A aprendizagem automática

A aprendizagem automática transformou o reconhecimento de imagens e a tradução. Em finanças, os sucessos são mais desiguais do que se julga.

Há quatro terrenos. Prever os preços, executar as ordens, detetar fraudes, e decidir no lugar de um humano.

Primeiro terreno, a previsão dos preços. É o sonho. E é o terreno que mais desilude.

Uma foto de um gato continua a ser uma foto de um gato. Um mercado muda assim que se descobre a sua regra, porque outros a exploram logo.

O sinal é fraco, a história é curta, e o passado não se repete. Um modelo poderoso aprende lá sobretudo o ruído.

Segundo terreno, a execução das ordens. Menos brilhante, mas bem mais rentável.

Comprar um milhão de ações de uma vez faz subir o preço contra nós. É preciso cortar a ordem, ao ritmo certo.

Para o exemplo: numa ordem de cem milhões de euros, ganhar um décimo de por cento de custo são cem mil euros poupados.

Repetido todos os dias em milhares de ordens, é uma fortuna. E aqui o modelo tem milhões de exemplos para aprender.

No app, este capítulo é animado e narrado, cartão a cartão. Começar o teste grátis.

Baixar naApp Store

Terceiro terreno, a deteção de fraude. Onde funciona mesmo.

Cada pagamento com cartão é avaliado numa fração de segundo. Local, valor, hora, hábitos: tudo é comparado.

Armadilha clássica: digamos uma fraude em cada mil pagamentos. Um modelo que responde sempre « sem fraude » acerta noventa e nove vírgula nove por cento das vezes.

E não serve para nada. O que conta é quantas fraudes apanha, e quantos clientes honestos bloqueia.

Para o exemplo: um milhão de pagamentos, mil fraudes. O modelo apanha novecentas, e engana-se em zero vírgula cinco por cento dos pagamentos honestos.

São quatro mil novecentos e noventa e cinco falsos alertas. Mal um alerta em seis é uma verdadeira fraude.

Quarto terreno, a caixa negra. Um modelo recusa um crédito. Porquê? Muitas vezes, nem os criadores o sabem dizer de forma simples.

Ora, em muitos países, a lei exige que se possa explicar uma recusa de crédito. E um regulador quer perceber uma decisão antes de a aceitar.

Um modelo também pode reproduzir os enviesamentos dos seus dados. Se aprender com decisões injustas, repete-as, a grande velocidade.

Por isso os bancos escolhem: um modelo um pouco menos preciso, mas explicável, em vez de um oráculo mudo.

Guarde: a máquina é excelente onde os exemplos são muitos e as regras estáveis. Desilude onde o futuro não se parece com o passado.

Desconfie, portanto, de qualquer inteligência artificial que prometa prever a Bolsa. É precisamente o terreno onde menos brilha.