São Paulo — InkDesign News —
A crescente adoção de machine learning e deep learning em diversos segmentos revela a importância de entender os fatores que influenciam a tomada de decisão, incluindo viés humano e variabilidade.
Arquitetura de modelo
Recentes estudos enfatizam três fontes de “ruído” nas decisões humanas: level noise, pattern noise e occasion noise. Cada uma delas representa a influência de fatores irrelevantes na tomada de decisões, como a situação emocional do decisor.
“Os juízes costumam influenciar suas decisões por fatores externos, como a hora do dia“
(“judges often influence their decisions by external factors, like the time of day”)— Daniel Kahneman, Autor, Psicólogo
Treinamento e otimização
Em um estudo comparativo, foi demonstrado que modelos matemáticos simples superaram especialistas em tarefas preditivas. Isso indica que a consistência na aplicação de regras é crucial para a precisão das previsões em ambientes que, de outra forma, seriam afetados por ruídos humanos.
“A simplicidade dos modelos pode parecer menos sofisticada, mas eles frequentemente oferecem previsões mais precisas“
(“The simplicity of the models may seem less sophisticated, but they often provide more accurate predictions”)— Nathan R. Kuncel, Pesquisador, Universitário
Resultados e métricas
Os resultados das comparações mostram que em dois de três grupos, todos os modelos superaram os juízes humanos em precisão. Quando modelos complexos de deep learning são aplicados a conjuntos de dados amplos, eles demonstram uma capacidade de previsão que poderia identificar padrões não percebidos por humanos. No entanto, a complexidade de certos contextos pode limitar sua eficácia.
Conclusões e aplicações práticas
A discussão sobre as limitações humanas e as capacidades das máquinas deve ser um foco contínuo em pesquisa. A possibilidade de uma maior integração de IA em áreas como medicina e avaliação de desempenho poderia otimizar decisões e resultados, superando viés e inconsistências observadas em humanos. A evolução desses sistemas é tema promissor para transformações no processo decisório em diversas indústrias.
Fonte: (Towards Data Science – AI, ML & Deep Learning)
