoedas e ativos digitais o objetivo da Clever é te dar liberdade financeira para operar nesse mercado de cripto então se você acredita nisso se você acredita nessa Liberdade você já Pensa como a Kleber vai conhecer os caras é clever.io estão contratando também pessoal para trabalhar com cripto com blockchain então se você tem interesse se você tem com respeito nessa área procura Cléber se você gosta de criptomoedas se você opera no mercado você precisa conhecer a Cléber precisa conhecer as soluções da Kleber então o endereço tá aqui embaixo no vídeo para quem não tá no YouTube é cléber. Vai lá vai conhecer que realmente é o mercado sensacional

34:29uma pergunta que me surgiu aqui no momento do Diálogo a doutora falou sobre o treinamento e como ele consome essa massa de dados nessa linha do tempo de processamento né eu imagine eu consigo imaginar como é uma estrutura de dados de banco de dados para treinamento Por exemplo quando a gente fala do Machine Lane clássico lá para referência estatística onde você tem por exemplo uma classificação de verdadeiro falso verdadeiro ou falso Isso aqui é um cachorro isso não cachorro Esse é o cachorro senão cachorro e aí ele consegue fazer uma inferência pelo pelo mapeamento pelo hash será de uma imagem etc e dizer se aquilo é positivo ou negativo quando a gente fala de rede neural que a gente está falando já de expressões Matemáticas e esse tipo de classificação eu pela minha ignorância no assunto eu tenho uma dificuldade de entender como essa estrutura de dados sabe para isso porque uma coisa é você pegar um grande banco de da onde você tem uma afirmação positiva negativa uma classificação que você vai consumir e por semelhança estatística inserir uma classificação depois certo mas eu tenho uma dificuldade quando se trata de rede neural de perceber como que esse treinamento pode ser feito numa estrutura de dados ali como isso pode gerar um novo dado não sei se eu já tô pulando lá para a aula do processo que a gente fala nas primeiras aulas Tá o que que acontece né primeiro que a Angélica foi muito fortuito aqui no comentário anterior dela porque você tem aprendizagem supervisionada que é a que mais a gente vem aplicações de negócio mas em verdade na literatura você tem mais de 17 tipos diferentes de aprendizagem que você pode adotar algoritmo uma máquina tá você tem aprendizagem não supervisionada aprendizagem por reforço filmeshot learning World learning vários tipos de aprendizagem diferente a gente fala da aprendizagem supervisionada né Então aquela que eu tô mostrando dados que representam bem Aquele fenômeno aquele problema de negócio porque é o mais comum né e basicamente não muda para aquele machilane mais tradicional que você viu anteriormente tá então a maioria dos dados ainda são Dados estruturados colunares que você vai ter x atributos e y sendo teu rótulo tá nada mudou agora quando você fala por exemplo né de isso indo para nuvem né você vai utilizar lá é um formato de Parker você vai conectar um head shift com esse teus dados né muda um pouco a estrutura de banco que a gente utiliza hoje em dia se utilizam muito bancos baseados em gráficos tá por conta de questão de velocidade para treinamento né mas assim como que você faz a ingestão desses dados não mudou muito tá imagem a gente continua trabalhando com os valores dos pixels continua fazendo uma representação matricial daquela imagem também não mudou áudio hoje em dia você tem técnicas né que você pede pegar um áudio e você pode transformar Isso numa imagem e é mais fácil de analisar ele representado como imagem por exemplo então assim muda as transformações né mas o dado em se ele não muda vou dar um passinho a mais na dúvida eu consigo imaginar que quando a gente consome essa massa de dados eu vou ter como resultado para classificação uma equação estatística digamos assim um balanceamento estatístico do que é possível do que é verdadeiro ou falso de acordo com os parâmetros de entrada em rede neural isso também é semelhante ou muda muito o formato

38:15pensa que os problemas que a gente resolve os problemas canônicos na área os mais comuns continuam sendo aqueles tá classificação regressão o clusterização detecção de anomalias tá não mudou então a gente continua utilizando por exemplo de plano para fazer classificação binária tá spam não spam isso continue existindo o que muda é a estrutura de como eu tô conectando essas camadas de neurônios e como esse dado ele costuma trafegar por esse neurônios tá E aí tem muita coisa eu posso desligar neurônio eu posso ter um neurônio que de repente ele se reconecta a entrada da rede neural e pensa só o seguinte tem duas coisas não importa qual algoritmo não importa ele vai procurar um comportamento sobre os seus dados não importa uma rede neural é um fbm é um dipillary vai atrás de um comportamento ele não tem comportamento na sua base de dados a sua base de dados não consegue extrair ele não aprende esse é o primeiro ponto e o segundo ponto para mim é o seguinte que eu vejo muita gente falar ah é machin lanner depilania redes neurais cara tudo imagine cara tudo é aprendizado de máquina no final do dia o que a gente está falando é que a rede neural é um algoritmo de pilaine é outro algoritmo dentro do machinete tem um monte de outro algoritmo que você vai usar um técnicas tão diferentes que antes eram utilizados pelos estatísticos pelos matemáticos pelo pessoal da astronomia Então hoje só se botou tudo no mesmo Balaio ali no mesmo pacote tá tudo bem

