Educação

O ano de 2023 foi marcado pelo avanço e popularização de tecnologias e produtos de Inteligência Artificial (IA), especialmente com o ChatGPT, Bard e outros similares. O que muitos não percebem, entretanto, é que as tecnologias de IA já fazem parte do nosso dia a dia há mais tempo, com aplicações abrangentes e impacto notável. O Machine Learning é uma dessas inovações em Inteligência Artificial, e pode ser traduzido como aprendizagem de máquina. Na era atual, superconectada e com máquinas capazes de realizar um número maior de tarefas, entender o que é e como essas tecnologias funcionam é de extrema importância, pois têm se posicionado como grande tendência e aliada da gestão pública eficiente. Apesar disso, são poucas as pessoas que compreendem essa inovação, como funciona e onde surgiu.

O que é Machine Learning

Do inglês, o termo pode ser traduzido como “aprendizagem da máquina”. É uma subárea da Inteligência Artificial e um conceito para designar a capacidade de uma máquina de aprender. Ou seja, é um campo da ciência da computação que se concentra no uso de dados e algoritmos para uma tecnologia aprender e se desenvolver sozinha combinando informações, tornando-se cada vez mais assertiva com o tempo e a experiência – o aprendizado de máquina.

Dessa maneira, a máquina é um sistema que pode modificar seu comportamento de maneira autônoma com base no treinamento que recebe. A partir de regras lógicas estabelecidas, ela pode melhorar o seu desempenho em uma tarefa, ou, dependendo da aplicação, tomar a decisão mais apropriada para um contexto. De maneira simples, quando é alimentada com grandes quantidades de dados, a tecnologia transforma isso em aprendizado. Por isso, é muito utilizada no desenvolvimento de Inteligência Artificial.

Apesar de ter se popularizado com boom recente de ferramentas de IA gerativas, o conceito é antigo. Em 1959, Arthur Samuel, engenheiro do MIT, criou o termo para descrever um campo de estudos que propunha certa autonomia aos computadores.

Após a chegada da internet, o machine learning começou a crescer. Com tanta informação coletada e armazenada na web, o surgimento do Big Data – que passou a armazenar os dados obtidos por plataformas sociais, mecanismos de buscas e de outros dispositivos – proporcionou que o conceito de machine learning tomasse forma, e hoje se destaca como a chave para a evolução e modernização digital da gestão pública.

Diferenças entre Machine Learning, Deep Learning e Inteligência Artificial

Quando se fala de machine learning, é muito comum existirem algumas confusões sobre o termo. O mais comum é considerar machine learning e deep learning meramente como Inteligência Artificial e, apesar das proximidades, existem diferenças entre os termos. Outra possibilidade é interpretar toda Inteligência Artificial como machine learning, o que também não é correto.

Machine Learning

O primeiro modelo citado é o mais amplo quando se trata do processo de aprendizagem. A machine learning (ML) é uma subárea da IA, e concentra-se em criar sistemas que podem aprender com dados sem serem explicitamente programados. Dessa forma, o sistema consegue modificar seu comportamento de forma autônoma, usando como base os dados com os quais é treinado (o “aprendizado de máquina”). Na prática, são estabelecidas regras lógicas que permitem aprimorar o desempenho da tecnologia em uma determinada tarefa, como a previsão da evasão escolar. O algoritmo é capaz de reconhecer padrões com as quantidades massivas de dados analisados e de perceber novas tendências com o tempo.

Deep Learning

Erroneamente usado sinônimo para machine learning, deep learning é um subcampo da ML, e pode ser traduzido como “aprendizagem profunda”. A área utiliza diversas camadas de redes neurais capazes de aprender padrões complexos em dados não estruturados em sua forma bruta — como texto ou imagens, por exemplo. Assim, consegue processar e entender demandas mais complexas, como análise de exames médicos via imagem.

O nome “rede neural” reflete o comportamento e estrutura dessa metodologia, que imita a maneira como os neurônios humanos enviam sinais uns para os outros. Na prática, o uso da deep learning significa que o computador aprende a processar e interpretar dados de forma inspirada pelo cérebro humano, com uma estrutura de neurônios digitais (nós) conectados em camadas.

Assim como na machine learning, a deep learning também aprende e melhora com o tempo. Tarefas que antes demoravam horas ou dias, como a análise de ume exame médico, podem ser feitas quase que de forma instantânea, e servir de base para o trabalho dos profissionais com ainda mais assertividade.

Inteligência Artificial

IA é um campo mais amplo da ciência da computação que se concentra em criar máquinas que possam realizar tarefas complexas que normalmente eram restritas a seres humanos, interpretando dados, projetando cenários ideais e tomando decisões. Hoje, costuma ser desenvolvida para cenários onde possa executar suas atividades tal como um ser humano, porém, com altos níveis de rapidez e assertividade.

A IA abrange uma ampla gama de tecnologias, incluindo machine learning e deep learning.

