Prof. Dr. Evanivaldo C. Silva Júnior
Coordenador da coluna FATECNOLOGIA
evanivaldo.jr@fatec.sp.gov.br

 

Profª. Me. Selma Marques da Silva Fávaro
Revisora
selma.favaro@fatec.sp.gov.br

 

Em julho de 2016, a Netflix, o mais popular provedor de filmes e séries via streaming, disponibilizou a então nova série Stranger Things. Composta de apenas oito episódios de cerca de 50 minutos de duração cada, a série foi aclamada pela crítica,  tornou-se um sucesso imediato e hoje é considerada uma verdadeira obra de arte. Como amante de séries e assinante da Netflix, fiquei curioso com todo esse frenesi e, assim, comecei a assisti-la. Após o primeiro episódio, eu simplesmente não conseguia parar de ver e levei apenas um fim de semana para terminá-la. Confesso que fiquei surpreso e grato ao mesmo tempo, pois a série me fez viajar de volta a minha infância e adolescência (um misto de saudade e nostalgia) e, após conversar com alguns amigos e trocar ideias nas redes sociais, descobri que muitas pessoas tiveram a mesma sensação! Como isso é possível!? Stranger Things trouxe em sua essência uma mistura de vários elementos da cultura pop dos anos 1980. É possível identificar várias referências a obras cinematográficas como o clássico ET: o Extraterrestre, Contatos Imediatos do 3º Grau, Poltergeist, Os Goonies, entre outras. Homenagens a Star Wars e aos gênios do suspense e terror Alfred Hitchcock e Stephen King, respectivamente, também são perceptíveis aos mais atentos. Tudo isso estrelado por Matthew Modine e Wynona Rider, dois dos artistas mais populares da época.

Após um sucesso estrondoso, surgiu nas redes sociais a teoria de que a série teria sido o resultado de um algoritmo de reconhecimento de padrões da Netflix. Não é novidade que Google, Facebook e outras empresas da era da internet monitoram o comportamento dos seus usuários a fim de descobrir informações relevantes que podem ser aplicadas de diversas maneiras, desde o mapeamento de perfis de usuários para campanhas de marketing até o descobrimento de novos mercados e criação de produtos. Assim, mesmo não revelando os seus métodos e tecnologias de análise de dados, é possível que a Netflix tenha usado conceitos de Inteligência Artificial (IA), como a Aprendizagem de Máquina (Machine Learning), para conceber Stranger Things.

A Aprendizagem de Máquina consiste em sistemas computacionais capazes de analisar grandes quantidades de dados a fim de adquirir conhecimento sobre um domínio. Esses sistemas são capazes de tomar decisões baseadas em experiências acumuladas e suas respectivas soluções bem sucedidas, assim são capazes de obter conclusões e otimizar tarefas por meio do raciocínio indutivo sobre um grande volume de dados. Trazendo para o contexto da série Stranger Things, é possível que, após analisar os seriados e filmes mais assistidos, a preferência e o perfil dos usuários, as avaliações positivas e negativas e uma série de outras variáveis e registros históricos, o sistema da Netflix tenha concluído que uma série com os elementos presentes em Stranger Things faria grande sucesso. Claro, os idealizadores tiveram que aplicar toda sua criatividade na produção, porém, os ingredientes do sucesso já estavam definidos.

Recentemente, a IBM, uma das empresas que mais investem em IA, lançou o Watson Virtual Agent, um agente voltado ao serviço de atendimento ao cliente capaz de responder a perguntas sobre um domínio de negócio. Desse modo, a cada interação entre o serviço e um cliente, o agente armazena dados que serão processados para aprender sobre os clientes, provendo respostas rápidas e personalizadas individualmente ou por perfil. Seria esse o fim dos Sistemas de Atendimento ao Consumidor (SAC)?

A aprendizagem de máquina é um conceito que pode ser aplicado sobre dados e estatísticas de qualquer natureza, desde biologia até astronomia. Dessa forma, podemos esperar grandes avanços nos mais diversos campos do conhecimento nos próximos anos. O futuro já começou!

 

Prof. Esp. Jorge Luís Gregório
Docente da FATEC Jales
Este endereço de e-mail está protegido contra spambots. Você deve habilitar o JavaScript para visualizá-lo.