39:53[Música] comportamentos fazer previsão mas na real na verdade ali só só técnicas diferentes para resolver problemas que eventualmente a gente como humanidade teria o Que Nós criamos para nós mesmos o Airton comentou um negócio aqui no começo muito legal assim cara o primeiro neurônio Primeiro vou chamar de algoritmo 1942 cara 93 junto com pizza 42 42 1942 né E aí a gente tá falando em 2023 agora a revolução do mundo cara em 42 os caras já estava tentando fazer isso com outros problemas mas é exatamente eu trabalhei com plástirização mas na época ninguém ficava falando de data mais em 2007 Mas eu sempre uso nossos tipos de idade é uma hora falaram você sentisse de idade falei ah é eu sou convidados mineração de dados data mineta uma coisa que comentou antes porque eu não sei todo mundo tem essa visão a gente fala de imagem né mas quando a gente fala de imagem nada mais é que cada Pixel você o Pixel separado por exemplo ao longo do tempo você vai ter uma série temporal Ali você vai ter cada fixa como se fosse um dado pontual às vezes quando você fala mais pessoal fala nossa tá trabalhando com imagem mas na verdade é um dado briga uma grande como uma matriz de hexadecimal assim lembrando né pessoal nosso algoritmo nossas máquinas elas não entendem dados em formato humano a gente tem que transformar tudo em matemática várias formas de você fazer isso há mais usual é utilizando os valores dos pixels principalmente RGB porque é uma convenção internacional você tem aí pacotes como o pcv né que trabalha bem com isso né e é muito fácil hoje em dia você criar os primeiros classificadores etc não vou dizer que é fácil você lidar com problemas estado da arte senão a gente não tinha salário né para resolver esse tipo de coisa CR nasceu em 90 e pouco e ainda tem muito problema e vamos lá né pô quero brincar com isso né quero trabalhar com modelos de reconhecimento de imagem mas não gosto de Matriz Então esquece cara

42:35tem um ponto aqui esse conhecimento estatístico o conhecimento de base ainda é extremamente importante para carreira em dados seja na lista de dados engenheiro de dados eu não digo que você tem que gostar de matemática mas você tem que saber o que você tá fazendo justamente para você entender ali os resultados por exemplo de uma rede neural de um fluxo de dados adequado né observabilidade de dados a parte de curadoria é muito importante também né Tem várias outras coisas além das Matemáticas Mas ele é muito importante na minha graduação eficiência da Computação Tinha algumas disciplinas que eram opcionais eu falei pô vou escolher aqui ó por computação gráfica maravilhoso vou aprender o pgl olha que maravilha vou fazer polígonos um abraço e aí como eu escolhi computação gráfica desdobrou em algumas obrigatórias que eram pré-requisitos de computação gráfica uma delas era geometria computacional meu amigo eu fiz essa [ __ ] três vezes porque o que tinha que fazer ele transmitido o que eu tinha que fazer de transformação de Matriz na mão na mão transformada de fourrier para caramba

43:55o que você está me fazendo de fazer transformação de Matriz aqui e tal e é isso cara Aliás a matemática básica computação então se você amiguinho você quer entrar fundo você quer sair do Framework você e quer entender tudo bem adoro utilizar um terras um tem essa flor sabe onde você quer atuar né você agora se você quer entender de fato

44:39[Música] mas o mínimo você saber e eu defendo essa tecla da Angélica e defendo forte porque assim se você não sabe você vai usar errado e aí se você vai usar errado vai te dar um resultado que aparenta ser certo mas está errado mas isso aplica qualquer não mas em particular esses modelos de planner eles são considerados modelo caixa preta tá É muito difícil você ter modelos explicaveis que se utilizam de planner então eu não posso por exemplo fazer uma uma engenharia reversa pegar o resultado e tentar achar a entrada é muito difícil esse processo tá então assim você confiar cegamente também modelos é complicado e a gente já viu momentos aí deu errado tá então por exemplo lá o programa compras quero utilizar lá nos Estados Unidos para jurisprudência né para perdão para liberdade condicional de presidiários né então depois se soube bate um viés racial no modelo né então usos de redes neurais né desse tipo no meio jurídico meio financeiro etc eles têm passado por um grande escrutínio por conta disso tá que você tem viés do desenvolvedores você tem esse mau uso de frameworks né o cara quer desenvolver muito rápido ele não testa bem aquilo que ele tá fazendo isso cara aqui no Brasil

46:07o desenvolvedor só faz o que o Freemont que ele sabe o que ele faria mas isso é bem legal mesmo porque assim eu vou tentar só na linha do Eta que ainda colocar um outro exemplo porque que ele é caixa preta vamos pegar um modelo que todo mundo conhece o modelo de negócio todo mundo conhece você faz um seguro de automóvel seguro de automóvel que que pesa o valor do teu seguro de automóvel bom geralmente é o seu endereço do geralmente a sua idade pode pode pegar quando você vai usar isso um modelo você tem que falar assim o modelo tem que te explicar qual foram as variáveis que pesaram porque ela vai influenciar no contrato que você faz mas aí você faz uma dipillarne aí eu sempre brinco dê o valor aí esse acredita e vai como é que eu faço o contrato como é que o contrato vai ser alterado para o cara de negócio é a ordem como esses atributos foram trabalhados quais os atributos né para certos casos ainda se prefere inclusive o uso de uma tilany mais tradicional porque é mais audável

47:26e aí ele vai trazer basicamente né o quanto cada variável

47:36Mas ele é muito utilizado só que aí existe uma questão que é um por exemplo se você vai lá é uma solução que tem online

47:52às vezes quando você vai levar essa solução para área de negócio para quem solicitou começa aquela questionamento ah não mas eu não concordo essa variável não é já ouvi muito esse reunião exato então eles não têm uma questão continua um pouco caixa preta porque assim às vezes para o negócio ele não entende por que que aquela variável é tão importante aquela variável tá trazendo por trás informações ali no histórico como modelo conseguiu captar uma métrica de ganho de informação para o steak holder né É difícil E aí vai outra ponta né vai outra ponta que como você falou da outro Episódio o mercado tem a maturidade para usar modelos às vezes não tem Então olha eu tenho descoberto que sim tá É que parte muito do aculturamento dos desenvolvedores mas assim você tem um monte de empresa no Brasil tão Preparadas todas usar para você usar em escala na opinião a grande maioria tá a nível de poc tem uma área de inovação que já começou a pilotar algumas coisas entendeu o que que é isso como é que você vai explicar isso para o cara de fora no Bank Itaú que são grandes equipes né Tira esses caras Tira esses caras mas a gente historicamente e existe um GAP né É mais eu costumo comparar o mundo da moda com o mundo de tecnologia E aí eu vou explicar mas você vai num desfile de moda tem uns negócio muito louco lá tipo alguém aí é mais ou menos que a gente tá falando aqui Alguém usaria aquilo na rua não ainda não né mas aquilo vai gerar um site vai gerar um insumo para o negócio que vai estar no ano que vem na rua né então você tem ali o a galera que puxa que tem atração que é o chat PT que é o chat GPT é o desfile de moda hoje entendeu e aquilo ali vai virar um você vai usar o ano que vem na tua empresa que é um pode ser uma Shineray entendeu o que eu acho mas é o princípio então começando a aparecer empresas menores então então você tinha ranking Face por exemplo você tem a correr foi você tem empresas baseadas em deplaning feitas normalmente aí por eles engenheiros do Google meta etc que são empresas que começam a fazer essa disrupção com a equipes menores Tá então não precisa mais você ser uma big-tech para você ter um llm que é digno de capa de revista de notícia aí afora entendeu E aos poucos Isso vai acontecer

