IA e Machine Learning em Bibliotecas: Uma breve introdução
A cada dia que passa estamos ouvindo mais a respeito sobre Inteligência Artificial, principalmente devido ao impacto que o uso do Chat GPT, vem gerando nas mídias.
Sem dúvidas, estamos passando por um momento de transformação digital e muitas mudanças estão ocorrendo e ainda ocorrerão. Inclusive, essa transformação também está passando na área da Biblioteconomia/Ciência da Informação.
Não é de hoje que já se estuda a relação entre IA e Machine Learning X Bibliotecas. Uma edição de 2019 da Library Technology Reports já afirmou que:
“(…)o futuro próximo do trabalho de biblioteca será enormemente impactado e talvez mudado para sempre como resultado da inteligência artificial (IA) e dos sistemas de aprendizado de máquina (…)”
Você pode consultar ela nesse link:
Há diversos outros trabalhos a respeito, talvez ainda mais teóricos do que práticos, porém nos dá um excelente ponto de partida para discutirmos mais a respeito entre a relação de IA/Machine Learning e Bibliotecas.
Bom, no texto de hoje farei um breve resumo a respeito do tema indicando algumas outras referências.
Bora lá?!
Sumário
Inteligência Artificial, Machine Learning, Redes Neurais e Deep Learning
HAMLET: Uma rede neural de descoberta de informações em Bibliotecas
Laboratório de IA em Bibliotecas
Uma tentativa de explorar Machine Learning em Bibliotecas
Revisão bibliográfica de IA e Machine Learning em Bibliotecas
Inteligência Artificial, Machine Learning, Redes Neurais e Deep Learning
A Inteligência Artificial já está presente no nosso cotidiano em diversos dispositivos (como nossos próprios smartphones) e em diversos produtos e serviços que interagimos diariamente (como os próprios serviços do Google, Apple e afins).
A Inteligência Artificial como disciplina é uma área bem grande que há diversas especializações dentro, como Machine Learning e Deep Learning.
Machine Learning (ou aprendizado de máquina) é uma técnica que permite, a partir de dados, treinar máquinas com algoritmos para realizar tarefas simples e também complexas, que seres humanos já fazem.
Redes neurais são um dos tipos de aprendizado de máquina que foram inspirados no funcionamento do cérebro humano, pois consistem em camadas de neurônios interconectadas que processam dados e realizam a tarefa final.
Deep Learning já é uma técnica avançada de aprendizado de máquina que reúne redes neurais com muitas camadas para realizar uma tarefa.
Se você quiser saber mais a respeito de Deep Learning, tem esse vídeo que explica de forma bem didática:
E no geral sobre Machine Learning, tem esse artigo bem completo:
Agora, se você quiser ter uma leitura a partir de uma fonte mais formal, tem esse livro muito didático da Casa do Código:
E esses outros dois livros, mais conceituais, da grande área de Inteligência Artificial:
Inteligência Artificial — Uma Abordagem Moderna
Inteligência Artificial — Uma Abordagem de Aprendizado de Máquina
HAMLET: Uma rede neural de descoberta de informações em Bibliotecas
Certo, diante desse contexto sobre todos esses conceitos dentro de Inteligência Artificial, onde entra sua aplicação na Biblioteconomia?
No capítulo 2 do relatório, foi relatado o caso do HAMLET (“How about Machine Learning Enhancing Theses?”), um projeto de rede neural treinado a partir do repositório de teses do MIT, que se propõe a 3 funcionalidades principais:
- Ser um mecanismo de recomendação: permite que a partir de pesquisas por teses, outras sejam recomendadas ao usuário. Assim como um “sistema de recomendação”.
- Ser um “oráculo” de arquivos upados: ele é semelhante ao anterior, porém não recomenda a partir de uma tese consultada, mas sim a partir de um documento que foi “upado”. Dessa forma você poderia explorar dentro daquele repositório, outros documentos que já possuem os mesmo tópicos.
- Ser um “amigo de revisão de literatura”: de uma forma mais completa que os anteriores, este já faz uma listagem completa de possíveis novas fontes que o usuário pode obter.
Um dos exemplos citados, foi de um aluno subir um trabalho em andamento e com isso ele obter todas as demais possíveis fontes que este trabalho pode se relacionar.
Imagine a expansão do uso que uma Biblioteca pode ganhar com isso!
Eu realmente fico muito animado!! :D
A autora do projeto lembrou que pode parecer mágica, mas apenas são dados e software e por exemplo, o repositório do MIT é baseado praticamente em STEM, se você buscar algo relacionado a “Música” ele talvez não te traga resultados tão significativos.
De qualquer forma, as saídas de um computador são apenas descritivas e não normativas. Ou seja, precisamos entender que é apenas um “recorte”.
Inclusive, o projeto deixa bem claro que não se propõe substituir um trabalho de referência, pois ele não utiliza de um modelo semântico, mas sim a partir de cálculos estatísticos e matemáticos para se aproximar os resultados.
A ideia não é ser melhor ou pior, mas sim diferente.
Modelos semânticos talvez não façam ligações e conexões que um modelo matemático faça e um modelo matemático não terá toda a estrutura que um modelo semântico teria.
E é aí que está o seu grande valor!
O projeto é um experimento da Andromeda Yelton (Professora da Escola de Informação da Universidade de San José nos EUA) e ainda está em desenvolvimento, porém é uma das primeiras e mais citadas fontes que temos em desenvolvimento de projetos práticos de uma rede neural aplicada em processos de uma biblioteca.
