quinta-feira, 8 de fevereiro de 2018

A empresa que transforma o smartphone num 'super GPS’

Geraldo Samor em 08/02/2018 no site Brazil Journal


Uma empresa do Recife desenvolveu uma tecnologia de geolocalização de precisão inédita — com aplicações em marketing, CRM e prevenção de fraude — transformando o smartphone num ‘super GPS’ e aumentando o potencial de monetização para anunciantes.

Usando tecnologias já embarcadas no smartphone, a In Loco, fundada por ex-alunos de ciência da computação da Universidade Federal de Pernambuco, permite conhecer e prever o comportamento dos consumidores com grau de precisão e assertividade inéditos.

Para ganhar capilaridade, a In Loco fez acordos com os aplicativos mais baixados do mercado para embutir sua tecnologia: quando um usuário baixa o app, a In Loco pega carona.

Para entender onde o usuário está, a In Loco usa o wifi e outras tecnologias embarcadas no celular que a maioria dos usuários sequer sabem existir: o acelerômetro (que entende o número de passos que a pessoa deu, o tamanho de cada passo e a direção), o giroscópio (sensor que entende para onde o celular está apontando nas três direções), e o magnetômetro (um subconjunto da bússola).

“Cada local físico tem um conjunto de distorções magnéticas que é único — uma espécie de impressão digital daquele local,” diz André Ferraz, que fundou a In Loco com amigos de faculdade há cinco anos. 

A tecnologia desenvolvida pela In Loco agrega, processa e determina a localização do usuário com uma precisão de dois ou três metros. Para efeito de comparação, trata-se de uma precisão 30 vezes maior que o GPS usado pelo Waze ou pelo Google Maps. Mais: a tecnologia consome 3.000 vezes menos bateria que um GPS tradicional, permitindo que o algoritmo fique rodando non-stop. Ao longo de um dia, a aplicação da In Loco consome 0,5% de uma carga de bateria.

A In Loco está fazendo avanços num terreno que tem sido pedregoso para as maiores companhias do Silicon Valley. 

O Google chegou a ter 150 engenheiros trabalhando para desenvolver uma tecnologia de indoor location, mas o projeto foi descontinuado em 2017. Agora, o Google está investindo em outra tecnologia chamada beacon, que depende da instalação de um dispositivo bluetooth para viabilizar a localização. Há dois problemas: o custo do hardware e o fato de menos de 5% das pessoas com smartphones usarem o bluetooth o tempo todo. Segundo André, para conseguir o mesmo mapeamento (em quilômetros quadrados) que a In Loco tem hoje, a tecnologia beacon demandaria um investimento de US$ 10 bilhões. 

No ano passado, o Facebook abriu uma competição para desenvolvedores de indoor location e teve 6 mil inscritos: o melhor deles obteve 60% da precisão da In Loco. Finalmente, a Apple comprou duas empresas de indoor location technology — uma americana em 2011, e uma israelense em 2014 — mas ainda não lançou nenhum produto.

Hoje, a tecnologia da In Loco está embarcada em 60 milhões de smartphones no Brasil (por meio de mais de 600 apps), mas a ambição da companhia é global. A In Loco já está em 3,5 milhões de smartphones nos EUA, e deve chegar a 10 milhões em março.

Até agora, a In Loco desenvolveu três aplicações para sua tecnologia. A primeira delas, a In Loco Media, permite a anunciantes obter mais assertividade em suas campanhas e já tem clientes como Pizza Hut, Jeep, Coca-Cola, Mondelez e Boticário. A ideia da In Loco é passar a cobrar dos clientes um CPV — custo por visita à loja física — em vez do famigerado CPM (custo por mil) cobrado nas campanhas do Google e Facebook. O cliente só paga à In Loco se o usuário for atraído até sua loja e ficar ali mais de cinco minutos.

“Um cliente nosso comparou o CPV a um contrato de ‘success fee’ em que os dois lados ganham,” diz Adrian Ferguson, que se juntou à In Loco Media no ano passado depois de 27 anos no mercado publicitário.

