Recentemente perguntei a um parceiro meu “cientista de dados” o seguinte: a tradução de Machine Learning, [1] e [1.a], é Aprendizagem de Máquina, correto? E qual é a tradução para português de Deep Learning ,[2], [2.a] e [2.b]? Ele me respondeu: a tradução menos pior é “Aprendizado Profundo”! Embora não gostando muito do léxico de “profundo” tive que concordar com ele que esta versão é melhor que a feminina!
Antes de evoluir na tecnologia de Deep Learning propriamente dita, gostaríamos de fazer algumas ponderações: 1ª) em 1994 a Internet foi inaugurada. Se há 21 anos eu lhe dissesse que a Internet [3] seria o que é hoje, você diria que eu estava “variando”; 2ª) se eu lhe dissesse que o telefone celular, [4] em 1973 quando ele foi anunciado, depois de 42 anos conectaria as pessoas em banda larga de alta velocidade na tecnologia 4G, você diria que eu era um “bruxo medieval” e me queimaria na fogueira que nem Joana D´Arc! Então prepare-se “yourself”: é isso que a tecnologia Deep Learning vai fazer com a medicina nos próximos 3 a 5 anos. Uma completa revolução só que em bem menos tempo que a Internet e o Telefone Móvel! Ela é a nova onda tecnológica mundial e está todo mundo de olho nela.
Deep Learning é um ramo do Machine Learning que vai permitir que o computador pense e aprenda como um ser humano e, se ele pensa como um humano, então ele pode pensar como um médico! É aqui que está o segredo da coisa! Dessa forma, podemos colocar a “máquina” no lugar do médico para fazer diagnósticos de doenças de forma mais precisa que os próprios médicos! E ainda podemos levar vantagem, pois vamos reduzir o erro médico ocasional e não precisaremos de uma segunda opinião. O famoso “serial entrepreneur” em medicina chamado Vinod Khosla [5], [6] – nesse excelente vídeo [7] – já fala há algum tempo que em um futuro breve a tecnologia vai substituir 80% do trabalho que o médico faz atualmente. Evidente que isso causa um determinado rebuliço (para não dizer indignação) na classe médica! E, de fato, um dos grandes medos dos médicos na atualidade é que eles sejam tornados obsoletos em função da chegada de novas tecnologias [7.a].
Machine Learning é uma área da ciência da computação que evoluiu a partir do estudo de reconhecimento de padrões (pattern recognition) e da teoria da aprendizagem computacional em inteligência artificial [8], [9], [10], [11], [12] e [13]. Machine Learning explora o estudo e a construção de algoritmos que podem aprender e fazer previsões/inferências sobre os dados.
Antes de aprofundar no tema de Deep Learning na medicina, veja dois vídeos [14] e [15] do Jeremy Howard, CEO da startup Enlitic que é focada em Aprendizado Profundo [16] e [17]. A startup Enlitic foi criada especialmente para aumentar a precisão e eficiência de diagnósticos médicos!
A tecnologia de Deep Learning é também utilizada em processos de reconhecimento da fala [18], [19] e [20].
O conceito de Inteligência Artificial (IA) foi primeiro estabelecido em 1955 pelo cientista americano John McCarthy que definiu a IA como “a ciência e engenharia de fazer máquinas inteligentes”. As abordagens iniciais tinham como lugar comum de construir máquinas que tentavam “codificar o conhecimento, a lógica e o raciocínio” [21], [22] e [23].
Recentemente, o Google liberou o código do seu software de Deep Learning chamado TensorFlow [24]. A tecnologia de Deep Learning é responsável por alguns dos serviços mais avançados do Google, incluindo os recentes serviços como auto-respostas de email [25] e busca de imagens. Tornando o código do TensorFlow livre e grátis para qualquer pessoa, o Google espera acelerar o progresso, de forma mais abrangente, dos serviços de Deep Learning e Machine Learning.
“O Google está de 5 a 7 anos na frente do resto do mundo” afirma Chris Nicholson que é responsável pela startup de Deep Learning chamada Skymind [26] e [27]. “Se eles abrem o código fonte das suas ferramentas, isso pode fazer qualquer um melhor em Machine Learning. O Google é grande player desse cenário [28].
O processo de Machine Learning – de uma forma mais ampla – permite que os algoritmos das máquinas aprendam ao invés de serem programados manualmente. Desde o mecanismo de busca do Google, ao mecanismo de sugestão da Amazon, a tecnologia de Machine Learning está em todo lugar. Na medicina essa tecnologia tem sido utilizada para analisar tomografias de pulmões e ajudar a identificar centenas de novas funcionalidades que os médicos podem utilizar para melhor diagnosticar e estimar um prognóstico para o câncer [29], [30]. Entre outras empresas que apostam em Machine Learning temos o Netflix (que sugere filmes para os assinantes) e o Facebook (que sugere amigos). Na seara do Deep Learning, quem também está apostando é a Intel que adquiriu recentemente a empresa Saffron [31], pois a gigante dos chips acredita que “não pode estar fora do grande negócio tecnológico” do futuro próximo que é o Deep Learning [32].
