Entenda por que a técnica do Aprendizado Ativo acelera treinamentos de modelos de Inteligência Artificial com precisão e segurança aos negócios

Com a técnica, modelos que costumavam demandar uma semana de treinamento, agora precisam apenas de um dia antes de estarem prontos para o negócio, segundo experiência da UiPath, empresa líder em software de automação de processos

UiPàth Divulgação

 
São Paulo, Fevereiro de 2024 - O processo de rotulagem ou anotação de dados para o treinamento de modelos em inteligência artificial (IA) é uma prática fundamental para que o modelo de IA adotado reconheça e possa responder corretamente aos padrões de informação de tarefas do negócio. É como etiquetar, anotar amostras de informação que darão suporte à inteligência artificial para entender e lidar de forma segura com dados que são parte de processos corporativos. “Em um exemplo prático, é contar ao sistema de IA a diferença entre um e-mail de agradecimento e uma reclamação urgente, ou informá-lo como perceber e extrair dados importantes de uma mensagem, como um endereço de entrega ou o número do cliente”, diz Edgar Garcia, VP da UiPath para a América Latina, 

Por isso, segundo a UiPath, empresa líder em software de automação empresarial, a rotulagem de dados costuma consumir cerca de 80% do tempo dedicado a qualquer projeto de IA nas empresas. Especialistas no assunto, geralmente envolvendo equipes de colaboradores, investem centenas de horas coletivas para rotular milhares de exemplos individuais, o que obviamente abre margem para equívocos que impactam o entendimento do modelo IA sobre o que foi anotado e geram retrabalho. “Podemos dizer que a rotulagem se tornou a nova programação. No entanto, muitos projetos demoram a decolar, pois o mecanismo de rotulagem manual é caro, trabalhoso e toma muito tempo do time”, diz Edgar. 

Uma saída para acelerar a rotulagem com precisão é a técnica do Aprendizado Ativo que combina elementos de dois modelos de treinamento de IA: a aprendizagem supervisionada, quando um conjunto de dados pré-fabricados serve de bússola para que a inteligência artificial aprenda e reproduza novas informações de maneira desejada, e aprendizagem não supervisionada, quando a IA recebe dados não marcados e é deixada para identificar padrões de forma independente.
‍
Vantagens e abordagens do modelo de treinamento IA

A aprendizagem supervisionada produz modelos que agem de forma mais consistente e confiável. É um parâmetro adequado a ambientes reais de negócios sem supervisão, essencial para a criação de modelos de IA voltados à realização de uma tarefa específica. No entanto, por conta da rotulagem de amostras, o treinamento e a implantação destes modelos são mais lentos do que aqueles empregados no aprendizado não supervisionado. “É verdade que a técnica do Aprendizado Ativo também requer amostras de rotulagem, mas a diferença é que, em vez de simplesmente aprender com um conjunto de dados pré-fabricados, neste modelo o mecanismo de IA toma decisões não supervisionadas sobre o que deseja e é necessário aprender para seguir no treinamento. Depois, o sistema consulta o time de especialistas no assunto, mas dentro de um filtro que vai abordar apenas o que será mais útil à compreensão do treinamento. Há, portanto, uma acurácia, uma mentoria humana no processo”, explica Edgar.

Em suma, o Aprendizado Ativo ajuda a criar um fluxo de trabalho inteligente para a rotulagem. Para a UiPath, a técnica está muito mais próxima dos padrões de aprendizagem humana e significa menos horas de trabalho para os profissionais da empresa, porque reduz o que precisará ser rotulado para treinar um modelo de IA do início ao fim. “É uma relação interessante entre homem e máquina. A IA faz o levantamento pesado em termos de treinamento e depois trabalha em colaboração pontual com os profissionais, apenas para melhorar sua compreensão do que é necessário assimilar, tanto no decorrer da construção do modelo quanto depois, na fase de refinamento”, diz Edgar. 

É por isso que os modelos de IA construídos com Aprendizado Ativo podem ser treinados mais rapidamente, com menos exemplos rotulados e sem sacrificar a precisão ou o desempenho. Outra vantagem  é que ele deixa menos oportunidades para que o erro humano e vieses venham à tona. 

A plataforma UiPath permite que usuários criem rapidamente modelos de IA personalizados que entendem e automatizam documentos e comunicações comerciais. “Agora, com o Aprendizado Ativo, esses recursos começam a treinar com apenas alguns exemplos anotados. O time e a Inteligência Artificial trabalham juntos para o entendimento do modelo, rotulando apenas os exemplos mais informativos e valiosos”, explica Edgar. Segundo a UiPath, a introdução da aprendizagem ativa no entendimento de documentos UiPath registrou 80% de treinamento de modelo mais rápido de acordo com testes internos. Modelos que costumavam demandar uma semana de treinamento, agora precisam apenas de um dia antes de estarem prontos para o negócio.

Sobre a UiPath
UiPath (NYSE: PATH) tem a missão de aprimorar a geração de valor para que mais pessoas possam trabalhar de forma mais criativa, colaborativa e estratégica. A UiPath Business Automation Platform, com a tecnologia de IA, combina a solução líder de automação robótica de processos (RPA), com um conjunto completo de recursos para entender, automatizar e operar processos de ponta a ponta, oferecendo uma relação exclusiva de criação de valor. Para organizações que precisam evoluir para sobreviver e prosperar em tempos de grandes mudanças, a UiPath é The Foundation of Innovation™. Para maiores informações acesse www.uipath.com.