Estudo desmistifica a complexidade dos algoritmos de Inteligência Artificial e mostra como os métodos desse campo de conhecimento podem ajudar na tomada de decisões.
Qual é o assunto da pesquisa?
Roger Wang, da Universidade de Dundee, na Escócia, é um especialista na aplicação de dados na investigação de problemas ambientais. Em um artigo recente, o pesquisador utilizou duas técnicas de Inteligência Artificial – processamento de linguagem natural e visão computacional – para monitorar a ocorrência de alagamentos. Os dados utilizados foram posts no Twitter e fotos no MyCoast (um aplicativo criado para supervisionar o litoral norte-americano com imagens fornecidas pelos usuários).
O estudo exemplifica como dados gerados pelos próprios usuários podem ser transformados em informações extremamente relevantes para tomada de decisões, além de ser uma interessante demonstração do funcionamento dos algoritmos de Inteligência Artificial.
Qual foi o método utilizado?
Em primeiro lugar, foram coletados 7062 tweets com palavras-chave como “alagamento” e “inundação”, postados entre 29 de setembro e 28 de outubro de 2015. Quando se tem o intuito de mapear alagamentos, informações sobre localização são essenciais. Logo, o pesquisador usou uma ferramenta de reconhecimento de texto para extrair os locais apontados nos tweets. A ferramenta foi treinada para reconhecer os locais de acordo com a linguagem informal utilizada no Twitter, com abreviações, erros de ortografia e uso de hashtags. Uma vez listados os locais de cada tweet, também foram capturadas menções sobre a profundidade dos alagamentos, com palavras como “pés” ou “polegadas” (medidas norte-americanas de comprimento).
Outro algoritmo foi utilizado para reconhecer alagamentos em imagens publicadas no MyCoast. A ferramenta recebe uma foto e devolve uma lista de tags que descrevem os objetos retratados na imagem. Cada tag, por sua vez, recebe um índice de probabilidade para quantificar a confiança no reconhecimento. Assim, quando o algoritmo identificava um alagamento, essa foto recebia as tags adequadas, tal como nos exemplos a seguir.
Resultados
Wang observou que os picos de tweets publicados sobre alagamentos coincidiram com a ocorrência de furacões que acometeram os Estados Unidos. Porém, ele comparou o volume de tweets publicados com os índices de precipitação registrados naquele país e foi encontrada uma correlação fraca. Apesar disso, o pesquisador afirma que a vasta cobertura geográfica do Twitter e os baixos custos de utilização contam pontos a favor dessa rede social como ferramenta de monitoramento.
O reconhecimento dos alagamentos nas fotos publicadas no MyCoast passou por um processo de checagem manual e o pesquisador avaliou que o algoritmo é útil na extração de informações, mas ainda precisa ser melhorado. Isso porque metade das imagens analisadas não foi corretamente reconhecida. No entanto, o aplicativo é interessante por fornecer informações de geolocalização das fotos – diferente do Twitter, onde os locais precisam ser desvendados por algoritmos de reconhecimento de texto.
Curiosamente, o autor sugere a participação da inteligência humana para melhorar a qualidade dos dados dessa proposta de Inteligência Artificial. No Twitter, uma possibilidade seria pedir mais informações para o usuário que postou sobre o alagamento, para identificar com mais precisão o local da ocorrência e acompanhar o curso dos eventos. No MyCoast, o pesquisador sugere um guia para que os fotógrafos capturem a cena com maior exatidão.
No fim das contas, o estudo ajuda a desmistificar a complexidade dos algoritmos e é um bom exemplo para pensar em como aplicar esse tipo de lógica nos desafios de negócios com os quais lidamos diariamente. Wang correlacionou dados do Twitter e do MyCoast na identificação de alagamentos. Quais dados você precisa para entender melhor o seu negócio?
