Blog da KondutoDicas de e-commerce

Conheça 20 tarefas incríveis executadas por machine learning

Por 17 de dezembro de 2015 dezembro 4th, 2019 Nenhum comentário

Já dedicamos no nosso blog um post apenas para explicar o que é machine learning, ou aprendizado de máquina: uma área da ciência da computação que cria sistemas capazes de “treinar” computadores para executar tarefas com cada vez mais precisão. Talvez a gente não perceba, mas essa tecnologia está cada vez mais presente no nosso dia a dia… e a tendência é que essa relação só aumente nos próximos anos.

Machine learning é tão sexy (tecnologicamente falando) que os sistemas permitem extensas análises de dados, reconhecimento de padrões, cruzamento de informações e geração de insights. Tudo isso ocorrendo em frações de segundo e em uma escala gigantesca!

Como você pode ver, nós aqui na Konduto somos apaixonados por este tema. Mas queremos explicar por que, apresentando 20 tarefas inacreditáveis (triviais ou não) que são realizadas por machine learning e que talvez você nem sabia.

1. Indicar a qualidade de um vinho

Um data scientist (ou cientista de dados) dos Estados Unidos resolveu aplicar machine learning sobre vinhos franceses da cidade de Bordeaux e desenvolveu um sistema para classificar a qualidade de uma safra da bebida. Como? Ele compilou dados sobre o clima na região nos últimos 60 anos e sobre as melhores safras durante o mesmo período de tempo e treinou um algoritmo de acordo com os fatores que fazem uma colheita de uva ser boa ou ruim para a produção vinícola. Resultado: o modelo “acertou” 6 das 8 melhores safras de vinho durante as seis décadas utilizadas no estudo.

vinho

2. Escolher o melhor filme para o seu final de semana

Às vezes você esgotou a sua criatividade e não sabe qual filme será a escolha perfeita para aquele domingo preguiçoso. É justamente aí que entra o machine learning do Netflix, por exemplo: com base nos filmes que você já assistiu e avaliou na plataforma, o serviço de streaming faz sugestões que, muito provavelmente, não te decepcionarão.

tv

3. Tirar motoristas de grandes congestionamentos

Sim, é exatamente sobre o Waze que estamos falando: o algoritmo desenvolvido por uma startup israelense aprende com os próprios usuários os melhores caminhos do mapa, além de receber informações de congestionamentos, acidentes, bloqueio de vias, condições adversas de clima etc. e fornece em tempo real as rotas mais adequadas, (se possível) fugindo de engarrafamentos e das demais complicações que impactam o nosso trânsito de cada dia. Se o serviço não fosse tão preciso assim, provavelmente o Google – uma das maiores referências de machine learning do mundo – não teria investido mais de US$ 1,3 bilhão para comprar o Waze em 2013.

transito

4. Evitar colisões de embarcações com baleias

A Universidade de Cornell, nos Estados Unidos, desenvolveu um algoritmo capaz de identificar a presença de baleias-francas no oceano e desviar as rotas de embarcações para evitar a colisão com esses animais, que têm até 18 m de largura e 80 toneladas de peso. O modelo foi baseado no som que as baleias emitem para se localizarem e ajuda na preservação do mamífero, que está ameaçado de extinção.

baleia

5. Calcular o tempo de espera em um pronto-socorro

Também é possível estimar o tempo que um paciente levará para ser atendido no momento em que ele chega ao pronto-socorro, a partir de uma simulação de eventos discretos. Para isso, os modelos levam em consideração informações como número de médicos e enfermeiros realizando o atendimento, dados do paciente e até mesmo o formato dos consultórios médicos.

6. Fazer up-sell de produtos no e-commerce

“Quem comprou este produto também levou…”. Sim, este é um dos usos mais “clássicos” de machine learning no e-commerce. Afinal, por que não facilitar a vida de um cliente que já está fazendo compras (e propenso a gastar) e mostrar a ele alguns itens que podem ser de seu interesse? Essa tática funciona, e muito bem. A Amazon que o diga…

7. Reconhecimento de textos em imagens

Para nós, humanos, identificar letras ou números em uma imagem é uma tarefa extremamente banal. Para computadores, isso já é algo um pouco mais complicado (o teste captcha que o diga): o algoritmo precisa aprender o formato de cada caractere e, a partir daí, saber identificar a presença daquele texto em um arquivo de imagem. Isso é bastante útil no caso de indexação de artigos e “fotografias de textos”, por exemplo.

