Pascal Weinberger em conversa com sua equipe da Telefonica Alpha, onde dirige pesquisa e desenvolvimento de IA.
Carros voadores, óculos de realidade aumentada e lentes de contato que podem detectar diabetes: todas essas inovações surgiram a partir do Google X, a divisão skunkworks – espécie de laboratório experimental – da Alphabet. Mas o Google não é a única grande empresa que está investindo pesado em projetos moonshot, nome dados a iniciativas tão modernas que podem ser responsáveis por provocar verdadeiras disrupções no mercado.
SAIBA TAMBÉM: Telefônica Brasil fecha acordo com Tidal
Há três anos, a Telefónica, gigante espanhola das telecomunicações, fundou o Alpha, um laboratório localizado em Barcelona com cerca de 100 funcionários que trabalha diretamente com soluções inovadoras, capazes de gerar novos fluxos de receita. E o responsável pela área de inteligência artificial do núcleo é Pascal Weinberger, de apenas 21 anos.
Como muitos outros programadores, o jovem alemão é um autodidata. Abandonou a faculdade logo no início, e admitiu ter se matriculado apenas para ver os pais felizes. Mas, aos 15 anos, Weinberger já havia feito vários cursos remotos de programação no MIT – Instituto de Tecnologia de Massachusetts. E começou a trabalhar para a equipe Brain do Google em tradução de imagens, envolvendo-se posteriormente em investimentos de tecnologia. Atualmente, está explorando novas abordagens para o aprendizado de máquina, na esperança de criar softwares éticos “empáticos” que possam gerar novos recursos para a Telefónica e tenham potencial de alcançar milhões de clientes.
A gigante espanhola de telefonia fornece conexão de rede para 372 milhões de clientes em todo o mundo, mas seu lucro líquido flutuou nos últimos cinco anos à medida que o negócio tornou-se uma corrida em declínio. Os consumidores querem maior quantidade de dados e velocidades cada vez maiores, mas a infraestrutura necessária para isso custa caro e há um limite de quanto as empresas de telecomunicações podem investir em melhorias incrementais, como protocolos mais rápidos e mais baratos.
É por isso que a equipe de AI e de aprendizado de máquina do Alfa, de Weinberger, está construindo algo completamente diferente: um software capaz de rastrear suas decisões diárias e orientá-lo a torná-las mais saudáveis. O jovem se refere a isso como um “serviço digital” chamado Alpha Health Moonshot.
“Quase toda tecnologia voltada para o consumidor é uma espécie de vilã”, diz ele, referindo-se à tradicional imagem de uma pessoa com um diabinho de um lado do ombro e um anjo do outro no momento de tomar decisões. Segundo ele, a web oferece uma grande variedade de serviços gratuitos projetados não apenas para viciar, mas para promover o consumo constante. “Somos treinados para consumir mais. O que estamos tentando fazer é equilibrar isso construindo o ‘anjo” que fica ao lado das pessoas”, explica.
LEIA MAIS: 6 aplicativos para ajudar na organização de viagens
O serviço utilizará técnicas de aprendizado de máquina para monitorar a atividade diária do usuário e fazer sugestões. “Ele vai acompanhar a tomada de decisões e a vida cotidiana e, a partir disso, ajudará a tomar resoluções melhores e a ter uma vida mais saudável”, diz. “Ele entenderá, por exemplo, que você come chocolate porque está frustrado e tentará oferecer um caminho alternativo.”
A Telefónica está dando a seus projetos moonshot um lastro de aproximadamente cinco anos antes de começar a transformá-los em produtos comerciais. Por enquanto, Weinberger está focado na construção da ética, bem como na criação dos algoritmos para impulsionar o serviço. “A Siri vai reagir da mesma maneira se eu chorar ou rir”, diz Weinberger sobre a assistente digital da Apple. “Precisamos começar a entender o estado emocional dos usuários e saber se eles estão tristes ou irritados, para então adaptar a aplicação do serviço.”
Sem se aprofundar demais nas ervas daninhas técnicas, sua equipe também está tentando encontrar um meio termo entre duas abordagens distintas para o aprendizado de máquina: a simbólica (uma divisão da clássica), que usa lógica fixa para tomar decisões, e as redes neurais profundas, que são mais poderosas e flexíveis, mas mais difíceis de entender e reprogramar.
Um exemplo disso é a API de criação do Google, o Interception, uma das ferramentas online mais populares para criar um software de reconhecimento de imagem. Ela se diz tão precisa quanto os seres humanos e usa redes neurais profundas para tomar decisões altamente certeiras sobre o que uma imagem está mostrando, seja um filhote ou um carro. O desafio é que esses algoritmos são muito vastos e complicados. “A equipe que cria o Inception não seria capaz de explicar por que determinada imagem trata-se, na verdade, de um gato”, explica Weinberger. “Apenas que é um gato. E, quando estamos falando sobre dirigir um carro ou fazer recomendações de saúde, a coisa toda fica mais perigosa, já que, se você cometer um erro, não poderá dizer por que o erro foi cometido.” Segundo ele, sua equipe está trabalhando na construção do “algoritmo mágico”, ao mesmo tempo preciso e explicável.
Além dos desafios técnicos, Weinberger também tem que descobrir um modelo de negócio viável para a sua invenção. Ele não envolverá anúncios, mas uma taxa de inscrição está sendo considerada. “A ideia é construir um modelo de negócios que esteja alinhado com o interesse do usuário”, acrescenta ele misteriosamente. “Isso é o que podemos dizer agora, mas tudo pode mudar.”