O reconhecimento de imagem é provavelmente um dos exemplos mais louvados [33] de quão rápida é a tecnologia Deep Learning. Em 2010, a taxa de erro na principal competição de reconhecimento de imagem do mundo foi mais de seis vezes maior (28,2%) [34] do que é hoje. No início deste ano, o Google e a Microsoft anunciaram seus algoritmos de Deep Learning que eram melhores do que a tarefa humana, apresentando taxas de erro de apenas 4,8% e 4,94%, respectivamente.
Especialistas são muito confiantes na utilização dessa tecnologia na medicina muito em breve, dentro de 2 a 3 anos. Especialidades como Radiologia [35] ou Patologia [36] podem simplesmente desaparecer ou serem muito afetadas, segundo os especialistas. Os computadores usando algoritmos de Deep Learning podem – muito em breve – serem aptos a realizar aqueles trabalhos de forma mais rápida e com maior precisão que os médicos humanos.
Nenhuma disciplina médica tem sido tão criticada como a radiologia por alegadamente estar provocando o aumento do custo da saúde. Isto faz com que a radiologia represente uma “potencial eleita” para os testes da tecnologia Deep Learning [37], [38].
Outras áreas da medicina onde podemos utilizar esta tecnologia são: detecção de fraturas [39] e o câncer [40], [41].
Pelo andar da carruagem, poderíamos prever que futuramente “a saúde vai se transformar em um negócio de software” [42], [43] e já tem gente acreditando que “o software vai engolir a medicina” [44].
E para você que aposta em ganhar um dinheirinho com o seu app na área de biomédica baseada em inteligência artificial, saiba que já tem gente fazendo isso na área de dieta[45], [46].
E finalmente, jovem empreendedor, se você quer entrar nessa nova onda do Deep Learning e desenvolver seu app médico – embora o caminho seja longo – está na hora de você começar a conhecer os kits para desenvolvedores de software. Aqui você tem a pista da Intel [47] e aqui você tem o caminho do Google (leia-se TensorFlow) para se inspirar [48], [49].
E o futuro como será? No futuro, os seres humanos não vão dizer aos computadores especificamente o que fazer, mas irão fornecer exemplos do que eles querem que os computadores alcancem com a expectativa de que os computadores descubram como vão fazer isso sozinhos … Done!
Mãos a obra e rumo a sucesso nessa nova onda tecnológica do Deep Learning (ou Aprendizado Profundo)!
Referências:
[1] Machine Learning, Wikipedia
https://en.wikipedia.org/wiki/Machine_learning
[1.a] Machine Intelligence In The Real World, Tech Crunch, 26.nov.2015
http://techcrunch.com/2015/11/26/machine-intelligence-in-the-real-world/
[2] Deep Learning, Wikipedia
https://en.wikipedia.org/wiki/Deep_learning
[2.a] Geoffrey Hinton talks about Deep Learning, Google and Everything, KD Nugetts, December 2014
http://www.kdnuggets.com/2014/12/geoffrey-hinton-talks-deep-learning-google-everything.html
[2.b] Talking Machine – 3 Deep Learning Gurus Talk about History and Future of Machine Learning, part 1, KD Nuggets, March 2015
http://www.kdnuggets.com/2015/03/talking-machine-deep-learning-gurus-p1.html
[3] Internet, Wikipedia
https://en.wikipedia.org/wiki/Internet
[4] Telefone Celular, Wikipedia
https://en.wikipedia.org/wiki/Mobile_phone
[5] Vinod Khosla, Wikipedia
https://en.wikipedia.org/wiki/Vinod_Khosla
[6] Vinod Khosla says technology will replace 80 percent of doctors — sparks indignation, 02.sep.2012
[7] Vídeo: Vinod Khosla from Khosla Ventures, Big Data In Medicine, Stanford 2014
https://mediaspace.stanford.edu/media/Vinod+Khosla+Khosla+Ventures+-+Big+Data+2014/0_1rlq9hil
[7.a] Will Digital Medicine Replace the Clinician?, MDDI Online, 13.nov.2015
http://www.mddionline.com/blog/devicetalk/will-digital-medicine-replace-clinician-11-13-15
[8] Artificial Intelligence, Wikipedia
https://en.wikipedia.org/wiki/Artificial_intelligence
[9] 18 AI researchers reveal the most impressive thing they’ve ever seen, Business Insider, 12.nov.2015
[10] After Years of Unmet Expectations, Artificial Intelligence Finally Mainstream, Several Articles, 23.nov.2015
[11] Artificial Intelligence: 10 Things To Know, Information Week, 24.nov.2015
http://www.informationweek.com/software/artificial-intelligence-10-things-to-know-/d/d-id/1323284
[12] Streaming: What is Artificial Intelligence?, MPBN News, 24.nov.2015