50:43trouxe né mas é uma prova de conceito Eu acho que isso funciona muito na verdade pensa que uma solução de natação enfim é um produto digital e aí você sempre vai começar pequeno a Holiday aqui com o histórico deu bom vamos colocar isso no campo Mas vamos colocar por exemplo testar possível gastar o mínimo de suas possível vamos buscar ali vamos ver se valida Ah legal aí eu começo a ganhar confiança do negócio e eu vou expandindo se você começar com um negócio grande já vai gastar uma grana e não sei o quê e tem esse ponto né projetos em ciência de dados de maneira geral eles envolvem risco e as empresas brasileiras elas não são conhecidas por tomar grandes riscos tá é muito claro isso tá então ela só testam ciência de dados elas só vão atrás de grandes projetos quando ela sabem que aquele conceito funciona que um concorrente fez porque eles estão sendo mencionados para o mercado para ter aquela feature tá então o que aconteceu com o desenvolvimento há dez anos atrás está acontecendo agora a consciência de dados Mas tá tendo Mas tá tendo mas de novo ainda Precisa de uma explicação do que que é sabe essa explicação que vocês estão fazendo aqui que a gente está fazendo aqui o que que é como funciona para a gente às vezes é muito fácil a gente consegue discutir Mas você tem que pegar esse aqui e explicar de pillary para quem o cara de negócio assim como o cara não sabe o que era um mico serviço cinco anos atrás sabe tá indo para nuvem tá entendendo a capacidade hoje e eu acho que fazendo minha culpa aqui de nosso profissional de ti é a gente será que a gente se esforçou para fazer essa Cultura a gente tem um vício e vamos fazer uma culpa aqui porque você que tá me ouvindo aí sabe que é assim a gente gosta da tecnologia e a gente vai procurar um problema para aquela tecnologia porque é legal mexer com tecnologia né [ __ ] que da hora velho redes neurais eu vi lá no PPT não cumprida que eu vou lá pô agora preciso arrumar um jeito de botar isso dentro da empresa e não é bem assim que funciona mano você tem que olhar o problema da empresa e procurar o meu melhor solução para ela e nisso você embarca uma tecnologia que você gosta e que você vê que dá resultado mas o principal é resolver o problema do cara né se a gente levar só tipo Olha que da hora essa rede neural para o cara legal olha Quantas camadas olha o tamanho dessa massa de dados cinco minutos de Treinamento quanto de dinheiro Isso vai trazer e outra coisa que eu ia comentar só é que assim tudo isso que a gente tá falando a borda muita parte de tecnologia mas nada empresa eu acho que o nosso maior desafio é a cultura todo mundo fica falando Ah a cultura da padrinhos

54:05o mercado é Excel Draven Você tá brincando né mas assim você tem uma estrutura de você ter uma equipe que tem ali que usa métodos ágeis né para poder fazer por exemplo aferição de débito técnico trabalha em prol disso não tá a maioria dos setores de ciências de dados é muito uma pastelaria ainda tá muita coisa eu quero testar tal coisa vai lá galera entendeu para muitas empresas sem esses dados ainda é isso é real mineração de dados cientista de dados ainda vem com viés acadêmico para dentro do mundo corporativo aí o mundo corporativo engole cara tem uma crítica e eu tenho essa crítica nas universidades e faço quando estou lá que é assim meu a gente precisa começar a treinar a galera que sai Mestre Doutor estudante seja ele o que for com um pouco do viés corporativo para empresa porque senão ele aceita o pastelzinho chinês ali ele também não se coloca e fala assim não pera aí tem que ter um chá e seguir pera aí deixa eu montar isso aqui anunciar esse de cara cansei de pegar a cara assim para começar a trabalhar e fala assim ó você tem que trabalhar em nuvem cara mas eu nunca trabalhei em novo ó o cara é um monstro matematicamente falando é o sentido de dados ele ele aprender com engenharia de software mais tradicional também eu gosto muito inclusive das pessoas que são Engenheiros de software é mais fácil é mais fácil Se você pegar um físico e eu já cara já tive gente trabalhando como físico phd monstro sem esses cálculo aqui o cara faz de cabeça cara não precisa nem fazer na folha faz de cabeça Pô mas agora você tem que colocar isso aqui na Cláudio mano que que é isso ó agora você tem que usar um red shift meu Deus Joga num Bucket não sei o que que é isso então por isso que eu também concordo com você tá pegar o cara que é engenheiro de software a pessoa que é engenheiro de software e explicar esses conceitos acaba sendo mais fácil mas o que que assim posso estar com uma visão enviesada por já ser engenheiro de software o que que é mais fácil ensinar eu tenho uma dificuldade de entender esse lado estatístico matemático porque eu nunca tive contato e eu acho super fácil fazer um deploi será que é mais fácil é mais fácil pegar um cara um matemático ensinar a ti ou cara de ensinar matemática

