Palestrante

MARCEL DA CÂMARA RIBEIRO DANTAS

Engenheiro de Computação e Automação (UFRN), pós-graduado em Big Data (UFRN), Mestre em Bioinformática (UFRN) e doutorando na Sorbonne Université. Pesquisador do Institut Curie, desenvolve atividades na área de inferência causal aplicada a dados oncológicos. Tem interesse em inteligência artificial, data science, biologia de sistemas, causalidade, teoria dos grafos e bioinformática.

Caixas pretas, vieses e causalidade

É inevitável uma hora ou outra topar com menções a caixas pretas na Inteligência Artificial. Embora exista uma confusão sobre o que consiste um método ser caixa preta, você vai encontrar desde pessoas leigas a especialistas da área usando o termo. Mais comum ainda é a existência de dados com viés, ou estimativas enviesadas. Além da área de inferência causal ter relação direta com esses dois tópicos, pouco a pouco ela vem conquistando mais adeptos e deixando mais explícito como ela é importante para melhorar os algoritmos inteligentes, desde a interpretabilidade à melhores predições.