http://news.mpbn.net/post/what-artificial-intelligence
[13] Artificial intelligence in healthcare to replace jobs, Web IT Healthcare, 24.nov.2015
http://www.itweb.co.za/index.php?option=com_content&view=article&id=148048
[14] Vídeo – Jeremy Howard: The wonderful and terrifying implications of computers that can learn, TED, Nov. 2014
[15] Vídeo – Jeremy Howard – Big Data & Machine Learning, Exponential Medicine, 2015
https://www.youtube.com/watch?v=3WBpJKDv1U8
[16] Enlitic
[17] News of Enlitic about #deeplearning #medicine
http://www.enlitic.com/news.html
[18] Video: A voice recognition program translated a speech given by Richard F. Rashid, Microsoft’s top scientist, into Mandarin Chinese, You Tube, 08.mar.2012
https://www.youtube.com/watch?v=Nu-nlQqFCKg
[19] Deep Learning for Natural Language Processing: Theory and Practice, Tutorial presented at CIKM, 07.nov.2014
[20] Scientists See Promise in Deep-Learning Programs, The New York Times, 24.nov.2012
[21] History of artificial intelligence, Wikipedia
https://en.wikipedia.org/wiki/History_of_artificial_intelligence
[22] This is the biggest shift going on in artificial intelligence, Business Insider, 28.nov.2015
[23] he Manifest Destiny of Artificial Intelligence, American Scientist, July-August 2012
http://www.americanscientist.org/issues/pub/the-manifest-destiny-of-artificial-intelligence
[24] TensorFlow – Google’s latest machine learning system, open sourced for everyone, Google Research Blog, 09.nov.2015
http://googleresearch.blogspot.com.br/2015/11/tensorflow-googles-latest-machine_9.html
[25] Computer, respond to this email, Google Research Blog, 03.nov.2015
http://googleresearch.blogspot.com.br/2015/11/computer-respond-to-this-email.html
[26] Skymind
[27] Google Just Open Sourced TensorFlow, Its Artificial Intelligence Engine, Wired, 09.nov.2015
http://www.wired.com/2015/11/google-open-sources-its-artificial-intelligence-engine/
[28] Is Google Cornering the Market on Deep Learning?, MIT Technology Review, 29.jan.2014
http://www.technologyreview.com/news/524026/is-google-cornering-the-market-on-deep-learning/
[29] Deep Learning in diagnostic healthcare: The future?, IDG Connect, 04.mar.2015
http://www.idgconnect.com/abstract/9573/deep-learning-diagnostic-healthcare-the-future
[30] Computers learning to find Australian cancers and broken bones that people miss, Medical Xpress, 28.out.2015
http://medicalxpress.com/news/2015-10-australian-cancers-broken-bones-people.html
[31] Saffron
[32] Intel buys Saffron AI because it can’t afford to miss the next big thing in tech again, 26.oct.2015
http://fortune.com/2015/10/26/intel-buys-saffron/
[33] How Artificial Intelligence Is Primed to Beat You at Where’s Waldo, Singularity Hub, 17.may.2015
[34] ImageNet Large Scale Visual Recognition Challenge, Olga Russakovsky* and others, 30.jan.2015
http://arxiv.org/pdf/1409.0575v3.pdf
[35] Referências do Google sobre “Radiology + Deep Learning + Diagnosis”
[36] Referências do Google sobre “Pathology + Deep Learning + Diagnosis”
[37] Thinking algorithm ready to take on conventional medicine, CIO, 06.nov.2015
[38] Vídeo: Deep Learning: Intelligence from Big Data, Stanford Graduate School of Business, 16.sep.2014
https://www.youtube.com/watch?v=czLI3oLDe8M
[39] Referências do Google sobre “Fracture + Detection + Deep Learning”
[40] Referências do Google sobre “Cancer + Diagnosis + Deep Learning”
[41] Meet the computer diagnosing cancer, CNN Money, 12.mar.2015
http://money.cnn.com/2015/03/12/technology/enlitic-technology/index.html
[42] Slide da Apresentação de Lucien Engelen na Exponential Medicine 2015 em San Diego
https://pbs.twimg.com/media/CTebgACUEAEJPMN.jpg
[43] Are doctors gradually becoming surplus to requirements?, 1Q 2015, Lucien Engelen
http://ingworld.ing.nl/en/2015-1Q/9-are-doctors-gradually-becoming-surplus-to-requirements
[44] When Software Eats Bio, Andressen Horowitz, 18.nov.2015
[45] Exponential Medicine: This Virtual Assistant Tells You When To Put Down the Bacon, Singularity University, 11.nov.2015
[46] Lark CEO on inserting compassion into artificial intelligence app for healthcare, MedCity News, 10.nov.2015
[47] Referências do Google sobre “Intel Deep Learning Developer Kit”
[48] Referências do Google sobre “Google Deep Learning Tensorflow Developer Kit”
[49] TensorFlow