56:52de não entender mas não tinha o perfil de experimentar a coisa do método científico no tempo que eu já tive cientista de dados que muita dificuldade de entender essa parte de melox colocar produção e não sei o quê Caraca eu mesma quando eu sair da academia eu já sabia toda a parte científica e tudo mais mas eu fui fazer essa ligação justamente da questão de nuvem porque eu sentia falta então mas eu pelo menos acho que é muito do perfil mas eu concordo com os meninos que quando eles trazem ele quer aprender tudo ele não vai ter tanta dificuldade você tem que se você pegar a lista são conhecimentos é muita coisa do método científico então a gente sempre tá trabalhando em levantamento de hipóteses e experimentação para cada hipótese que você levanta a nível de negócio tá então a coisa de validar com as áreas de negócio é uma coisa geralmente o engenheiro de software Ele já sabe fazer tá é construção de pipeline de csd lidar com nuvem Apesar de que o serviço que a gente utiliza são diferentes né então sei lá o cara não vai saber lidar com a ws6 Maker mas ele sabe ali o que que seria treinar um modelo eu consigo guiar o cara entendeu ele sabe o que que é criar um serviço ele sabe botar um código no no docker da vida por exemplo ele sabe pré configurar máquinas entendeu muita coisa que é do dia a dia do cientista de dados ou deveria ser tá E é um pouco mais difícil para pessoa que tem uma formação full acadêmica ou ainda não passou pelo mercado de trabalho formal entendeu

58:50um monte de problema aqui que a gente tá colocando né e Quer uma ajuda aí na sua empresa faz o seguinte entra no site aqui dance que a gente pode te ajudar nós somos uma empresa relacionada à arquitetura de soluções a modernizações de aplicações também atuamos na fonte devops para ajudar vocês a serem extremamente ágeis então dá uma olhada no nosso site que vai estar aqui embaixo.io e lá você vai poder ver um pouquinho da nossa história do nosso profissionais e aproveitando se você for um profissional da área de tecnologia que tá a fim de trabalhar numa empresa legal monte de colega gente boa e tecnologia de ponta manda um e-mail para pipoquer@veme bass.io [Música]

59:42está falando bastante sobre essa interação entre o cara que vem preparado pela academia vem com conhecimento mais teórico e tal e tem um choque de mercado aqui né como que vocês vem o mercado hoje Desses desse desse profissional ele vem de outras áreas correlatas ali Física Matemática Ciência da Computação não vem porque a gente aprende o básico ali de contabilidade etc né Acho que as áreas mais de exatas elas a maioria vem da Computação ainda tá ou da Computação da engenharia elétrica porque a inteligência artificial era uma coisa da engenharia elétrica até pouquíssimo tempo atrás a maioria dos cursos de pós por exemplo ainda são vinculados a cursos da área de engenharia então Engenheiro computação engenharia elétrica você vê muito pessoal da Matemática estatísticos que fizeram de carreira muitos recentemente inclusive o pessoal da química da biologia pessoal da biblioteconomia tá então assim tem algumas posições variadas aí principalmente quando a gente fala do ser cientista de dados tá tem muitas formações diferentes é que eu acho que tem uma característica principal pelo menos para mim tem uma característica principal quer saber interpretar saber fazer análise o cara pode ter vindo da física se ele não souber fazer análise esquecer cientista né capacidade analítica e método científico eu vou mais longe tá eu brinco muito com as pessoas assim a tia Maricotinha na quarta série te ensinava a interpretação de texto e você fala assim meu essa aula é horrível eu não quero dali você começa a fazer o desenvolvimento depois das suas aulas de matemática você vai se desenvolvendo para chegar aqui eu ia comentar com você se você pegar a lista dos esquilos que foram Mundial soltou agora em 202 acho que foi uma delas é saber interpretar ter o poder de análise e aí não importa qual é a sua profissão assim Da onde vem os cientista cara ele vem de Física Matemática química bibliotecária que nem me comentou economia Ciência da Computação qualquer lugar agora tem essa característica base de softwares que o básico Putz não tem cara aí você vai pegar muito mais para ensinar ele a gente fala de um steck básico né então ter domínio de uma linguagem de programação geralmente Python ou R Mas recentemente você tem um outro público né que tá começando a aprender por exemplo Júlia outras linguagens né tipo escala Spark também é bastante utilizado para partir de arejada [Música]

62:31não temos problema com Java tá tem bastante coisa que o pessoal muitas pessoas querem tomar conta de dados pergunta ai eu tenho que fazer uma especialização tenho cara assim tipo fizer uma recomendação de algo uma pó mas mestrado alguma coisa mais que talvez isso e você não tem essa conhecimento científico vai te ajudar não tô falando com a foto mas às vezes a gente desenvolveu uma solução ali ter um contato com o lado científico pode te ajudar muito mais eu sou professor de NBA na área né de ciência de dados Inteligência Artificial eu digo assim o MBA é muito bom para aquele cara que ele quer ter um compilado ótimo de todas as áreas que como que ele vai se formar um cientista de dados o engenheiro de dados tá então assim geralmente eu indico para pessoa que não fez uma uma graduação mais científica digamos assim Fez por exemplo análise e desenvolvimento de sistemas entendeu aí realmente é muito difícil de chegar para um cara desse e falar método científico vamos aqui começar a pensar hipótese cara não teve nem tempo para isso entendeu mas assim ela não fez o metodologia científica lá na graduação é porque hoje em dia você tem muito isso pessoas que só queriam ser programadores e o mais rápido possível isso ocorre mas assim como foi que o mercado mercado corporativo Então cara no mercado corporativo e manda ele fazer um mestrado mercado corporativo não aguenta porque o mestrado o cara tem que ter uma identificação tem aquela dedicação para fazer tem aquela história no mestrado na doutorado que você já vocês escutaram obviamente que assim você lê 50 artigo para fazer um parágrafo só que o tempo que você tá lendo 50 artigos para ler um parágrafo você tá com problema em produção Então o que eu falo muito assim voltar tava falando com a Angélica aqui vou votar no ponto tem uma parte cultural que a gente precisa desenvolver precisa desenvolver Tem uma parte mais forte acadêmico que aí me permite uma discordar os meus amigos aqui rapidinho eu nem acho que é só um mestrado eu acho que tem que melhorar a graduação eu falei com você aqui da outra vez e aí e eu adoro esse assunto você sabe disso esse assunto a China mudou totalmente o modo que a China Opera para que a China hoje seja uma potência Inteligência Artificial A China é isso aquilo é a maior potência a gente costuma falar muito de América do Norte né então estados desencanada mas a China a China é a maior potência e aí quando você vai estudar como que a China virou essa maior potência a China não começou a olhar só para Ah vamos ter mais isso aquilo outro não achei não foi lá no básico lá lá no Basic lá nos alunos mais que estão começando começou a desenvolver esse pessoal começou a mostrar para esse pessoal aqui olha o Vale do Silício é legal mas aqui também pode ser muito bacana E aí tem esse Boom que tem lá cara assim eu vi uma proporção uma vez não sei se os meus amigos aqui já viram alguma vez que é assim enquanto no Brasil você forma chutando mais ou menos tá pessoal não lembro mais esse número 50 Mestrando por ano nos Estados Unidos se forma 5.000 e na China se forma 50 mil é proporcionalmente população já já eu não tenho os números mas assim a gente sabe né que nos últimos anos a gente teve um ataque orquestrado contra a ciência brasileira né Isso é óbvio Mas a quantidade de pessoas foram congeladas E por aí vai pessoal não tem a base para formar esse tipo de profissional já há muito tempo mas assim mas a pergunta que eu quero fazer para vocês até mais específica precisa ser um cientista e ter esse esse background científico para atuar aí comercialmente na área de inteligência a gente quer que não vou continuar essa barreira Eu também acho que comentou

