A quantidade de dados que geramos todos os dias é impressionante – atualmente estimada em mais de 2,6 quintilhões de bytes. 2,6 quintilhões! É um número tão grande que 2,6 quintilhões de moedas cobririam a Terra … cinco vezes. E esse número está crescendo com o aumento de dispositivos cada vez mais conectados e cada vez mais gerando dados.

E aqui temos Um Lucrativo Nicho Para Advogados: Deep Learning.

O aprendizado profundo é uma sub-área de Inteligência Artificial (IA), que usa uma sequência de procedimentos matemáticos chamados algoritmos para aprender e reconhecer padrões. Ele está aninhado abaixo de IA, aprendizado de máquina (Machine Learning) e “redes neurais artificiais” porque é uma rede neural com várias camadas. O que é incrível é que o aprendizado profundo permite que os computadores aprendam. Como estamos inundados de dados no setor jurídico, podemos nos beneficiar aprendendo com nossos clientes.

Se os dados são o novo petróleo, que novos produtos podemos fabricar?

É aí que entra o aprendizado profundo (Deep Learning).

O básico é simples. O primeiro desafio é identificar os tipos de problemas mais suscetíveis de serem resolvidos com essa técnica. Na sequência precisamos de dados, muitos dados, que podem estar em formato numérico ou de texto. Mas precisamos separar os dados em duas partes: os dados que representam as características de um determinado problema e os dados que representam a classificação, o que também, chamamos de rótulo. Por exemplo: podemos coletar dados de texto que representem processos e decisões de juízes em várias instâncias e então precisamos da classificação se aquelas decisões foram positivas ou negativas para o requerente.

Se você conseguir identificar tanto a categoria do problema quanto os exemplos baseados em dados, um Cientista de Dados pode criar um modelo de aprendizagem profunda. E com isso, o aprendizado profundo se torna “apenas software” que, a partir de novos dados, identifica os padrões que você gostaria de ver para aumentar as receitas ou diminuir os custos. Ou seja, criamos um modelo que poderá ser capaz de prever se a decisão de um juiz será favorável ou não ao requerente e assim definir honorários e custos associados a uma determinada causa. 

“Não surpreendentemente, a adoção antecipada de aprendizado profundo aconteceu em empresas com acesso a grandes quantidades de dados que podem ser analisados ​​para resolver seus problemas”, diz Pankaj Goyal, vice-presidente de negócios de inteligência artificial da Hewlett Packard Enterprise. “Esses dados podem estar na forma de texto, imagem, voz ou vídeo. Esses problemas podem ser automação, nova experiência do cliente ou inovação de novos produtos ”.

Se você é Advogado, saiba que é provável que seus clientes já estejam começando a usar Deep Learning (e blockchain) e isso significa que você deve começar a pensar sobre os problemas que podem surgir do seu uso (criando assim mais um lucrativo nicho). Por exemplo, os clientes podem ter que mostrar a um tribunal como funciona seu sistema interno de aprendizagem profunda; se existe viés; e se a privacidade de alguém foi comprometida. Além disso, você deve estar ciente de que os tribunais podem ser sensíveis à revelação de padrões em suas decisões. No início deste mês, o governo francês proibiu a publicação de dados relacionados a decisões de juízes franceses. Uma sentença de cinco anos de prisão espera por alguém que viole a lei.

Dito isso, mudaremos para algumas das indústrias clientes que você ou sua empresa podem atender e que estão trabalhando com aprendizado profundo, incluindo:

Aeroespacial e Defesa – As empresas do setor estão empregando aprendizado profundo para reconhecimento facial a ser usado em testes de segurança, detecção e localização de objetos, análise de espectogramas, identificação de anomalia de rede e detecção de malware. Aprendizagem profunda também está sendo aplicada a tarefas manuais e operações piloto no cockpit, bem como computação vestível para soldados.

Automotivo – A forma como um veículo autônomo entende as realidades da estrada e como responder a elas – seja um sinal de parada, uma bola na rua ou outro veículo – é através de algoritmos de aprendizagem profunda. Por exemplo, a Audi e outras montadoras utilizam algoritmos de aprendizagem profunda em sua tecnologia baseada em câmeras para reconhecer sinais de trânsito por suas formas.

Serviços Financeiros – Falhar em identificar e prevenir a fraude é uma proposta cara que custa ao setor financeiro bilhões de dólares por ano. À medida que os avanços nas tecnologias de computação e o uso crescente de plataformas de comércio eletrônico aumentam drasticamente o risco de fraude para essas empresas financeiras, muitos estão recorrendo à aprendizagem profunda para descobrir anomalias transacionais ou padrões suspeitos.