8. Ajudar a solucionar investigações criminais

A Agência Antidrogas dos Estados Unidos e a Polícia Federal do Brasil encontraram 200 imagens de Hello Kitty em um computador de Juan Carlos Abadía. Suspeito? Muito. O traficante colombiano fazia alterações extremamente sutis em alguns pixels das imagens e, ali, inseria mensagens de texto com ordens para a movimentação de drogas entre países ou para sequestro e assassinato de pessoas. Esse mistério só foi solucionado graças ao machine learning, que, com base nas imagens “originais” da gatinha japonesa, identificou quais arquivos haviam sido alterados por conta do processo de esteganografia (escrita escondida).

hk

9. Reconhecimento de rostos em fotos

“Como que o Facebook sabia exatamente que era exatamente o João que estava ao meu lado na foto que eu acabei de subir?”. Machine learning, em uma aplicação bastante trivial (afinal, não você não levaria mais que 10 segundos para marcar o João “manualmente” naquela imagem). Mas este tipo de aprendizado de máquina é apenas um “detalhe” dentro de algo ainda mais poderoso na rede social de Mark Zuckerberg.

10. Exibir postagens que (supostamente) sejam mais relevantes para você

Aqui a “brincadeira” do Facebook começa a ficar séria. Sabe quando você começa a perceber que aquela pessoa que era tão ativa na rede social simplesmente desapareceu do seu feed de notícias? Aí, curioso, você acessa o perfil dessa pessoa e vê que ela continua, sim, postando ao menos uma vez por dia? Pois então: acontece que o Facebook simplesmente parou de mostrar aquelas atualizações para você. A companhia de Zuckerberg tem um algoritmo, sempre em atualização, que exibe para os usuários um conteúdo personalizado, com base nas interações com a timeline. Coincidentemente (ou não) é que a suposição do Facebook está certa na maioria dos casos.

11. Exibir publicidades que (talvez) tenham mais a ver com você

Neste tópico, Facebook e Google revolucionaram o mercado da publicidade online, desenvolvendo um modelo muito mais sedutor para anunciantes – que pagavam muito dinheiro (muito mesmo!) para atingir muita gente (inclusive as que não eram interessante para o negócio). Com machine learning foi possível otimizar a entrega de publicidade, segmentando-a de acordo com as características do público-alvo do produto e exibindo-a em redes sociais, sites de busca ou páginas com conteúdos relacionados aos anúncios.

12. Prever voos que sofrerão atrasos ou cancelamentos

Dois cientistas de dados de Stanford, nos Estados Unidos, também conseguiram desenvolver um serviço capaz de beneficiar inúmeros viajantes, “prevendo” voos que poderão sofrer atrasos ou cancelamentos em função das condições meteorológicas. Eles cruzaram uma fonte de dados de mais de 100 anos da meteorologia americana com informações de 25 anos de performance de linhas aéreas no país e criaram um algoritmo que demonstrou 75% de precisão em voos que sofreram alterações significativas em função das variações do clima.

aeroporto

13. Investir no mercado de ações

Hoje em dia, há empresas que usam robôs para investir no mercado de ações. Os algoritmos detectam as melhores oportunidades do pregão todos os dias e, a partir daí, tomam as decisões que gerarão mais lucratividade. Seria uma máquina de ganhar dinheiro? Os defensores deste modelo justificam que sim, pois os algoritmos não seriam influenciados por fatores como medo e pressão, que podem confundir um operador humano na tomada de decisão.

14. Desenvolver medicamentos

Uma startup do Vale do Silício desenvolveu um modelo que pode revolucionar a indústria farmacêutica, que muitas vezes depende de anos de pesquisas para criar um novo medicamento. No entanto, a empresa uniu biologia e inteligência artificial para reduzir este longo processo a meros “minutos”. A empresa cruza diversos dados públicos e particulares (incluindo dados genéticos) para estabelecer a relação droga-doença e os fármacos mais indicados para combaterem determinada enfermidade.

15. Identificar pacientes que poderão sofrer derrame

A Biblioteca Pública de Ciência (PLOS, em inglês) criou um modelo capaz de identificar pacientes com chances de sofrer um acidente vascular cerebral (AVC). A eficácia do modelo foi de 70%, minerando diversos dados coletados de diversos pacientes.

