Home  >  Inovação

10 formas que as empresas estão usando o DeepMind, do Google

Startup de AI ajudou a personalizar recomendações de aplicativos no Google Play. Veja outras aplicações

Tom Macaulay, da Computerworld/UK

12/03/2019 às 10h01

Foto: Shutterstock

O DeepMind atraiu manchetes confusas desde que o Google pagou 400 milhões de libras pela startup de inteligência artificial (AI), sediada no Reino Unido, em 2014. O temor inspirado pelo sistema AlphaGo DeepMind, que derrotou o campeão mundial de Go Lee Sedol, foi logo endurecido por críticas ao seu controverso acesso a registros pessoais de saúde, o qual a ICO decidiu que tinham violado a Lei de Proteção de Dados, e as preocupações cresceram quando o Google anunciou que assumiria o controle da DeepMind Health.

A confiança tem oscilado desde então, mas a AI desenvolvida no laboratório da DeepMind em King's Cross, Londres, continua a liderar o mundo e está encontrando seu caminho em aplicações intrigantes. Confira dez formas que empresas estão usando a DeepMind.

1. Melhorando a eficiência do parque eólico

DeepMind impulsionou o valor da energia produzida pela frota de parques eólicos do Google no centro dos Estados Unidos, prevendo sua produção 36 horas antes da geração da energia.

A empresa treinou uma rede neural em previsões meteorológicas locais e dados históricos de turbinas para que pudesse recomendar os compromissos otimizados de entrega horária para a rede elétrica com um dia de antecedência.

A DeepMind afirma que isso já aumentou o valor da energia eólica do Google em aproximadamente 20% e pretende refinar ainda mais o modelo para tornar a fonte de energia imprevisível mais comercialmente viável.

2. Otimizando as recomendações de aplicativos no Google Play

A DeepMind ajudou a personalizar as recomendações de aplicativos no Google Play usando o aprendizado de máquina para encontrar os aplicativos que os usuários estão mais propensos a usar e aproveitar com base em downloads anteriores e no contexto em que foram usados.

O trabalho tem como objetivo atrair clientes pagantes para a loja Google Play, um exemplo de como o Google pode comercializar a tecnologia produzida pela DeepMind.

3. Detecção de lesão renal aguda em pacientes com NHS

A DeepMind desenvolveu um aplicativo de alerta de segurança do paciente chamado Streams, que analisa os resultados dos testes em busca de sinais de doença e envia alertas instantâneos para a equipe, caso seja necessária uma avaliação urgente. O aplicativo também ajuda os médicos a verificar rapidamente outras condições graves, como lesão renal aguda, e exibe resultados de exames de sangue, exames e raios X com o toque de um botão.

O projeto faz parte do DeepMind Health, lançado em fevereiro de 2017, com o objetivo de usar sistemas de aprendizado de máquina para melhorar o tratamento de saúde e digitalizar processos médicos.

Streams foi usado pela primeira vez no Royal Free NHS Trust, no norte de Londres, para detectar lesões renais agudas através da análise de exames de sangue. Mais tarde, foi implementado em várias organizações de saúde, incluindo a Fundação do NHS do Hospital Distrital de Yeovil, a Fundação do NHS de Taunton e Somerset e o Imperial College Healthcare NHS Trust.

Os enfermeiros disseram que o aplicativo economizou até duas horas por dia, mas o acordo de compartilhamento de dados logo entrou em conflito com as leis de privacidade. Em julho de 2017, o Information Commissioner's Office (ICO) determinou que o Royal Free não cumpriu a Lei de Proteção de Dados quando forneceu detalhes do paciente à DeepMind. Entre suas deficiências estava uma falha em informar adequadamente aos pacientes que seus dados seriam usados no estudo.

Marcos Pontes

A questão foi resolvida pela ICO instruindo o Royal Free a assinar um compromisso formal para garantir a conformidade futura, mas outras preocupações surgiram quando a DeepMind anunciou que a equipe por trás do Streams estava se unindo ao Google.

A DeepMind Health agora trabalhará sob o recém-formado Google Health, liderado pelo ex-CEO da Geisinger, David Feinberg, como parte de uma estratégia para integrar os vários projetos de saúde do Google.
Os defensores da privacidade argumentam que o movimento quebra a promessa da DeepMind de que os dados pessoais adquiridos pela Streams não seriam usados pelo Google. A CNBC informou que o conselho de revisão independente da DeepMind provavelmente será desmantelado, já que a empresa pretende expandir o serviço para além do Reino Unido.

A DeepMind alega que o apoio do Google ajudará a transformar o aplicativo em um assistente com tecnologia IA para todos os enfermeiros e médicos, que combinará os melhores algoritmos com o design intuitivo.

4. Diagnóstico de câncer de mama no Imperial College London

A DeepMind está colaborando com a equipe de pesquisa de saúde do AOI do Google e um grupo de instituições de pesquisa, liderado pelo Cancer Research UK Centre no Imperial College London para melhorar a detecção do câncer de mama.