66:48É muito difícil você ter vagas para cientista de dados Júnior tá então o que que eu recomendo geralmente né a pessoa que quer virar um sentido de dados trabalha primeiro com análise de dados seja um bom analista entenda o que que é um outlaia de uma base de dados Entenda os fenômenos que aqueles dados estão querendo ali te explicar para que você possa reportar nível de negócio trabalha com visualização de dados que é uma coisa que tá pegando muito né A primeira coisa que as empresas tendem a experimentar é o biai o beyo é mais tradicional mesmo de tablou tá bom E aí depois eles vão para a ciência de dados eu vou pegar o seu gancho tem vaga de cientista de dados de Júnior no mercado não existe não existe agora o arquiteto é o desenvolvedor que teve tanto bo que aprendeu muito e arquitetura tem que ter um desenvolvimento natural e é por isso que eu falo da cultura das empresas de entender mais como é que se usa não acho que tem que ter essa barreira que nem meus amigos falou que não tem que ter de novo cara assim você pega os Estados Unidos vamos pegar o agora os Estados Unidos Estados Unidos está ensinando programação para crianças na sexta série Aí você faz pergunta assim cara por que que o cara tá ensinando programação para uma criança de 6ª série que às vezes o cara não vai ser um cientista o cara vai ser um Jornalista vai trabalhar com sei lá administração de empresa porque na cabeça deles o futuro é que todo mundo vai ter que saber o básico disso aqui então as pessoas preparando ele tem um movimento muito grande que é o movimento sides tá então você empoderar a população para que ela saiba trabalhar com análise de dados tá e já saíram vários projetos interessantes daí tá é pessoas por exemplo que elas querem começar automatizar a casa e depois ter uma tomada de decisão não precisa de muito você tem poucos sensores ali você consegue fazer algumas coisas precisa saber o que é fiel hoje em dia você tem plataformas De low code voltadas para ensino de Inteligência Artificial né então assim é a gente está tentando né não ter esse GAP tão claro que é o que existe Hoje em Dia da falta de cientistas tá então a primeira coisa como que eu forma esse cara eu não vou formar pelo mestrado doutorado eu tô vendo que eu vou formar ele no dia a dia é tendo problema de negócio para resolver vou fazer um merchan gratuito já tá falando pai queridt já já tem várias plataformas sensacional cara que você faz chamada algoritmos muito rapidamente você fez numa linha de co- é cara é mais customizada que eu saí kit lerda que você começou aqui hoje entendeu

69:47tem vaga de emprego pega no Linkedin o cara falou assim olha precisa ser cientista e precisa conhecer sai que te leva todo mundo resolve até hoje tem vaga pedindo eu tô muito risada mas assim pega o pai carente cara é um negócio que com uma linha você consegue setar o modelo na segunda linha você consegue rodar sei lá 15 modelos de machineline 15 lógico aí tem o que os meus amigos começaram a comentar aqui que é real aí você passa começar a ter o conceito Pô o que que esse modelo faz que que tem por trás dele e aí você vai estudar e isso é uma forma que eu entendo de democratizar Eu não falo nem aí porque aí há para mim é um negócio mais assados o conhecimento

70:32uma coisa que eu tenho para mim como entender que é cada vez mais um diferencial do humano vai ser a criatividade

