Os sistemas de Machine Learning não estão apenas substituindo algoritmos mais antigos em muitos aplicativos, mas agora são superiores em muitas tarefas que antes eram realizadas melhor por humanos.
Embora os sistemas estejam longe de serem perfeitos, sua taxa de erro — cerca de 5% — no banco de dados ImageNet é igual ou superior ao desempenho do nível humano.
O reconhecimento de voz também, mesmo em ambientes barulhentos, agora é quase igual ao desempenho humano.
Atingir esse nível abre novas possibilidades para transformar o local de trabalho e a economia. Uma vez que os sistemas baseados em IA superam o desempenho humano em uma determinada tarefa, é muito mais provável que se espalhem rapidamente.
Por exemplo, Aptonomy e Sanbot, fabricantes de drones e robôs respectivamente, estão usando sistemas de visão aprimorados para automatizar muito do trabalho dos guardas de segurança.
A empresa de software Affectiva, entre outras, está usando IA para reconhecer emoções como alegria, surpresa e raiva em grupos de foco.
E a Enlitic é uma das várias start-ups de deep learning que usa machine learning para digitalizar imagens médicas para ajudar no diagnóstico de câncer.
A boa notícia é que é improvável que a alta taxa de avanço recente se estabilize. Na verdade, é provável que cresça porque mais e mais dessa tecnologia estará disponível em kits de ferramentas fáceis de usar, bibliotecas de software ou serviços online.
Para a maioria das organizações, isso significa que machine learning se tornará cada vez mais acessível, e não apenas para gigantes com muitos recursos ou start-ups de IA, mas para empresas de menor porte também tomarem partida dessa transformação digital.