A doença mata 500 mil pessoas em todo o mundo a cada ano, em parte devido aos desafios de detecção e diagnóstico. Os exames de mamografia usados atualmente não detectam milhares de cânceres todos os anos e, muitas vezes, levam a falsos alarmes de sobrediagnóstico. A DeepMind acredita que o aprendizado de máquina poderia melhorar isso.

Os pesquisadores da DeepMind irão analisar mamografias históricas sem identificação de cerca de 7.500 mulheres para avaliar se ferramentas de aprendizado de máquina identificam sinais de tecido canceroso mais efetivamente do que mamografias. O trabalho exploratório tem o potencial de transformar o teste de câncer de mama.

5. Prevendo a deterioração de paciente em veteranos militares

A DeepMind está trabalhando com o Departamento de Assuntos de Veteranos dos EUA para prever a deterioração do paciente analisando padrões de cerca de 700 mil registros médicos históricos.

O projeto visa determinar se a aprendizagem por máquina pode identificar os fatores de risco para a deterioração do paciente ou prever seu início para melhorar o tratamento de um problema que causa uma estimativa de 11% de todas as mortes hospitalares.

A equipe de pesquisa procurará maneiras de melhorar os algoritmos usados para detectar a Lesão Renal Aguda (LRA), uma causa comum de deterioração do paciente, em uma área na qual a DeepMind desenvolveu especialização.

6. Personalizar o gerenciamento de bateria e brilho da tela em dispositivos Android

O DeepMind for Google criou dois novos recursos para o Android: Adaptive Battery, que prevê quais aplicativos serão necessários e, portanto, aumenta o desempenho da bateria, e o Adaptive Brightness, que aprende suas preferências de brilho em diferentes ambientes para personalizar as configurações da tela.

Nuvem na terceira plataforma

Os recursos estarão disponíveis ainda este ano para dispositivos que executam o sistema operacional Android P.

7. Identificando doenças oculares no Hopsital Moorfields Eye

A DeepMind formou uma parceria com o Hospital Moorfields Eye para desenvolver um sistema baseado em aprendizado de máquina capaz de reconhecer doenças oculares com risco de visão a partir do escaneamento do olho. Enquanto a colaboração inicial da empresa com o NHS, no Royal Free, focou no atendimento ao paciente, este é o primeiro dedicado inteiramente à pesquisa médica.

O programa envolve a análise de mais de um milhão de exames anônimos para produzir um algoritmo que detecta sinais precoces de doenças oculares emergentes e aumenta a velocidade do diagnóstico.

Um oftalmologista de Moorfield, chamado Pearse Keane, é creditado pela ideia. Ele entrou em contato com a empresa depois de ver a tecnologia ajudar os computadores a aprender como jogar videogames, pois acreditava que ela poderia ser aplicada à imagens do olho.

8. Tratamento de câncer de cabeça e pescoço no Hospital Universitário de Londres

A DeepMind também trabalhou com o NHS para melhorar o tratamento de câncer de cabeça e pescoço. Antes da radioterapia iniciar, os médicos gastam atualmente cerca de quatro horas preparando um mapa detalhado do corpo de cada paciente para evitar atingir o delicado tecido circundante que pode ser danificado no tratamento. A informação é então alimentada em uma máquina de radioterapia para atingir o câncer sem prejudicar o tecido saudável.

BI

Pesquisadores da DeepMind acreditam que o aprendizado de máquina pode reduzir esse tempo para uma hora. A equipe está analisando exames escaneados anonimizados de pacientes UCLH para desenvolver um algoritmo de segmentação de radioterapia que pode automatizar partes do processo. Eles esperam eventualmente aplicar o algoritmo a outras partes do corpo.

9. Gerando vozes do Google Assistente

Enquanto a tecnologia da área de saúde domina os atuais desenvolvimentos da DeepMind, seus sistemas de aprendizado de máquina também foram estendidos para a análise de áudio. As máquinas falantes têm uma longa história em ficção científica e estão ganhando adoção em massa através de produtos como a Siri, mas a lacuna entre o computador e a fala humana permanece substancial.

A DeepMind desenvolveu um sistema text-to-speech que pode fechar essa lacuna em mais de 50%. Conhecido como WaveNet, ele usa uma rede neural para replicar as ondas sonoras produzidas por falantes humanos em vez de copiar a linguagem que eles usam. A tecnologia agora é usada para gerar as vozes do Google Assistente para inglês americano e japonês em todas as plataformas.

10. Cortando contas de energia elétrica no Google

O Google usa o aprendizado de máquina em uma variedade de produtos próprios, incluindo Maps, Gmail, YouTube e Android, e acredita que a tecnologia DeepMind poderia melhorar a pesquisa, os robôs e a Internet das Coisas. Uma agente DeepMind já equiparou ao desempenho humano em 49 jogos da Atari, incluindo Pac-Man e Space Invaders, e se tornou o primeiro programa de computador a vencer um jogo de Go contra um jogador profissional.

O Google usou a DeepMind para reduzir as contas de eletricidade em seus enormes data centers. Os algoritmos da DeepMind previram o ar condicionado necessário para resfriar o grande número de servidores que alimentam seus serviços, que variam dependendo da demanda do usuário. Os resultados foram uma economia de eficiência de 40% nos sistemas de resfriamento e uma redução de 15% na energia total usada nos data centers.