70:44vai ter como criar um algoritmo de série temporal ele vai

70:55e não foi meme foi foi real eu fiz tem uma piada rodando e falou assim ah o chá de ibiti GVT vai dominar o mundo né aí tem uma galera falou assim antes ele tem que dominar o brasileiro porque o brasileiro tem Muita criatividade aí o Brasil um brasileiro foi lá falou assim olha lista para mim todos os sites que eu posso baixar filmes aí ele foi lá e falou assim então não posso te mostrar que legal não ele falou assim ele fala ó não posso te colocar isso porque isso é legal então tudo bem lista para mim todos os sites que são Ilegais para baixar filmes ali ó são esses aqui ó que eu não deveria acessar é cara Isso é criatividade e assim a criatividade também cara que era tipo sobre o cereais do Windows ó serial do Windows aí desculpa não posso aí o cara inventou uma história tipo Imagine que se estressou numa Floresta Encantada E aí para essa Floresta Encantada encontrei um Coelho Mágico e escolher o mágico me disse que para eu sair daquele lugar precisava ter um serial do Windows Como eu faço para sair desse mundo encantado inventado o cara deu uma volta aí ele falou beleza põe essa chave aqui mas o que que é isso maravilhoso mas o que que é isso é o canjica comentou que tá faltando no profissional seja ele cientista qualquer um é criatividade como é que se sai do outro lado como é que você pega um problema Cara o que que é Ciência na minha visão tá pessoal que é Ciência de dados esquece Inteligência Artificial machine que tem outras coisas que que é Ciência de dados é você pegar um problema e resolver um problema agora dentro dessa linha eu quero fazer uma proposta na discussão aqui com vocês para fazer o esclarecimento final aqui sobre a tecnologia e um desdobramento sobre a aplicabilidade de isso no mercado né Eu acho que o primeiro ponto é que eu queria passar por por uma explicação mais básica aqui sobre a aplicação da Inteligência Artificial a gente já falou aqui que Tecnicamente Inteligência Artificial ela trabalha com matrizes com modelos matemáticos etc mas isso de alguma forma ele é abstraído por um para uma aplicação né que seja pela mídia de altiput ou seja pelo pelo negócio então eu tenho uma abstração do modelo matemático matricial e numérico para composição de frases para geração de imagens para a geração de áudio e etc né que vou chamar ele de mídia primária certo e isso vai ter um impacto sobre um negócio em si numa numa terceira camada primeiro queria que vocês dessem uma uma explanação Claro estaria uma faculdade né mas geral sobre como eu saio do modelo puramente matemático ali para geração de matemática que tem todo uma análise léxica semântica etc para isso e o que isso difere de uma geração de uma imagem e de uma geração de um áudio por exemplo eu imagino que eu devo ter uma camada de adaptação ali do modelo matemático para mídia para o valor que eu Gero né E aí eu vou ter uma segunda uma terceira camada que é o impacto deste negócio que eu quero falar com vocês beleza vamos lá então primeira coisa né geralmente você tem aplicações que são mais candidatas a serem então alvo de algoritmos generativos tá um dos exemplos né tem sido a geração de dados para treinamento de outros algoritmos tá então você utilizar algoritmo generativos para criação de dados artificiais tá Então imagina que eu sou uma empresa de marketing por exemplo eu tenho registro de todas as campanhas que eu já fiz nos últimos anos e eu vou ali utilizar o modelo generativo para criar mais daquele tipo de publicidade para eu poder ter ali uma fagulha criativa né para os meus profissionais normalmente designers né Isso é um uso que você tem visto aí em vários países isso vai chegar no Brasil também em algum momento tá dentro disso você tem tecnologias como a mediane por exemplo a mediane você bota lá o próprio ele consegue te gerar imagens altamente realistas muito parecidas com filmes porque coincidentemente ela foi treinada realmente em dados de artistas e de filmes consagrados tá ou que estão naquele estilo né por conta de questão de copyright você tem lá o Dali que também é uma outra rede baseada nessa geração de isto tem a usar muito um chamado Blue healo você já ouviu é um bote do do discord é music LM viu já também geração de Beats né rappers tem usado bastante né quando você fala de texto né a gente vê muito empresas de advocacia vindo atrás desse tipo de tecnologia empresas que por exemplo tem um escritório e elas querem fazer com que os documentos legais as petições etc Elas têm um formato mais padrão uma linguagem da empresa isso é possível hoje em dia você pode ter uma linguagem mais formalizada né de como você trata um determinado assunto sem problema algum né aquela coisa né de você pegar um FAQ e criar um chatbots tem evoluído também né empresas de chatbot tem utilizado muito esse tipo de tecnologia né e assim essas inteligências artificiais elas continuam sendo extremamente específicas tá então você tem uma entrada para uma determinada saída Tá bom então o modo de processamento ele também vai variar com cada um desse problema se eu tô falando de linguagem escrita tipo chat PT o que que ele me faz ele faz basicamente uma inferência de contexto de acordo com as palavras que ele consegue identificar tá bom e os vizinhos dessas palavras tá então é muito semelhante algumas técnicas de antigas que a gente já utilizava de análise de informações escrita só que agora O legal é que ele passa a não esquecer essa informação de maneira tão fácil como acontecia em técnicas anteriores tá bom e ele passa a criar informação nova tá esse criar informação nova é uma coisa que pode ser muito boa ou não para algumas aplicações né que a tal da Alucinação né A Angélica Tá rindo porque ela já deve ter visto algumas alucinações aí na vida né é só para dizer que assim depende muito da aplicação que você quiser mas geralmente né o fluxo Ele é aquele gestão de dados processamento se é um processamento linguístico de um Transformer né você tem então essa contextualização basicamente eu sei o contexto pela repetição das palavras e pela proximidade delas e eu tenho essas conexões entre as diferentes palavras o Google mostra muito bem isso né que são as palavras indo uma de encontro a outra e aparecendo rapidamente né Isso é muito legal um parente aqui para passar produto quando eu tô falando de palavras que eu tô fazendo essa correlação eu tô falando de palavras meramente pelo contexto da aplicação mas eu poderia tá falando boa afinidade de pixels de afinidade entre entidades ali que são semelhantes né pode ser palavras sons imagens etc e isso me Abstrai da mídia que eu vou gerar output ou não porque o processamento Corel mesmo isso por exemplo para o Pixel né Você tem um mecanismo chamado atenção hoje em dia que se eu quero fazer uma classificação de imagem né entender lá a diferença entre gatos e cachorros né o exemplo que todo mundo usa né então hoje em dia né eu tenho uma análise nas diferentes imagens e eu consigo entender que nas imagens de cachorro sempre tem um focinho tem ali a ponta da orelha né Muito proeminente e tal e hoje em dia eu tenho esses mecanismos então que eu posso dar atenção naquela área e isso me tira aquele problema que era o fundo da imagem né o classificador de lobos na verdade estava classificando a área com neve né É uma história muito famosa aí então assim muda o jeito que a gente adapta as técnicas para trabalhar com os diferentes tipos de dados pessoal a gente tem que entender que esse tipo de algoritmo né ele vai gerar uma nova informação não é um você pode utilizar para pesquisar mas por exemplo vamos lá ah eu vou utilizar para pesquisar referência bibliográfica

79:48S de projetos e o pessoal tava comentando reclamando Tá mas na verdade o jeito que tá bastante utilizado era errado não é uma ferramenta de busca exatamente né Pode ser que ele possa te ajudar em algum problema mas ele vai criar informação nova Não é vamos assim

80:13sobre essa questão de aplicação é uma questão também que é muito utilizada quando você quer criar dados sintético né você não tem muito dado tem até um algoritmo que é você gerar múltiplas imagens a partir de apenas uma imagem cara isso é para área de software e é mais do que área de teste de software porque assim de novo quando você fala de Deep learn você precisa de muito dado para treinar você precisa de muito tá E assim cara a gente tem um problema Mundial não se tem esse monte de dados para treinar por mais que hoje na internet

