São Paulo – Inteligência artificial é um tema que permeia a mente das pessoas. Algumas acreditam num futuro de ficção científica, com máquinas superando os humanos, outras acreditam no exato oposto: o domínio dos homens sob as engrenagens humanoides. Embora seja difícil adivinhar com exatidão como será o futuro, uma coisa é certa: não faltarão oportunidades para quem se especializar em áreas como a de machine learning (aprendizado de máquina, em tradução do inglês).
Para entender melhor sobre essa tecnologia, conversamos com duas das principais pesquisadoras de machine learning da Avast, maior companhia de segurança digital do planeta. Nascidas na Rússia, Galina Alperovich, de 29 anos, e Olga Petrova, de 26 anos, trabalham hoje na sede da multinacional, na República Tcheca, e falaram com exclusividade a VOCÊ S/A.
Como vocês ingressaram na área de machine learning e qual é a formação de vocês?
Galina Alperovich: estudei matemática na universidade, com especialização em estatística e probabilidade. Após meus estudos, estagiei numa empresa trabalhando com análise de dados. Continuei nessa jornada e, com o tempo, percebi que para ser mais eficiente em ciência de dados precisava adquirir mais habilidades em programação e, então, decidi trabalhar como desenvolvedora de software em um projeto relacionado a machine learning. Também fiz um mestrado em inteligência artificial, o que ajudou a formar o meu conhecimento.
Olga Petrova: eu me especializei em matemática no ensino médio e, alguns anos depois, conclui meu bacharel e mestrado em robótica. Ao longo dos meus estudos, trabalhei com algoritmos e percebi que amava matemática e a beleza que havia por trás daquelas pesquisas. Eu diria que os meus estudos foram mais práticos do que teóricos na área de engenharia de software.
O que vocês mais gostam no trabalho que desempenham com as máquinas?
Olga Petrova: há muito mistério envolvido nesse tipo de trabalho. A equipe com a qual atuo, por exemplo, é responsável por dados que recebemos de clientes ou sistemas secundários. Nossas tarefas incluem classificar os arquivos recebidos pelo produto antivírus em categorias limpas e maliciosas, ou encontrar anomalias nos dados. Quando recebemos as informações pela primeira vez, não sabemos o que está “dentro” delas, é uma caixa preta para nós. Começamos, então, a adotar abordagens diferentes e depois a buscar padrões, resolvendo o enigma dos dados.
Galina Alperovich: você se sente como um detetive, descobrindo uma história a partir dos dados brutos. Nem sempre é possível encontrar algo, às vezes é um apenas ruído. Toda tarefa que resolvemos e todo conjunto de dados é único nesse sentido. O machine learning é diversificado não apenas em relação as áreas nas quais pode ser aplicado, mas também dentro do seu próprio campo de atuação. Há uma variedade de métodos e habilidades como programação, criatividade e comunicação com equipes diferentes. Você precisa experimentar – e muito. Para mim, é uma maneira de aprender coisas novas e trabalhar com diferentes tipos de dados, especialmente agora por eles estarem em evidência.
Quais aspectos do trabalho com machine learning surpreendem as pessoas?
Galina Alperovich: quem não conhece a função tende a pensar que é só um conjunto de códigos. Em geral, é um trabalho complexo. O que as pessoas leem na mídia sobre o que fazemos é o resultado final, o que é muito empolgante. Mas é preciso muito trabalho duro para chegar a esse resultado, o que eu acho que muitas pessoas não percebem.
Olga Petrova: machine learning geralmente requer paciência e persistência, pois as primeiras abordagens podem não funcionar muito bem ou os dados podem precisar de refinamento e análises mais detalhadas. A chave é permanecer otimista e tentar coisas diferentes que, com sorte, o levarão na direção certa. Pode ser muito frustrante, mas não deixamos de aprender plotando dados, depurando algoritmos e, finalmente, chegando a algo funcional e bonito.
Vocês conseguiriam comparar machine learning com a vida humana?
Galina Alperovich: isso me faz pensar muito em como as pessoas aprendem e processam experiências. Quanto mais experiências tivermos, mais maduros nos tornamos e mais aberta se torna a nossa mente. O mesmo se aplica aos algoritmos, quanto mais dados eles leem, menos tendenciosos se tornarão e mais correlações serão encontradas.
Olga Petrova: o aprendizado de máquinas é sobre padrões de aprendizado. É isso que fazemos na vida real: obtemos conhecimento a partir das nossas vivências e tomamos novas decisões com base no que aprendemos no passado.
O que vocês diriam para quem deseja se especializar na área?
Galina Alperovich: a análise de dados é o primeiro passo para se tornar um pesquisador de machine learning, depois você dedica tempo experimentando, construindo e integrando esse conhecimento a processos existentes. Minha primeira formação foi muito teórica e admiro pessoas como a Olga, que passaram horas com programação e engenharia de software na universidade. Eu tive de ganhar essa experiência na indústria e durante o programa de mestrado.
Olga Petrova: o machine learning evoluiu nos últimos 20 anos. Hoje, somos privilegiados por causa da visibilidade que o tema ganhou. Os materiais e cursos disponíveis são ótimos para iniciantes e há uma grande variedade de ferramentas e métodos. Mas, para quem quer avançar na área, fazer uma universidade faz diferença.