16. Sugerir os tratamentos mais adequados para pacientes com câncer

Um dos sistemas de computadores mais modernos já lançados, o Watson, da IBM, também possui a capacidade de machine learning. E, quando aplicado para a medicina, o software rapidamente foi empregado como “conselheiro” de médicos para tratamento de doenças, inclusive câncer de pulmão. A partir de diversas informações que recebia, especialmente dados de saúde do próprio paciente, o Watson sugeria os tratamentos mais adequados para aquele paciente específico.

17. Desenvolver carros que não precisam de motoristas

Uma das tecnologias mais surpreendentes nos últimos tempos são os carros que se locomovem sem a necessidade de um humano no comando do volante. E um dos fatores que contribuíram para o desenvolvimento destes veículos foi o machine learning: o algoritmo aprendeu padrões de milhares de motoristas, desde o instante em que as luzes dos semáforos ficam verdes até as mudanças de faixa. Detalhe: o algoritmo é tão inteligente que também consegue filtrar comportamentos de “barbeiragens”.

parking

18. Identificar pássaros a partir de gravações de áudio

Pode parecer tarefa fácil identificar um pássaro a partir de alguns segundos do canto da ave, certo? Ok, sim. Mas vamos escalar este desafio, para gravações com dias de duração, centenas (ou milhares) de espécies de pássaros e um ambiente aberto, com muitos outros ruídos (de outros animais, insetos, vento, chuva etc). Tudo isso também é possível graças ao machine learning, usando a tecnologia para facilitar a tarefa dos profissionais da área, reduzir custos e acelerar os estudos, além de torná-los muito mais precisos.

passaro

19. Filtrar spams

Os principais serviços de e-mails (gratuitos ou pagos) têm um filtro de spam bastante inteligente, capazes de bloquear automaticamente mensagens indesejadas que contenham características “clássicas” como “viagra”, “príncipe nigeriano” ou links para download de arquivos .exe. O usuário não precisa sequer configurar essas regras: graças ao machine learning, os serviços filtram os e-mails e não deixam que eles apareçam na caixa de entrada.

20. Detectar fraudes no e-commerce (claro!)

Claro que não poderíamos deixar este tópico fora da nossa relação – afinal, a Konduto desenvolveu um antifraude inteligente graças ao machine learning. Com base nas características dos clientes de uma loja, do histórico de chargebacks e de diversos outros fatores (incluindo o “feijão com arroz” da análise de risco, o cruzamento de CPF e número de cartão de crédito), é possível detectar padrões de comportamento de usuários em um site e identificar uma fraude no momento em que o pedido é realizado. Com isso, o lojista obtém respostas em tempo real (em menos de 1s), aprova mais pedidos, tem menos custos de revisão manual e barra somente as transações realmente suspeitas. Ou seja: é possível ter uma redução considerável de custos e, consequentemente, um aumento de lucro.

Sobre a Konduto

Somos a primeira empresa do mundo a considerar o comportamento de navegação e compra do usuário em um site de e-commerce para calcular o risco de fraude em uma transação. Nosso sistema, que combina também todas as técnicas tradicionais da análise de risco (validação de dados cadastrais, revisão manual, fingerprint, geolocalização) ainda conta com filtros de inteligência artificial, que aumentam a precisão do antifraude e beneficiam a operação do lojista.

Nossos cases de sucesso mostram que a Konduto tem a mais moderna e eficiente tecnologia para barrar fraudes on-line. Temos clientes de todos os segmentos do e-commerce e somos reconhecidos pela imprensa e pelo mercado de tecnologia como uma das empresas mais inovadoras do ramo de tecnologia criadas no Brasil nos últimos anos.

Entre em contato conosco no e-mail oi@konduto.com e nos diga como a Konduto pode ajudar o seu e-commerce!

Felipe Held

Autor Felipe Held

Maratonista, palmeirense, beatlemaníaco e enciclopédia de piadas do Chaves, Felipe foi Head de Comunicação e Marketing da Konduto entre outubro de 2015 e outubro de 2020. Jornalista pela Cásper Líbero e pós-graduado em marketing pela ESPM, trabalhou em redações esportivas de Gazeta, UOL e Terra antes de entrar para o mundo de prevenção à fraude. Já entrevistou Pelé, Maria Esther Bueno, Guga, Guardiola e Bernardinho, mas diz que os dias mais incríveis da carreira foi quando apresentou a duas primeiras edições do Fraud Day.

Mais posts de Felipe Held

Deixe um comentário