O olho humano capta uma imagem num ápice, enviando um conjunto de sinais ao córtex visual do nosso cérebro. O reconhecimento dessa imagem é instântaneo e resulta da assimilação e acomodação prévia de experiências, cujas representações e respetivos significados foram sendo gravados na memória e melhoradas ao longo do nosso crescimento. Imagens computacionais, por outro lado, são dados digitais guardados na forma de matrizes bidimensionais. O processo de aprendizagem computacional automático destas imagens tenta imitar o comportamento do cérebro, na mesma proporção e velocidade. Porém, as etapas físicas de pré-aquisição, arquivamento e pós-processamento computacional baseiam-se em dados puramente digitais e em diversos modelos matemáticos que são treinados com grandes quantidades de dados, permitindo assim reconhecer novos casos à posteriori.

Dados digitais têm sido massivamente guardados e utilizados por organizações para ganhar vantagem competitiva, permitindo a constante otimização dos seus processos de negócio. Na atualidade, não só é possível identificar lacunas e oportunidades através da análise de informação presente nos dados passados, como também é possível a rápida inferência de novo conhecimento a partir de modelos artificialmente treinados a partir desses dados. Perante isto, também as empresas retalhistas, cuja captação dos dados é uma constante diária, procuram adotar estes mecanismos para melhorar alguns dos seus processos menos eficientes, compreendendo melhor o comportamento dos seus clientes, alavancando assim as suas vendas e também proporcionando um nível de serviço de maior qualidade.

Hoje recordo as recentes reuniões sobre a incapacidade de algumas soluções tecnológicas não suportarem, de forma eficaz, o controlo, a monitorização das perdas e o reaprovisionamento automático de alimentos com ciclo de vida reduzido, tempos de entrega curta e de alta rotatividade, tais como os alimentos perecíveis. Relembro não só a extrema importância destes produtos sensíveis à deterioração biológica, como também ao papel da logística e transporte na sua eficiente e rápida distribuição. A fruta e os vegetais, uma vez colhidos, começam a deteriorar-se ao longo da cadeia de abastecimento, até que, a dada altura, se tornam potencialmente impróprios e até inseguros para consumo. Vejo atualmente a adoção de dados e modelos de aprendizagem automática na identificação de produtos frescos com potenciais sinais de danos ao longo da cadeia de abastecimento, permitindo alertar previamente os agentes operacionais envolvidos sobre quaisquer inconformidades do produto mesmo antes de chegar ao armazém ou loja.

Na mesma esteira de adoção massiva dos dados e em plena situação de pandemia coronovírica, agrada-me ver também diversas empresas, tais como o Alibaba, gigante do retalho em linha, empenhadas na procura de soluções para desafios globais comuns e em contribuir também para a diminuição dos impactos nefastos da situação atual. Esta empresa propõe-se apoiar organizações em todo o mundo na luta contra o Covid-19, por exemplo, lançando iniciativas tecnológicas que procuram auxiliar o médico no diagnóstico rápido a partir de imagens, permitindo a identificação do vírus em 20 segundos com aproximadamente 96% de precisão. Este sistema utiliza um modelo de aprendizagem automática construído com base em milhares de casos de tomografias computorizadas de pessoas previamente infetadas. Atualmente, este instrumento serve como uma fonte rica de informação e um poderoso aliado dos médicos no suporte à sua decisão.

Os avanços tecnológicos nas áreas analíticas e de aprendizagem automática são transversais a qualquer indústria. Fascinam-me, em particular. No atual contexto e circunstancias no nosso país, acredito que beneficiaríamos bastante caso fossem também disponibilizados à nossa comunidade científica e universidades dados relacionados com os pacientes portugueses, mantendo naturalmente o anonimato dos nossos cidadãos. Acredito também que nós, informáticos e cientistas, conseguiríamos dar um pouco mais de contributo a um desafio complexo que teima em não nos largar.
*com JMS