Como o machine learning está fazendo a diferença na gestão pública

Quando é alimentada com um grande volumes de dados, o machine learning segue aprendendo, por isso, é muito utilizado no desenvolvimento da Inteligência Artificial. É dessa maneira que essa tecnologia se aproxima de uma gestão inteligente.

O desenvolvimento de uma IA depende de bases tecnológicas sólidas. O processo inicia com investimentos em coleta, processamento e análise de dados, usados para treinar os modelos de IA. O sistema de aprendizado machine learning, assim como tecnologias como deep learning, são utilizados nessa etapa para simular a inteligência humana de forma digital, em software.

Dessa forma, a Inteligência Artificial consegue atuar como um assessor superinteligente, e na gestão pública não é diferente. As novas tecnologias de Inteligência Artificial são projetadas para imitar aspectos do pensamento humano, como o raciocínio, aprendizado, resolução de problemas e tomada de decisões. Quando combina dados suficientes, o resultado é uma solução capaz de “entender” cenários e situações para oferecer sugestões com previsões de situações, identificação de padrões e tendências, e apoio na tomada de decisões. E a cada nova situação, o sistema segue aprendendo e melhorando.

As possibilidades de aplicação da machine learning na gestão pública, portanto, são inúmeras. E há necessidade: a tecnologia consegue trazer mais eficiência e assertividade na tomada de decisões dos gestores, e melhorar a qualidade de vida da população. Eis alguns exemplos:

• Planejamento e gestão urbana: com o auxílio da machine learning, é possível interpretar vastas quantidades de dados públicos e do sistema de gestão para decidir onde construir determinado prédio, como um posto de saúde, para atender a população da melhor forma. O sistema pode considerar dados históricos, tendências populacionais, informações geográficas, previsões de demandas, dentre muitos outros fatores, em questão de segundos.
• Previsão de demanda pelos serviços públicos: sistemas com machine learning conseguem identificar padrões e tendências invisíveis ao olho humano e com isso informar ao gestor público a demanda prevista para serviços como saúde, educação, dentre outros. Com isso, é possível agir de forma proativa para reduzir ou evitar filas de espera, além de reduzir custos de atendimento à população.
• Atuação proativa no combate à evasão escolar: no Brasil, 46% dos estudantes mais pobres não chegam a concluir o ensino básico, em uma tragédia silenciosa que traz sérios prejuízos a toda a sociedade. A machine learning pode ser aplicada para compreender a realidade de cada aluno, escola e Município, para então identificar os alunos com maior risco de evasão escolar e os motivos do abandono dos estudos.
• Ações preventivas na saúde: o SUS atende hoje mais de 190 milhões de brasileiros, e o uso tem potencial de reduzir custos e aumentar a qualidade de vida através da mudança do foco do tratamento de doenças para a prevenção, tal como fazem os países desenvolvidos. Tecnologias com machine learning permitem antecipar o prognóstico de doenças, identificando hoje as condições de saúde que o paciente pode vir a desenvolver em alguns anos. Assim, os profissionais de saúde, como médicos, podem voltar sua atuação à preservação da saúde e prevenção de doenças, as pessoas podem viver mais e melhor, e o setor público consegue otimizar seus investimentos, reduzindo gastos.

Com todas essas tecnologias permitidas pela machine learning, surge a gestão preditiva. O conceito define a gestão eficiente em que gestores preparam-se com antecedência para atender situações futuras de suas cidades. Ou seja, o movimento baseado em dados permite prever o futuro e agir no presente.

Dessa maneira, a gestão pública aproveita a modernização digital para parar de atuar como bombeiros, sempre apagando incêndios, e passa a atender melhor, gastar menos e proporcionar mais qualidade de vida à população com sistemas de gestão com inteligência artificial.

Dara combate evasão escolar e apoia em decisões da gestão

Dara é a primeira Inteligência Artificial aplicada à gestão pública abrangente. Lançada em maio de 2023 pela IPM Sistemas, utiliza machine learning, deep learning, e outras tecnologias de IA para orientar gestões públicos em uma gestão pública eficiente e proativa, antecipando necessidades e problemas da administração municipal.

Dara foi desenvolvida e treinada com milhões de parâmetros, e contou com o apoio e participação de professores, engenheiros e gestores públicos. Atualmente, ela já consegue apoiar a gestão para definir qual ponto ideal no município para construção de novas unidades de atendimento na saúde e educação (como creches ou postos de saúde), identificar causas da evasão escolar nos alunos e apontar quais alunos tendem a abandonar os estudos, prever a quantidade de vagas necessárias dentro de um período (em postos de saúde, creches, e pré-escolas) e quais mudanças na infraestrutura são necessárias para melhorar a mobilidade urbana.

E como utiliza machine learning, Dara faz uma análise 360º dos dados já disponíveis no sistema de gestão, o Atende.Net, interpretando-os de forma profunda e detalhada. Assim, consegue aprender e melhorar ainda mais com o tempo, melhorando seu desempenho e aumentando sua taxa de acertos. Na previsão da evasão escolar, a taxa de acerto supera os 99%.

