Inteligência Artificial e segredo de negócio: uma aproximação a partir da LGPD 62 Learning formama base damaioria dos aplicativos que conhecemos sob o rótulo de IA. Elas são a base dos algoritmos de reconhecimento de imagem usados pelo Facebook, dos algoritmos de reconhecimento de fala que alimentam alto-falantes inteligentes e dos carros autônomos” (traduziu-se)20. Desde então o desenvolvimento, investimento e estudos sobre sistemas de IA avança à largos passos. A capacidade de “machine learning” (aprendizado de máquina) e “Deep Learning” (aprendizado profundo) tornam sistemas cada vez mais sofisticados e capazes de realizar tarefas cada vez mais complexas, podendo-se falar em assistentes pessoais, veículos autônomos, casas e robôs inteligentes e sistemas capazes de realizar decisões de forma automatizada. O “Machine learning” é definido por Mittelstadt, Allo, Taddeo, Wachter e Floridi (2016, p. 4) pela capacidade do sistema para definir ou modificar “as regras” (traduziu-se) 21 da tomada de decisões de forma autônoma, portanto, a capacidade de aprendizado pode garantir aos algoritmos certo grau de autonomia, o grau de impacto dessa autonomia, por outro lado, permanece incerto. Ademais, Faleiros Júnior (2021, p. 21) explica que a técnica de “Deep Learning”, na atualidade, é a mais avançada. Nela, são estabelecidas “redes neurais” (emulando, de certa forma, a estrutura sináptica do cérebro humano), que auxiliam o sistema a tomar decisões precisas baseadas em uma massiva quantidade de dados. Para além dos benefícios, alerta Russel (2021, p. 163) que “há o perigo de que o uso cada vez maior de máquinas em 20 No original: “Today artificial neural networks and Deep Learning form the basis of most applications we know under the label of AI. They are the basis of image recognition algorithms used by Facebook, speech recognition algorithms that fuel smart speakers and self-driving cars.”. In: HAENLEIN, Michael; KAPLAN, Andreas. A Brief History of Artificial Intelligence: On the Past, Present, and Future of Artificial Intelligence. California Management Review, v. 61, n. 4, 2019. p. 4. Disponível em: https://journals.sagepub.com/ doi/10.1177/0008125619864925. Acesso em: 20 out. 2024. 21 No original: “Machine learning is defined by the capacity to define or modify decision-making rules autonomously”. In: MITTELSTADT, Brent Daniel et al. The ethics of algorithms: Mapping the debate. Big Data & Society, v. 3, n. 2, 2016. p. 3. Disponível em: https://journals.sagepub.com/doi/ full/10.1177/2053951716679679. Acesso em: 15 jan. 2024.
RkJQdWJsaXNoZXIy MjEzNzYz