Manufatura – A capacidade de aprendizagem profunda de analisar grandes quantidades de dados de alta dimensão pode levar os sistemas existentes de manutenção preventiva a um novo nível.

Mídia e Jornalismo – Com o aprendizado profundo, as máquinas podem aprender a pontuação, a gramática correta e o estilo de uma parte do texto e podem usar o modelo desenvolvido para criar automaticamente texto totalmente novo com a ortografia, a gramática e o estilo corretos. Tudo, desde Shakespeare até as entradas da Wikipedia, pode ser usado para treinar um modelo. A aprendizagem profunda também está sendo usada para identificar textos que possam incitar o terrorismo, o ódio ou o texto que constituam fake news ou desinformação.

Médica e Farmacêutica – De diagnósticos de doenças e tumores a medicamentos personalizados criados especificamente para o genoma de um indivíduo, o aprendizado profundo no campo da medicina atualmente tem a atenção de muitas das maiores empresas farmacêuticas e médicas. Esta é uma das áreas onde Deep Learning e IA de um modo geral vem crescendo mais rapidamente.

Varejo e Entretenimento – Você já se perguntou como a Netflix apresenta sugestões para o que você deve assistir a seguir? Ou como a Amazon surge com ideias para o que você pode querer comprar em seguida, e essas sugestões são exatamente o que você precisa, mas nunca soube antes? Esses sistemas de recomendação são, mais uma vez, algoritmos de aprendizagem profunda em funcionamento.

Dessa forma, o aprendizado profundo pode ser uma ferramenta valiosa para os desafios de gerenciamento e personalização do atendimento ao cliente. Por exemplo, a análise de áudio em profundidade permite que os sistemas avaliem o tom emocional de um cliente; e, no caso de um cliente estar respondendo mal ao sistema, a chamada pode ser reencaminhada automaticamente para operadores e gerentes humanos.

Robótica – Aplicativos de aprendizagem profunda para robôs são abundantes. Eles podem ensinar um robô a fazer algo (como cuidar da casa, cumprimentar os convidados, estocar prateleiras e colher maçãs) observando um ser humano completando uma tarefa específica. Drones voando em fileiras de colheitas podem aprender a identificar as ervas daninhas e usar o herbicida somente quando necessário.

Conduzindo Litígios – Uma das tarefas mais incríveis que modelos de Deep Learning podem ajudar os Advogados é gerar de forma automática petições ou outras peças processuais. Com base no treinamento desses modelos, eles podem mais tarde ser alimentados com algumas poucas informações e então gerar texto, redigindo uma petição por exemplo. Quanto de tempo do Advogado poderia ser economizado com essa tarefa? E a produtividade?

Prevenção de Litígios – Ninguém analisa os e-mails do passado para ver se há uma “evidência” para um risco específico de litígio. Como dissemos, há muitos dados. Mas alguns afirmam que o aprendizado profundo pode nos permitir fazer o que atualmente não pode ser feito.

Com foco nas classificações de litígios relevantes e de alta frequência, um sistema com um conjunto de modelos de aprendizagem profunda pré-treinados pode ingerir o lote de e-mails do passado e processar os e-mails por meio de cada modelo para ver qual dos e-mails corresponde a um risco de litígio. Apenas os emails “relacionados” a uma categoria de risco seriam devolvidos para revisão pelos membros da equipe interna. Utilizando o aprendizado profundo como um filtro, a equipe interna pode identificar um e-mail arriscado a tempo de eliminar o risco pela raiz.

Conclusão

O que é importante lembrar é que o aprendizado profundo está em seus estágios emergentes, mas está se desenvolvendo rapidamente. Gerentes gerais de negócios e advogados do futuro precisarão entender quando os problemas provavelmente estarão suscetíveis a uma abordagem de aprendizagem profunda e como gerenciar as diversas equipes com mais habilidades técnicas que serão necessárias para serem reunidas para resolvê-las.

As oportunidades para os Advogados e escritórios de advocacia são muitas, seja na hora de defender um cliente que está usando sistemas baseados em Deep Learning, seja na hora de usar um sistema internamente como forma de aumentar a produtividade, a precisão e consequentemente, o lucro.

Para saber mais sobre Deep Learning, acesse o Deep Learning Book. Em português, online e gratuito.

Equipe DSA