O último painel do 24° WRNP derrubou mitos e apontou caminhos promissores para o uso de machine learning (ML) em redes de computadores. Realizada, em conjunto com o Simpósio Brasileiro de Redes de Computadores e Sistemas Distribuídos (SBRC) a mesa, mediada por Antonio Augusto de A. Rocha (UFF), teve a presença da pesquisadora Damla Turgut, da University of Central Florida (UCF) e de Bruno Ribeiro, da Purdue University. 

ML ou aprendizado de máquinas é a capacidade de softwares serem treinados e aprenderem a adaptar seu próprio funcionamento sem intervenção humana. Se é certo que machine learning é hoje uma das principais aplicações práticas de inteligência artificial, há também expectativas sobre o que a tecnologia é de fato capaz de fazer nas redes de computadores.

Para Damla Turgut, criaram-se dois mitos: de que inteligência artificial nos dá apenas soluções perfeitas e que a IA é capaz de substituir o trabalho humano. “A IA vai na verdade nos ajudar a nos tornar melhores em nossos trabalhos, provendo os mecanismos necessários para tomarmos decisões mais inteligentes a partir da análise de dados”, afirmou a pesquisadora.

No campo específico da aplicação para rede de computadores, Damla Turgut explicou como machine learning é capaz de otimizar a performance e a eficiência das redes, detectando potenciais falhas e melhorando a qualidade do serviço para o usuário final, tanto para usos comuns como a transmissão de jogos de futebol quanto para aplicações mais complexas e individualizadas, como em casas inteligentes.

Assista a íntegra do último painel do WRNP: