Árvores de decisão versus redes neurais no Judiciário
Trecho de 1 min 57 s de Inteligência Artificial e Decisão Processual, gravado no evento VI Semana Acadêmica.
Assistir à gravação completaNo Even3 Conteúdos · 1 h 34 minSobre este trecho
Uma comparação clara entre os modelos de árvores de decisão auditáveis e as redes neurais opacas adotadas pelos softwares do Judiciário brasileiro.
Vai de a da gravação.
O que é dito neste trecho
Ele vai receber esses dados, ele vai avaliar o risco de chuva, velocidade do vento, a intensidade do sol, a umidade, e ele vai dizer, não, pode julgar tênis. Tá favorável. Não, não está. Ponto. Enfim, essa técnica ela tem também algumas vantagens. Ela tem um custo computacional mais baixo. Ela tem uma maior rapidez de classificação e os seus dados são auditáveis. Olha, isso é legal. Eu consigo saber passo a passo como a decisão foi formada na estrutura do algoritmo. Entretanto, quando a gente trabalha com árvore de decisões, nós estamos diante de uma grande instabilidade. Um fenômeno chamado de over fitting. Pequenos detalhes deturpam a máquina e ela se perde. Ela buga. É aquela brincadeira da teoria do caos. O bater de asas da borboleta em Pequim gera chuva no Central Park. Pequenas irregularidades são confundidas, amplificadas e podem gerar problemas. Bom, os dois modelos são os dois modelos mais populares naquilo que nós temos em termos de softwares judiciários hoje, hoje, né, no Brasil. Tô falando de Victor, tô falando de Athos, tô falando de Sócrates, tô falando do Elliz, tô falando do Radar aqui em Minas Gerais, etc. Poti e por aí vai. Qual é o problema? A grande maioria, se não quase a totalidade, não usa a técnica auditável das árvores de decisão. Optaram pelas redes neurais.
Outros trechos deste conteúdo

Redes neurais e a opacidade decisória no Judiciário
Trecho de a da gravação

Vieses cognitivos e discriminação algorítmica
Trecho de a da gravação