80:54e ter uma dúvida sobre uma um ponto conceitual que eu li essa semana que envolve até um pouco de filosofia que eu quero deixar o final mas eu quero fazer uma pergunta que me despertou aqui pelo pela pela exploração do Airton essa questão dele recuperar o contexto você lembrar Essa mesma conversa isso é simplesmente salvar uma máquina de estado que ele ele deu um save ali de onde eu tava pegou aquele processamento e a partir dele começa ou tem uma engenharia a partir é mais simples que isso aí é que tá né a tecnologia dos Transformers ela é relativamente simples fora Claro o caralhaço de matemática ela relativamente simples o que que acontece né imagina que eu tenho um grande vetor de características que seria a representação do meu texto tá ele tem a posição 1 e ele tem lá a posição infinito tá Então essa é uma tecnologia que ela consegue ver muito tempo atrás tá não é dizer que ela não se perde tá ela ainda se perde quando você tem muitos textos e muita informação como contextos muito diferentes entre si Tá bom mas ela já consegue olhar os momentos quando no chat é pt eu treino ela como se fosse um algoritmo já aprendi os esquemas ele falou ó para fazer essa essa tarefa você precisa pegar esse dado que eu vou te dar esse dado se transforma desse desse jeito e aí você vai fazer o buscar essa informação e eu preciso desse dado final para gente que é desenvolvedor é mais fácil treinar ali um prompt E aí você falou a partir daqui eu vou te dar esses dados você tem que dar esse tipo de beleza e ela vai funcionando cara a partir do momento que você vai dando dado esquece e aí ela e ela começa exatamente

82:49a gente já tinha técnicas que faziam isso tipo Antigamente você tinha Zé RN as grus hoje em dia você tem as lsdms né que são a nossa tentativa de ter uma espécie de memória nas redes neurais tá então para evitar esse esquecimento tá mas você ainda existe tá bom ainda existe por isso que a opinião ela fez aquilo de você ter janelas diferentes para cada interação tá ela salva aquele Estado até um determinado dia lá então aquilo ainda fica salvo o ponto de você parou que é exatamente esse experimento que você fez legal E aí para voltar nesse teu ponto Thiago que você falou dos dados sintéticos etc já aprende partir para o final aqui porque daqui a pouco a gente vai ter que agendar o próximo episódio porque essa conversa não acaba tão perfeito mas eu vi uma uma observação sobre as consequências sociais do uso de Inteligência Artificial e eu achei incrível esse artigo do enfim eu como host podcast deveria trazer as referências Mas eu sou um roxo relaxado e eu esqueço de trazer mas eu vou deixar aqui no seu achar né aqui na descrição mas era uma crítica mais um alerta sobre a possibilidade da gente entrar numa recursividade social de geração de conteúdo porque você pode gerar estar no momento em que tanto conteúdos tá todo mundo usando a inteligência artificial ela vai gerar conteúdos que são tipicamente gerados por Inteligência Artificial e talvez nós humanos não tenhamos a capacidade de falar pois aqui foi gerado por Inteligência Artificial mas outro Inteligência Artificial sabe que foi direto para uma inteligência artificial E aí você vai utilizar prompts e insumos para treinamento de Outra Geração de conteúdo de outras máquinas através de outras máquinas e isso pode gerar uma xerox da Xerox digamos assim é a mentira que vira verdade e qual que é a consequência disso de fato isso pode gerar um output empobrecido lá na ponta Mas você pode gerar grandes confusões lá na frente é uma palavra muito difícil de dizer é pobre ou não é aquele negócio tá gerando tanto que era uma mentira que passa a ser verdade e depois que ela virou Verdade Aquilo é Verdade Aquilo não é mais mentira mas ó por exemplo Hoje nós estamos no momento que a gente tem humanos gerando prontoshot PT se eu tivesse inteligências artificiais gerando prontos do chat PT não mas qualquer recursividade disso você tá colocando no proud tá colocando seu dado mas o treinamento que já foi feito ali por trás ele já existe

85:47agora poderia acontecer assim agora eu quero polêmica O que poderia acontecer é o seguinte imagina que de repente todas as empresas começam a adotar por exemplo o Guitar Pilot tá aí você poderia ter né um fenômeno que seria as pessoas cobrando muito parecido não mas porque a resposta do modelo ela padrão Aí eu falaria mesmo porque aí não tem mais problema de corte né a mesma coisa se todo mundo hoje é pt isso vamos ela tem um padrão também é muito difícil colocar o cenário hipotético hoje a gente tem um chat upda que funciona muito bem treinado com o conhecimento e com conteúdo gerado essencialmente humana vamos avançar 10 anos no mundo aqui ó vamos para 2030 também é uma pergunta difícil vamos para 2033 a gente tem 10 anos aqui de conteúdo gerado pelo próprio chat PT se os chat GPT fosse treinado 10 anos à frente com conteúdo gerado pela própria isso Poderia gerar uma recursividade de geração de conteúdo dificilmente pega o início do speech

88:24padrões parecidos e aí começaram a ver que provavelmente era um chá de PT tanto é que em eventos científicos você a maioria você não pode mais utilizar o chat GPT somente se o seu artigo falar sobre cheia PT que aí você tá jogando no eas não sei se o próprio chá de bebê coloca o texto lá e pergunta foi o chá de bebê