“Dara entende todas as complexidades de cada uma das áreas em que atua. Então, temos uma IA que, de fato, entende o contexto de um gestor ou de um cidadão. Ela trabalha com as informações já preenchidas no Atende.Net, portanto fidedignas. E já está fazendo história e impactando diariamente a gestão de cidades cada vez mais inteligentes, porque ela veio para transformar vidas”, enfatiza Ana Mees, Engenharia Biomédica e Eletrônica pela Duke, uma das mais prestigiadas do mundo.

Erros comuns na aplicação do machine learning

Quando falamos em erros na aplicação dessa tecnologia, o engano mais comum é o uso de soluções que não são verdadeiramente machine learning. Ou seja, muitas pessoas pensam estar fazendo uso inteligente dos dados e da capacidade da máquina, mas estão utilizando metodologias mais simples de estatística ou data analytics.

Alguns pontos ajudam a identificar se você está fazendo uso de uma tecnologia eficiente ou apenas mascarando a sua gestão pública:

1. Conclusões complexas são geradas: a machine learning permite gerar previsões mais detalhadas e com alto índice de acerto. Na previsão da evasão escolar, por exemplo, é possível chegar a 99% de acerto. Isso acontece porque a machine learning é capaz de aprender com os dados e fazer previsões ou identificar padrões. Já na data analytics ou algoritmos estatísticos mais simples, as conclusões são mais simples, com fórmulas pré-definidas e maior dificuldade na utilização de grandes volumes de dados.
2. Apontamento detalhado dos porquês: sistemas com machine learning comumente conseguem não só apontar a conclusão gerada, como apontar os porquês. Esse é o caso da evasão escolar, onde explica os motivos pelos quais o aluno tende a abandonar os estudos. Entretanto, nem todo sistema de machine learning consegue apontar os motivos, mas é uma possibilidade comum.
3. Aproveitamento de dados: uma gestão pública com IA permite que o município aproveite os dados que já produz diariamente e ainda não são explorados.
4. Sistema integrado: eficiência na gestão de dados exige que todas as áreas da administração pública estejam integradas em um sistema único. De outra maneira, a qualidade das análises e otimização dos processos fica comprometida.

Dicas para implementar machine learning

Toda Inteligência Artificial começa com bons dados. Sem uma solução cloud computing, ou seja, um sistema 100% em nuvem, não é possível utilizar todo potencial do machine learning. Ter um sistema de gestão com computação em nuvem permite a colaboração em tempo real e de forma integrada entre as diferentes áreas de uma Prefeitura, por exemplo. Com isso, é possível utilizar informações que já são validadas e usadas no dia a dia, além de contar com recursos robustos de checagem. Assim, entrega alta confiabilidade em suas recomendações.

Além disso, com a IA dentro do sistema de gestão da Prefeitura, não é preciso integrar novos sistemas ou bases de dados à gestão. Um sistema único de gestão poupa retrabalho e gera economia de recursos para o município.

Outro fator importante é que a solução utilizada seja especializada em gestão pública. Como sabemos, a administração pública tem necessidades específicas que exigem experiência e direcionamento para gerar resultados eficientes e estratégicos.

Pioneiros em IA para gestão pública

Com grande expertise em tecnologia para gestão pública, a IPM tem investido em pesquisa e inovação para trazer mais eficiência, economia, e inteligência à gestão pública. A fim de melhorar a experiência dos cidadãos e gestores, criou a Dara, a primeira Inteligência Artificial abrangente para o setor público. E desde sua concepção, a IA tem como foco agir como guia na tomada de decisões no presente que impactarão o futuro.

Dara funciona como um cérebro digital que consegue dizer onde é preciso melhorar a estrutura de atendimento à população, como e porquê, proporcionando uma gestão mais inteligente e otimizada. Essa nova tecnologia IPM não só aponta cenários ideais como também inclui explicações sobre as razões para cada escolha.

As aplicações atuais são muitas, e seguem crescendo:

• Planejamento da gestão com indicativo de onde construir, ampliar e paralisar unidades, e construções na saúde e na educação;
• Previsão da evasão escolar com mais de 99% de taxa de acerto, com indicativo dos motivos do abandono da escola;
• Previsão da demanda pelos serviços públicos, como números e locais necessários para vagas em creches;
• Antecipação do prognóstico de condições de saúde e doenças como a diabetes.

Apesar da popularização dos conceitos de Inteligência Artificial e machine learning serem recentes, as tecnologias são sólidas e vêm de uma longa trajetória de investimento. Na IPM Sistemas, foram diversos anos de pesquisa e desenvolvimento para trazer ao sistema de gestão pública uma Inteligência Artificial assertiva e eficiente, com segurança e responsabilidade.

>> Vídeo: Por que criamos uma Inteligência Artificial especializada em gestão pública, a Dara?

Fale com um consultor e conheça Dara

Leia também: