A Google anunciou nesta semana uma série de novas ferramentas da empresa para ajudar os desenvolvedores que querem utilizar em seus projetos toda a capacidade de machine learning (ML) do Google Cloud para suas aplicações de inteligência artificial (IA).

Uma dessas ferramentas é o AI Hub, que funciona como um destino único para todo o conteúdo em ML de um projeto. Além de disponibilizar recursos de ML desenvolvidos pelo Google Cloud AI, ele também disponibiliza um espaço privado onde empresas podem fazer upload e compartilhar recursos proprietários de aprendizado de máquina apenas entre seus funcionários.

Outra ferramenta anunciada é o Kubeflow Pipelines, um projeto de código aberto da Google que fornece um ambiente onde é possível compor, implantar e gerenciar fluxos de trabalho de aprendizado de máquina ponta-a-ponta, o que o torna a única solução híbrida para esse tipo de processo do mercado.

Além das duas novas ferramentas, a empresa também anunciou uma série de melhorias para a API Cloud Video, que permitirá detectar textos em mais de 50 idiomas diferentes dentro de um vídeo, efetivamente tornando seu conteúdo buscável.

Esses anúncios acontecem num momento em que a Google tem se preocupado cada vez mais não só com a evolução dos processos de IA, mas também que essa evolução se dê na direção certa.

Rajen Seth, diretor global de Product Management da Google, traça um paralelo entre o estado das IAs hoje com o que ocorreu com a internet durante a década de 90, quando a tecnologia deixou de ser um nicho acadêmico para se tornar algo convencional da vida das pessoas.

Assim como ocorreu com a internet, Seth alega que essa popularização traz não só benefícios como também riscos. Do mesmo modo que a popularização da internet ajudou a disseminar softwares maliciosos e a criar o cyberbullying, cientistas temem que a popularização do uso de IAs pode trazer riscos como a criação de montagens de imagem, áudio e vídeo que simulam pessoas reais, utilização para ataques digitais automáticos para provocar acidentes em carros autônomos ou ainda a transformação de drones comerciais em armas.

Seth acredita que, para evitar esses problemas, a chave para utilizar a IA de forma efetiva é a conscientização de que mesmo dados coletados fielmente podem estar repletos de preconceitos que afetarão o trabalho das máquinas. Por exemplo, treinar modelos de aprendizado de máquina que lidam com processos de linguagem sem fazer uma revisão dos dados pode fazer com que as máquinas perpetuem estereótipos e aprendam suposições ultrapassadas sobre gênero, raça e sexualidade.

Hoje, a Google afirma que existem 20 milhões de desenvolvedores de aplicações com IA em todo o mundo, mas somente 2 milhões destes são cientistas de dados. Por isso, cada indústria tem um papel importante em como as IAs irão evoluir nos próximos anos, e é por isso que todas precisam estar atentas em orientar esse processo de forma justa, responsável e confiável.