O impacto dos Modelos Probabilísticos na tomada de decisão

A inteligência artificial (IA) é baseada em algoritmos que habilitam os computadores a processar grandes quantidades de dados e dessa forma aprender com eles, além disso, tomar decisões autônomas baseadas nesse conhecimento. 

A capacidade desses algoritmos tem sido aproveitada em diferentes áreas do conhecimento humano, desde tópicos avançados em robótica até a criação de sistemas cognitivos.

Dentre os diversos algoritmos utilizados para a criação de sistemas baseados em inteligência artificial, os modelos probabilísticos possuem um potencial a ser explorado a fim de ajudar na tomada de decisão.

Modelos Deterministicos

Para compreendermos o potencial dos modelos probabilísticos ou não determinísticos, é necessário entendermos como funcionam os modelos determinísticos. Para isso, vamos imaginar a seguinte situação: você trabalha realizando entregas e recebe demandas da empresa por meio de um cadastro em um aplicativo. Além disso, a empresa para qual você trabalha possui um sistema de recompensa caso a entrega seja feita em menos de 25 minutos.

Dessa forma, a sua primeira ação após receber a demanda de entrega é utilizar o sistema de GPS para obter a rota que, quando seguida, terá o menor tempo de percurso, certo?

Ao observar o retorno com a previsão do tempo de percurso dado pelo GPS, você conclui que a melhor rota para o seu destino é a primeira rota (Rota 1). Ou seja, o modelo de cálculo de rota do GPS gerou o valor esperado para o trajeto. 

Porém, e se levássemos em consideração todas as adversidades que podem acontecer pelo caminho? 

Modelos Probabilísticos

Para compreender os modelos probabilísticos, vamos adicionar alguns detalhes ao nosso exemplo. E se, de alguma forma, fosse possível coletar os dados de quem já percorreu o mesmo caminho e, devido à alguma situação adversa ou favorável, chegou ao destino antes ou depois do valor esperado.

Imagine que as rotas selecionadas foram percorridas várias vezes por outros entregadores e esses dados foram coletados pelo sistema de GPS, chegando ao ponto que a distribuição de probabilidade gerada pelo modelo, agora probabilístico, associada aos percursos é aproximadamente normal.

Ao observarmos a distribuição de probabilidade da primeira rota percebemos que o valor esperado ou média é de 19 minutos. Porém, quando calculamos a área abaixo da curva, percebemos que você tem uma probabilidade de 69% de chegar ao destino no tempo desejado e conseguir a recompensa da empresa. 

Por outro lado,  realizando o mesmo cálculo na segunda rota você teria a probabilidade de 93% de chegar ao destino da entrega antes dos 25 minutos. Com isso, a decisão que foi tomada anteriormente precisaria ser repensada, sendo a segunda rota a melhor alternativa.

Quando utilizar os Modelos Probabilísticos ?

Sempre que possível. Quando se expressa a incerteza que o modelo criado possui, construímos um  guia mais confiável e que considera a maioria dos cenários possíveis para um determinado conjunto de dados.

A aplicação desses modelos não se limita apenas ao problema de regressão, mas também podem ser utilizados juntamente com os modelos de classificação, por exemplo, seguindo a mesma lógica de que ao invés de retornar uma categoria absoluta como resposta ao problema, o modelo retorna uma distribuição de probabilidades.

Conclusão – O impacto dos Modelos Probabilísticos na tomada de decisão

Conforme visto no exemplo, a principal diferença entre um modelo determinístico e um modelo probabilístico é o retorno gerado. Se de um lado temos o valor esperado como a resposta dada ao problema, por outro lado temos uma distribuição de probabilidades como o retorno para uma determinada entrada.

A utilização de modelos probabilísticos, portanto, entrega mais informações a respeito do processo aleatório que o gerou, dando uma nova perspectiva para a tomada de decisão.

Autor