Neste artigo, abordaremos:
- O que são NFTs e GANs
- O papel dos dados na criação de uma GAN
- Um tutorial sobre como as empresas podem coletar dados de forma prática para um projeto GAN
- Como as GANs podem gerar valor para as empresas
O que são NFTs e GANs
Quando a maioria das pessoas pensa em tokens não fungíveis (NFTs), normalmente pensa em arte, que se tornou uma aplicação popular da tecnologia NFT. Para simplificar, NFT é um sistema baseado em blockchain que permite que indivíduos ou empresas registrem a propriedade de um item digital exclusivo, como música, código e arte.
Se nos concentrarmos na “arte” por um momento, algumas pessoas podem estar familiarizadas com o The Bored Ape Yacht Club, um projeto que criou 10.000 peças de arte digital exclusivas.
Esses macacos podem parecer uma piada para alguns, mas em termos econômicos reais, toda a coleção de Bored Apes vale mais de US$ 1 bilhão — com alguns macacos individuais sendo vendidos por US$ 2 ou até US$ 3 milhões.
Toda essa série de eventos, por si só, é fascinante, mas a história não termina aí. Um grupo de pessoas que viu o projeto Bored Ape decidiu usar a tecnologia Generative Adversarial Networks (GANs) para criar sua própria versão desse projeto de “edição limitada”.
GANs, em termos leigos, é basicamente um algoritmo de Aprendizado de Máquina (ML) que pode ser treinado com dados para que o modelo possa então criar/gerar resultados que não são supervisionados por humanos. Nesse cenário, nasceu a série GAN Bored Ape:
No início, isso criou um mercado secundário para aqueles que queriam participar da ação, mas não tinham US$ 2 milhões para gastar em um Bored Ape original. Com o tempo, esse mercado secundário se desenvolveu e se tornou um mercado por si só.
O papel dos dados na criação de uma GAN
Os GANs são construídos usando uma arquitetura de dois componentes que consiste em um “Gerador” e um “Discriminador”. O Gerador cria novos dados, como imagens ou texto, com base nos “dados de treinamento” que são alimentados ao algoritmo. O Discriminador tem a tarefa de diferenciar entre os Conjuntos de dados recém-gerados artificialmente e os dados originais. O Discriminador só “aprova” os Conjuntos de dados que correspondem aos dados do mundo real em um grau suficientemente alto. Isso significa que coletar dados precisos e de alta qualidade é de extrema importância ao tentar criar/treinar uma GAN que seja capaz de gerar resultados de alto valor.
Um tutorial sobre como as empresas podem coletar dados de forma prática para um projeto GAN
O CTO da Amazon, Werner Vogels, tuitou:“A propósito, este excelente trabalho foi feito por @ykilcher. Assista ao vídeo dele se quiser obter detalhes sobre a coleta de dados e a geração da GAN.”
Como as GANs podem agregar valor aos negócios
À primeira vista, isso pode parecer um desenvolvimento muito isolado, relevante apenas para aqueles profundamente envolvidos nos mercados de blockchain, criptomoedas e comércio de arte NFT. Mas isso é um equívoco.
A tecnologia GAN de aprendizado de máquina tem o potencial de revolucionar o curso dos fluxos de trabalho de ideação corporativa — desde conceitos de negócios completos até produtos e linhas de código.
O espectro de domínios GAN ativos atualmente é bastante amplo. Há indivíduos que aproveitam essa tecnologia para treinar resultados algorítmicos, coisas que beiram o ridículo, como thiscatdoesnotexist.com.
Já no outro extremo do espectro, é possível começar a ver exemplos que começam a sugerir capacidades comerciais que, quando aplicadas corretamente, podem realmente transformar todo um setor.
Mudando as maneiras como novas ideias, músicas, conteúdos, gráficos, arte e avanços científicos são criados e alcançados.
Aqui estão alguns exemplos para ajudar a estimular a compreensão das oportunidades disponíveis:
- Thisstartupdoesnotexist.com -> Pode ajudar empreendedores a encontrar novas ideias, cruzando milhões de Pontos de dados. O algoritmo pode levar em conta quais startups já existem e, ao mesmo tempo, identificar novos mercados e pontos fracos que exigem uma nova solução/ferramenta.
- Thissneakerdoesnotexist.com -> Pode ajudar marcas de moda a criar designs de produtos infinitamente únicos. Colocando sua marca um passo à frente da concorrência e capacitando-as a conquistar maior participação no mercado, ao mesmo tempo em que reduz o tempo entre a concepção e a produção.
- Thischemicaldoesnotexist.com -> Pode ajudar cientistas a desenvolver novos produtos químicos sintéticos que podem mudar a forma como os itens são produzidos, embalados, armazenados e enviados. Exemplos anteriores de materiais sintéticos que revolucionaram indústrias e ciclos de produção inteiros incluem “polímeros plásticos” e “espumas de poliestireno” (mais conhecidas como “isopor”).
Conclusão
A modelagem de interpolação GAN evoluiu muito desde sua criação, quando mal conseguia gerar números e imagens reconhecíveis pelo olho humano. Conforme demonstrado por um dos primeiros artigos acadêmicos escritos sobre o assunto em 2014, “Generative Adversarial Nets”, de Ian J. Goodfellow:
Desde então, a tecnologia de aprendizado de máquina GAN evoluiu muito. Embora, reconhecidamente, ainda precise ser aperfeiçoada. As empresas que optam por se tornar pioneiras podem encarregar suas equipes de DevOps de ingestão de dados da web de código aberto e criação de modelos GAN independentes em seus respectivos setores. Esses participantes têm tudo para se tornarem líderes de mercado em suas áreas, tanto em termos de geração de ideias que nenhuma mente humana havia concebido antes, quanto em termos de se destacarem pelo emprego de tecnologias voltadas para o futuro.
