Transcrição do episódio A transcrição é gerada automaticamente por Podscribe, Sonix, Otter e outros serviços de transcrição eletrônica.
Olá pessoal, Bem vindos a mais um 5 Minutes Podcast! Hoje eu quero falar sobre o Teorema de Bass, mas vocês não devem esperar que eu vá falar aqui Fórmulas como calcular nada, nada disso. Eu tenho um vídeo no YouTube que fala isso. Eu quero falar agora uma coisa muito mais profunda e o que está por trás de um dos principais teoremas e como o simples entendimento conceitual do que ele representa muda com certeza a nossa percepção de risco. Esse teorema é hoje. Só para vocês terem uma ideia, a raiz da maior parte dos processamentos por máquina ou os aprendizados por máquina ou machine learning, todos eles usam isso. Por quê? Porque ele é uma distribuição. Todo mundo sabe o que é probabilidade, probabilidade, a chance de alguma coisa acontecer. Agora, o que a estimativa Deise Ana trata ou a estatística bayesiana trata? Ela trata o seguinte é que toda vez que você tem novas informações, esta sua crença probabilística precisa ser alterada. Esse é o ponto mais importante que eu quero falar para vocês. Então eu adoro Quando eu fui aprender o teorema de Bayes, o meu professor na época mostrou um vídeo muito interessante da Discovery e eu não consigo dar um exemplo melhor do que esse. Imaginem que eu pergunte a vocês assim qual é a probabilidade de um elefante aparecer na sua frente ou na frente da sua casa ou na frente do seu escritório? Agora, bem, todo mundo que trabalha com risco sabe que a probabilidade não é zero.
O que vocês podem me dizer é que a probabilidade é muito, muito baixa. Então essa é a sua probabilidade inicial. Ou seja, diante da absoluta falta de informação, eu acho que a probabilidade é muito, muito baixa. Mas imaginem que eu chegue para vocês e falem assim tem um circo no seu bairro, no bairro onde você está. E esse circo é um circo com animais. Vocês concordam comigo que esse fato muda? A sua probabilidade muda. Ela pode continuar muito baixa, mas agora existe um fator que pode corroborar uma eventual existência um elefante na sua frente. Agora, se eu te der uma terceira informação falando assim, acabei de ligar a televisão e diz que um elefante fugiu do circo. Vocês concordam que a cada vez que eu estou dando para você uma informação adicional, você está o quê? Reequilibrando aquele risco, dizendo assim Opa, esse risco subiu, esse risco desceu. É a mesma coisa, por exemplo, que o aprendizado por máquina. À medida que você escreve alguma coisa ou compõe alguma coisa, ele vai. O que? Calculando probabilisticamente qual é o seu próximo passo baseado nas informações que você deu até aquele momento. E por que isso é importante? Por que isso muda tudo no nosso entendimento sobre risco? Porque isso nos explica a importância da gente ter gatilhos ou alarmes antecipados, ou o que a gente chama em inglês triggers. O que é um trigger? É um determinado sensor que você coloca que permite com que se avalie um determinado evento a partir da ocorrência ou não daquele evento, ele automaticamente reavalia a probabilidade do segundo.
Vamos dar um exemplo simples em projetos. Imagine o seguinte você está próximo do prazo do seu projeto e você tem um equipamento crítico que precisa ser entregue pelo seu fornecedor. E você está monitorando esse fornecedor, porque se seu fornecedor atrasar, você não vai conseguir entregar o seu projeto e aí o seu fornecedor bons. Perto do fim do ano, o seu fornecedor liga para você e te pergunta assim vocês vão ter férias coletivas no final do ano? Aí pergunta para ele Mas por que ele não? Eu queria só saber. E você desliga o telefone. O que vocês acham que aquele telefonema significava? E porque o seu fornecedor tem um interesse enorme no seu bem estar e no bem estar da sua equipe? E queria que você avaliasse isso? Bem, a verdade é muito distante dessa. O que o seu fornecedor estava fazendo ao testar essa hipótese? Ele estava o que? Tentando entender o seguinte Se eu atrasar, qual o tamanho do problema? Então você concorda que você como aí o cliente daquele fornecedor, você tem que disparar um gatilho imediato? Porque se ele te ligou perguntando isso imediatamente eu tenho que falar assim Opa, será que ele vai conseguir entregar no prazo? Perceberam? Sabe o que você fez? Muitas vezes sem saber, Você tá usando o que o reverendo Thomas Benz no século XVIII conseguiu formalizar? Você tá fazendo o que? Uma análise hobbesiana, ou seja, uma análise racionalista que muita gente a gente chama.
E essa análise permite com que você reavalie o seu julgamento sobre o que é caro, sobre o que é barato, sobre o que é bom, sobre o que é ruim, sobre tendência. A partir de quê? De pequenas peças de informação que chegam para você a partir do momento que você tem uma peça de informação? Sim, o meu fornecedor quer saber se eu vou entrar em férias. Sim, imediatamente ele fala Mas por que ele quer isso? Será que não tem nada por trás desse interesse? É exatamente isso. Então, o que eu queria compartilhar com vocês? Toda vez que você está diante de um cenário volátil, a coisa mais importante é você se equipar com esses gatilhos. Eu vou dar um exemplo hoje da minha vida real nós estamos vendo essa avalanche, tsunami ou qualquer coisa similar com inteligência artificial. O que eu estou fazendo? Eu estou buscando conhecer da melhor forma que eu posso buscar, me aprimorar, buscando testar. E eu estou que com vários gatilhos acionados para eu entender o seguinte o quanto isso vai alterar o meu trabalho? O quanto isso vai alterar o trabalho dos meus clientes, o quanto isso vai alterar a forma com que eu ofereço os produtos e serviços que eu tenho, o quanto isso vai alterar o conteúdo que eu produzo. Eu estou tendo Inter porque a partir do momento que eu recebo informações de uma delas, por exemplo, foi quando o chato PPT foi lançado publicamente no final de 2022.
Foi quando eu tive essa oportunidade falar assim Opa, aqui nós temos algo que mudou a regra do jogo, que até então nós pensávamos em processamento por máquina para calcular números, para poder fazer um monte de cálculos simultâneos, para ganhar um jogo de xadrez ou até mesmo brilhantemente como a DeepMind fez para ganhar um jogo de GO. Mas eu nunca pensei que uma inteligência artificial capaz de desenhar, capaz de fazer um vídeo capaz de fazer uma música capaz de compor uma letra. Isso tudo veio nessa avalanche do que está acontecendo nesses últimos meses que nós estamos vendo. E isso é automaticamente o que é um gatilho para mim. Um monte de iniciativas que eu tinha na minha vida profissional. Eu tive que dar uma parada para eu poder me dedicar a outras iniciativas que eram emergentes. Por que? Porque eu precisava responder a esse gatilho. Eu estava nada mais, nada menos que usando a estatística Bayesiana de uma forma completamente empírica, para ter certeza de que as minhas crenças estavam atualizadas com as informações que eu recebia. E é isso que eu quero passar para vocês. E as suas crenças e as coisas que você acha certo, Errado, rápido, barato, prazo fora do prazo. Elas estão mudando à medida que novas informações chegam e você está atualizando essa sua percepção. Ou você está parado no tempo até você ser engolido por um tsunami? Pensem nisso e até semana que vem com mais um 5 Minutes Podcast.