Laboratório de IA em Bibliotecas
O relatório ainda trouxe outras vertentes da relação entre IA e Bibliotecas: ser um espaço de conexão e desenvolvimento de conhecimento e inovação.
Ele citou o caso da Universidade de Rhode Island (URI), nos EUA, que criou um Laboratório de Inteligência Artificial (IA) na Biblioteca da universidade. O laboratório é o primeiro no país, do seu tipo, localizado dentro de uma biblioteca. Ele oferece um ambiente ideal para o intercâmbio de conhecimento e inovação.
O AI Lab da URI tem como objetivo promover a aprendizagem do aluno em IA, facilitar a colaboração interdisciplinar na pesquisa de IA e oferecer discussões ativas sobre as implicações sociais da tecnologia.
O laboratório fornece serviços de computação de alto desempenho, espaço para eventos, palestras, oficinas, hackathons e iniciativas educacionais com estudantes.
A biblioteca atende a todas as disciplinas, é aberta a todos e é frequentada por alunos e professores durante todo o ano. É o lugar lógico para quem procura aprender sobre as novas tendências tecnológicas, como a IA, e espera encontrar outras pessoas com a mesma opinião.
O AI Lab da URI é mais do que apenas um espaço físico; é um centro de inovação onde professores e alunos podem explorar novas tecnologias e descobrir seus benefícios para a sociedade e o mundo.
A ideia de desenvolver espaços como esse dentro de bibliotecas é um movimento que já vem sendo desenvolvido ao longo dos últimos anos, devido a importância e significado que uma biblioteca tem dentro de uma universidade.
Pela minha experiência no meu TCC, no qual abordei o desenvolvimento de Makerspaces dentro de Bibliotecas Universitárias, eu arriscaria classificar essa iniciativa como um Hackerspace especializado em IA dentro de uma Biblioteca.
Eu acredito que iniciativas como essa podem sim promover o melhor uso da informação (não apenas em bibliotecas universitárias, mas também públicas e escolares) e consequentemente, um melhor desenvolvimento para a sociedade.
Uma tentativa de explorar Machine Learning em Bibliotecas
Um dos outros tópicos abordados pelo relatório foi a tentativa de aplicação de Machine Learning, mas especificamente o método do LDA (alocação latente de Dirichlet), para gerar cabeçalhos de assunto a partir de dados de ebooks do “Project Gutenberg”.
Se você quiser saber mais sobre o LDA, tem esse texto da Letícia Pires (Cientista de Dados) relatando todo um projeto utilizando o método:
Além desses outros dois artigos, brasileiros, relatando a aplicação do método em teses e dissertações:
Foi uma tentativa, pois o autor de fato implementar todo o projeto, porém relatou seus desafios e etapas desenvolvidas.
Mas vale a pena a leitura.
Revisão bibliográfica de IA e Machine Learning em Bibliotecas
Falar sobre um tema (mesmo que de forma introdutória e breve) a partir apenas de uma fonte pode ser um pouco enviesada e não dar uma visão mais geral a respeito.
Por isso, convido você ler essas duas revisões bibliográficas a respeito de IA e Machine Learning em Bibliotecas:
Application of Artificial Intelligence and Machine Learning in Libraries: A Systematic Review
Understanding Artificial Intelligence in Research Libraries — Extensive Literature Review
As duas revisões afirmam que os usos da IA e ML em bibliotecas é a criação de sistemas especialistas para suportar os profissionais da informação a executarem suas funções e a tomarem decisões.
Porém ainda não temos trabalhos práticos para se estudar mais os impactos a respeito.
Um dos principais deles podem ser os “Sistemas de Recomendação”.
Mas o real poder transformador não é a IA e ML, mas sim as mudanças e impactos que essas tecnologias propiciam dentro das bibliotecas.
Um dos outros temas levantados também foi do “medo” que existe dessas novas tecnologias substituírem o trabalho da Biblioteconomia.
Bom… realmente eu acredito que novas tecnologias podem substituir o trabalho e não será diferente com a Biblioteconomia.
Entretanto não é necessário medo, pois não acabará com a profissão.
Podemos fazer um comparativo com a transformação que ocorreu quando o computador substituiu as fichas catalográficas dentro das bibliotecas.
Acabou a profissão ? Não.
Apenas automatizou trabalhos operacionais e nos possibilitou escalar e sofisticar ainda mais nosso real trabalho: estruturar, organizar e mediar informação com o objetivo de estimular a produção de conhecimento em unidades de informação.
Considerações Finais
Acredito que temos um potencial enorme, como área Biblioteconomia/Ciência da Informação, em abraçarmos a IA/Machine Learning e introduzirmos em nossas frentes de atuação.
Ainda há muito a se estudar, entender, praticar, aplicar, errar, refletir…
Se você quiser saber mais a respeito, a Alura listou dentro do TechGuide (um guia para você poder trilhar seus estudos) de Ciência de Dados, alguns conteúdos muito legais para consultar sobre Machine Learning (desde os fundamentos até avaliações de modelos).
E também tem essa Wiki no Github, referente a disciplina “Aprendizagem de Máquina Aplicada na Ciência da Informação”, da pós-graduação da UNB:
Durante esse ano continuarei a explorar o tema e irei trazer aqui, conteúdos teóricos e também práticos do meu próprio processo de aprendizagem.
Se você tiver interesse, me acompanhe.
Agora me diga:
O que você pensa a respeito da relação entre IA/Machine Learning e Biblioteconomia?
Deixe nos comentários e vamos conversar a respeito.
Se você chegou até aqui e curtiu, dê palmas, compartilhe e se inscreva para me acompanhar.
Ainda há muito a se explorar…