A segunda aplicação, o Engage, é uma ferramenta de CRM que permite a companhias identificar o contexto ideal para interagir com seus clientes por meio do aplicativo. Por exemplo, a partir dos insights da In Loco, um aplicativo de táxis descobriu que não estava engajando seus clientes em locais como aeroportos e bares. De posse do diagnóstico, o app começou a fazer promoções usando a geolocalização e conseguiu aumentar o número de corridas. O CRM do aplicativo não conseguiria chegar ao mesmo diagnóstico porque a tecnologia da In Loco consegue ‘ver' onde os usuários se encontram mesmo quando eles não estão usando o app.

A terceira aplicação, o In Loco ID, previne fraude a partir do conhecimento dos hábitos do usuário, e já está sendo usado por dois bancos digitais. Como dependem de fotos de documentos para abrir contas, os bancos estão suscetíveis a fraude.

Como quase toda startup, a In Loco já flertou com o desastre. Quando foi fundada em 2013, a companhia levantou recursos junto à Naspers para durar dois anos, mas acabou focando sua tecnologia num produto com uso limitado: serviços de geolocalização, tendo shopping centers como o cliente final. Quando faltavam dois meses para o dinheiro acabar, a In Loco fez o ‘pivot’ que a salvou da extinção: lançou um novo produto, focado em publicidade, que começou a gerar caixa quase imediatamente.

Em 2015, a companhia faturou US$ 1,5 milhão. No ano seguinte, US$ 5 milhões e, ano passado, US$ 12 milhões.

No Carnaval, Ferraz vai para São Francisco conversar com fundos de venture capital para uma nova captação, que deve financiar o crescimento nos EUA. Já disse aos sócios que só volta quando a rodada estiver garantida.

Ele diz ser quase impossível para empresas como Google e Facebook fazer o que a In Loco está fazendo. O motivo: o paradigma de privacidade.

"Todo o modelo de negócios do Google e do Facebook está baseado neles saberem exatamente quem é o usuário deles. Já a nossa tecnologia enxerga padrões mas não enxerga o RG que está lá na ponta. Na medida em que a sociedade aumentar sua demanda por privacidade, eles teriam que abandonar toda a sua base de usuários e começar do zero" para replicar o que a In Loco faz hoje.

O avanço nas tecnologias de geolocalização — assim como a chamada Internet of Things — marcam a transição da computação para um novo estágio chamado ‘Computação Ubíqua’.

Um pesquisador da Xerox PARC, Mark Weiser, propôs o conceito num artigo em 1991. Weiser previu que a computação um dia será, na vida cotidiana, igualzinha à energia elétrica.

Invisível.

terça-feira, 6 de fevereiro de 2018

INTELIGÊNCIA ARTIFICIAL VS APRENDIZAGEM DE MÁQUINA

Por Nuno Miguel Oliveira em 05/02/2018 no site Leak



Inteligência Artificial e a Aprendizagem de Máquina são coisas distintas, com implicações diferentes ao nível do que os computadores conseguem fazer e da forma como interagem connosco.
Os dois termos são muitas vezes confundidos e utilizados incorretamente pelos departamentos de marketing por esse mundo fora, que querem dar um ar mais sofisticado aos seus produtos.

Tudo começa com as Redes Neurais

Aprendizagem de máquina é o paradigma computacional que levou ao crescimento da “Big Data”.
  • O termo Big Data refere-se a um grande conjunto de dados armazenados.
Já a inteligência artificial, é baseada no desenvolvimento de redes neurais e aprendizagem profunda. Geralmente isto é descrito como uma imitação da forma como os humanos aprendem, mas não é bem assim.
Aprendizagem de máquina não é nada mais do que análise estatística e aprendizagem interativa.
  • Input/Output = Entrada/Saída
O problema deste tipo de computação é, tal e qual como na programação tradicional, a dependência de como o programador humano constrói toda esta rede é re-ajustar todo o sistema demoraria demasiadas horas de trabalho humano.
Por isso as redes neurais entraram no mundo da aprendizagem de máquina.

Aprendizagem de Máquina

Ao monitorizar o output/input do sistema e ajustando os factores de importância gradualmente, uma rede pode treinar-se a si própria para melhorar a sua precisão.
Consoante os resultados, a rede irá aprender com os resultados corretos mas também com os erros que comete, tal e qual como um… humano !
O importante aqui é que o algoritmo de aprendizagem de máquina é capaz de aprender e agir sem os programadores terem de especificar toda e qualquer possibilidade daquilo que poderá vir a acontecer.
  • Não é preciso pré-definir todos carros do mundo para o algoritmo perceber o que é um carro.
Treinar uma rede pode ser feito de várias maneiras, mas todas elas envolvem uma abordagem de força brutapara conseguir maximizar a precisão do output.

  • Força Bruta é uma técnica que consiste em enumerar todos os possíveis candidatos a solução para encontrar a verdadeira.
Imaginem um pin de 4 dígitos, esta técnica irá testar todas as combinações desde 0000 até a 9999, para descobrir o pin correcto!

No entanto, mesmo usando Força Bruta, este treino é muito mais eficiente do que programar tudo à mão, permitindo que o algoritmo processe muitos mais dados a uma velocidade significativamente mais alta.
Assim que o treino termine, o algoritmo de aprendizagem de máquina é capaz de ordenar novos inputs através da rede com grande velocidade e precisão em tempo real.
Criando assim uma tecnologia essencial para reconhecimento de voz, processamento de línguas e também projectos científicos.

O que é Inteligência Artificial e o que não é

Inteligência Artificial Aprendizagem Máquina
Aprendizagem de máquina é uma técnica de processamento muito inteligente, mas não possui inteligência real.
Um algoritmo não necessita de perceber o porquê de se auto-corrigir, apenas precisa de perceber como pode ser mais eficiente e preciso no futuro.
Mas assim que um algoritmo tiver aprendido algo, pode ser usado em sistemas que realmente possuam inteligência real.
Uma boa maneira de definir inteligência artificial é a aplicação de aprendizagem de máquina que interaja com humanos ou os imite numa maneira inteligente e convincente.
A Inteligência Artificial pode ser repartida em dois grandes grupos, aplicada e geral.
A aplicada é mais fácil actualmente, temos casos como compra e venda de acções, gestão de tráfego numa cidade ou diagnóstico de pacientes.
Sendo capaz de variadas tarefas, entendendo qualquer conjunto de dados, por isso consegue pensar de maneira mais ampla, como os humanos, com capacidade de aprender “fora da caixa”, ou seja, fora do seu set de conhecimento inicial, levando a um grande crescimento nas capacidades.
As primeiras descobertas de aprendizagem de máquina reflectem ideias de como o cérebro se desenvolve e como as pessoas aprendem.
Aprendizagem de máquina, fazendo parte de um sistema complexo, é essencial para conseguir alcançar software e máquinas capazes de realizar tarefas características e comparáveis à inteligência humana

Agora e o futuro

Inteligência Artificial Aprendizagem Máquina

Porquê que os processadores de smartphones incluem um processador de Inteligência Artificial ?

Se os assistentes virtuais têm sido a tecnologia inovadora nos últimos tempos, então os processadores de IA são certamente o equivalente no lado do hardware.
Apesar de todo marketing e palavras técnicas que as empresas vomitam cá para fora, tanto a aprendizagem de máquina como a inteligência artificial têm aplicações presentes no mercado.
Ainda estamos um pouco longe de viver lado a lado com IA geral, mas se tem experiência com o assistente da Google ou a Siri da Apple, já interagiu com alguma forma de inteligência artificial.
Aprendizagem de máquina usada em processamento de linguagem é uma das chaves para os aparelhos “smart” de hoje em dia.
Se nasceu nos anos 80 ou 90, provavelmente a ideia de Inteligência Artificial ou de Aprendizagem de máquina puxa logo imagens do Arnold Schwarzenegger a dizer “I’ll be back”, mas não se assuste, Hollywood fica longe e o Arnold já está velho.
O exemplo da “Smart Home” é apenas o caso de uso mais recente, aprendizagem de máquina já foi aplicado em várias casos, tal como a Google, que usa para o seu motor de pesquisa, ou o Facebook que também a usa para optimização de publicidade, até o seu banco deve usar para prevenir fraudes.
Existe uma grande diferença entre aprendizagem de máquina e inteligência artificial, apesar de o primeiro ser uma grande componente do segundo.