88:56eu concordo com esse ponto pelo uso chat epider que a gente tem hoje inclusive eu não vou revelar mas tem muitos e-mails elogiados que eu mando até hoje que teve uma pombinha de ajuda foi pedir demissão ela falou assim não sei como pedir demissão como é que eu peço permissão que eu acho legal que você faz e a gente naturalmente tem prontos uso da linguagem de maneira totalmente diferente tá mas assim lembra que aquilo ali tá treinado na base de dados aberta né então ele ele é um colder mediano ele é um escritor que passaria ali um aperto na Faculdade de Letras mas passarias gente que eu quero questionar é a qualidade da fonte de dados o chat é pt ele é o que é hoje porque ele tem uma tonelada de dados gerada por humanos de qualidade onde ele foi treinado e o ponto então comparar com a qualidade do conteúdo humano de fato a qualidade é ruim esse que é o negócio exatamente da qualidade mas a recursividade o que eu quero dizer é como seria o chat PT se ele tivesse sido treinado por conteúdo gerado pelo próprio de idade é ruim O resultado é ruim porque porque ele estaria replicando o mesmo conhecimento que ele tem hoje vai ser difícil isso acontecer no mundo porque não vai ter soldado chefe PT mesmo que muitas pessoas começaram a usar Pô você tá no seu celular você tá digitando você tá mandando áudio você tá Mesmo mesmo que a pessoa não tá girando o dado a gente tá girando dado aqui agora de repente resolva utilizar a Guitar ele tinha PT etc eles ainda vão utilizar outras versões de outras empresas para mim não é o problema não é o problema porque acho que vai ter curadoria as empresas como vai criar modelos e já estão criando para melhorar o dado que é o tipo sabe qual é o problema o problema é você usar esses modelos para o mal vou te dar um exemplo que esse exemplo para mim eu vi esse exemplo é de arrepiar tabelionato sua cidade ideológica Imagina você criar um modelo com a sua voz

91:32Esse é o problema então assim o problema da massa de dados só para fechar sobre dados sintético porque que ela começou por exemplo Angélica falou bastante porque a gente não tem massa de dados direito para gerar nenhum modelo em média a gente pena muito para ter massa de dados para criar então a galera começou a desenvolver a parte da base de dados sintética Foi aí que os modelos começaram a ganhar bastante estrutura porque não tem o dado preciso criar o dado né porque se eu esperar ter dados eu não vou conseguir ter modelo nunca então começa a desenvolver só que agora eu tô criando dado que nem a Angélica falou tem um exemplo que você tem uma imagem e ele gera várias imagens mas o que que ele faz com a imagem ele via ele vai virando a imagem em várias posições diferentes para que ele tenha dado Então cara eu tenho eu tenho uma dificuldade de entender entropia dessa parada Mas isso isso vai para outro Episódio porque se eu tenho uma capacidade de gerar uma imagem e essa imagem ela tem um grau de informação fornecida e eu faço uma variação dela como que ela pode ter valor para gerar uma peça que geralmente o valor ele tá justamente você Comparar as diferentes classes que você tem então um exemplo que eu dou para os meus alunos é o exemplo lá da Visão computacional aplicado nos carros autônomos tá ele tem que ter a mesma quantidade de treinamento para as diferentes placas de trânsito que existem aí no mundo todo tá Então imagina que de repente tem uma placa que é menos utilizado você tem menos conhecimento dela mesmo assim eu vou ter que ir lá criar dados sintéticos para poder parametrizar com que todas tenham o mesmo número de exemplares ali é só para garantir aprendizagem não é que aquilo vai fazer muita diferença mas pela teoria da entropia uma imagem que variou de uma criação que eu tenho ela tem a mesma quantidade de informação não necessariamente quebra o modelo não a informação talvez que ele vai replicar por exemplo pega uma imagem talvez ele pode passear qual fazendo a média do meu Pixel né quanto que eu vou ter de valor Qual que é o desvio padrão qual quanto que eu vou eu vou pegar parâmetros estatísticos e a partir desses parâmetros estatísticos eu vou criar novas imagens para que nós vamos ter os mesmos é como se fosse um item diferente apesar de ser baseado no mesmo item original digamos assim no final da memória no concurso de fotografia Mundial que ganhou foi uma imagem gerado por uma inteligência artificial elas estão ficando de muito boa qualidade então começando a artisticamente

94:30E aí utilizou uma um algor generativa criar uma nova partitura porque Beethoven ele ele compõe muito né então todas as músicas de Beethoven E aí perguntaram de passar música de Vitória ou não ele teve vários que não conseguiram identificar Ou se era o algoritmo qualquer problema que você tiver um estilo muito específico né então música texto etc essas ferramentas são extraordinárias elas conseguem alcançar resultados brilhantes tá muito bom meus amigos infelizmente nosso tempo esgotou eu poderia ficar aqui mas quatro ou cinco horas conversando com vocês sobre esse assunto já deixo aqui um convite para a gente continuar essa pauta eu acho que a gente pode aprofundar muito mais principalmente agora essa questão de uso etc eu estou muito satisfeito muito feliz porque a gente conseguiu dar um overview técnico sobre sobre muita gente não fala né é exato e que o meu objetivo era o meu objetivo hoje era esse porque nosso público é muito de desenvolvedores de arquitetos pessoal de tecnologia que não sabe muito bem como dar o primeiro passo e Como entender o começo dessa parada Então eu acho que foi de muito valor para essa galera que vai ter vai ter gente agora no github procurando algoritmo de Inteligência Artificial de redes neurais de até do próprio site então a gente vendeu muito bem o site pega pega o pai carente eu tenho alguns materiais para quem quiser entender um pouco mais desse mundo da generativa ai depois eu boto lá no meu canal por favor deixa o link do teu get head da referência que a gente deixa para o pessoal deixa eu fazer uma recomendação então a galera que tá vendo Leia um livro chamado o cérebro relativista muito bom ele é uma tese de doutorado do Miguel né que é cientista da Computação com outro que eu esqueci o nome dele peço desculpa que é neurocientista e eles explicam tudo que a gente acabou de falar aqui de uma forma muito transparente eles não explicam a equação Mas eles explicam Como funciona o modelo de machine learning de Inteligência Artificial que vai se desdobrar para qualquer um desses outros modelos é um livro muito bom e barato pagar r$ 30 nesse livro 80 páginas muito bom pessoal Muito obrigado pela presença de vocês você se ainda não deu like depois de tudo isso que a gente conversou aqui você não deu like no episódio não se inscreveu no canal não mandou compartilhou para ninguém esse episódio Você ainda tem uma segunda oportunidade de fazer isso agora meus amigos obrigado pela presença de vocês Doutora Angélica obrigado pela pela presença mesmo remota Espero que na próxima vez que você esteja aqui com a gente no episódio no no estúdio obrigado professora Airton obrigado obrigado meu parça é nós segue a gente nas redes sociais Se você não se inscreveu ainda segue agora obrigado pela audiência valeu [Música] [Aplausos] [Música]