Há trinta anos, participei num torneio internacional de xadrez em Eastburn, Inglaterra. Na quarta ronda, dei por mim sentado em frente a um computador. Foi a primeira e última vez que joguei contra um computador num torneio. Ganhei a partida de forma surpreendente: o computador cometeu um erro grave, que lhe custou a torre, que foi capturada pelo meu bispo. Isso surpreendeu-me porque eu achava que teria de ganhar a partida usando a minha inteligência e compreensão estratégica do xadrez. No entanto, acabei por usar as minhas táticas rudimentares: o pão com manteiga dos computadores. Claro, não podemos esquecer que era um computador «fraco» e que os tempos mudaram muito desde então.
O xadrez computacional é muito diferente do xadrez profissional. Enquanto o computador pode calcular milhões de jogadas por segundo usando força bruta, os humanos calculam apenas as jogadas mais "lógicas". A maior vantagem dos jogadores profissionais de xadrez é a sua capacidade de compreender os aspetos estratégicos do jogo, as melhores posições no tabuleiro e as jogadas irrelevantes.
As limitações da força bruta
A abordagem da força bruta é melhor para resolver problemas em que o número de opções é limitado. Um bom exemplo é o cubo mágico: mesmo quando você acha que viu [a melhor tentativa humana] (https://www.youtube.com/watch?v=M-Y25igVNaY), a máquina ainda [o supera] (https://www.youtube.com/watch?v=ixTddQQ2Hs4).
No entanto, no xadrez, o número de jogadas possíveis é infinito: existem 400 opções diferentes após cada jogador fazer uma jogada. 72.084 posições após cada jogador fazer duas jogadas. Mais de 9 milhões de posições únicas após a terceira jogada. Após a quarta jogada, mais de 288 milhões de posições diferentes são possíveis. Existem mais árvores de jogo de xadrez do que o número de galáxias (mais de 100 bilhões) e mais aberturas, defesas, gambitos, etc. do que o número de quarks no universo!
Portanto, no caso do xadrez, a força bruta não vencerá o jogo, mesmo para um computador monstruoso que pode calcular centenas de milhões de jogadas por segundo.
Uma camada de inteligência
Tudo isso mudou há cerca de 25 anos. Em 10 de fevereiro de 1996, pela primeira vez, um computador venceu uma partida de xadrez contra um campeão mundial. O computador era o Deep Blue da IBM e o campeão mundial era Garry Kasparov, considerado por muitos (incluindo eu) o melhor jogador de xadrez de todos os tempos. Esta foi a primeira partida de uma série de seis, que Kasparov acabou vencendo por 4 a 2.
Após a partida, os engenheiros da IBM pediram uma revanche. Antes do jogo, eles se concentraram nos aspectos de inteligência artificial do seu software: «ensinar o computador a pensar», alimentando-o com jogos que Kasparov havia jogado anteriormente. Famosos grandes mestres de xadrez da equipa Deep Blue ajudaram os engenheiros a desenvolver a inteligência e a compreender o jogo: um substituto para calcular todos os movimentos possíveis.
A revanche foi marcada para maio de 1997. Kasparov venceu a primeira partida jogando estrategicamente com base em táticas «anti-computador». O ponto de viragem ocorreu durante a segunda partida da série. O computador venceu esta partida jogando de forma «inteligente». Em um de seus lances, ele até preferiu não ganhar um «benefício» imediato ao capturar um peão, o que Kasparov achava que lhe daria alguma vantagem estratégica. Em vez disso, jogou uma jogada que melhorou a sua posição estratégica.
A partida continuou com três empates, mas na partida final o computador derrotou Kasparov, que ainda estava frustrado com a segunda partida, e finalmente venceu a partida. Após a partida, Kasparov acusou a IBM de trapaça, porque não conseguia entender como o computador era capaz de pensar dessa forma.
O progresso tecnológico melhorou consideravelmente os motores de xadrez. Os saltos quânticos não foram no domínio da força computacional, mas sim nos fatores «inteligentes» do software. Tal como um jogador humano, um motor não analisa todas as jogadas com a mesma profundidade. Os movimentos potencialmente bons são examinados exaustivamente, enquanto os movimentos mais fracos recebem apenas uma análise rápida e rudimentar. É semelhante ao instinto e à experiência de um jogador de xadrez humano forte — analisar apenas alguns movimentos numa posição, descartando os outros quase instantaneamente.
Combinação de inteligência de marketing e aprendizagem computacional
Na minha juventude, eu era capaz de vencer o computador de xadrez mais rudimentar, embora as versões mais «inteligentes» que surgiram nos anos seguintes me tenham deixado para trás. Felizmente, os meus interesses mudaram do xadrez para o software. Hoje, posso implementar a lógica do software de xadrez que me venceu e criar tecnologia de marketing que vence a concorrência. Eis o que sabemos:
-
Existem infinitas personas de clientes. Cada cliente pode ter centenas de atributos diferentes. Há uma quantidade infinita de ofertas disponíveis no mundo do comércio eletrónico: qualquer tipo de desconto em qualquer tipo de artigo, envio gratuito, 1+1, etc.
-
Há muitas maneiras de medir o sucesso de cada campanha: impressões, encomendas, dias de encomenda, tempo passado no site, etc. Há também muitos canais de comunicação com o cliente - e-mail, SMS, notificações push, canais sociais e assim por diante. A abordagem de testar todos os incentivos possíveis para cada atributo do cliente em cada canal de comunicação é muito semelhante à antiga abordagem computacional do xadrez, que examinava todos os movimentos legais no tabuleiro, desperdiçando 99% do seu poder computacional. Se usássemos um algoritmo ingênuo de força bruta num cenário de marketing, a quantidade combinatória de possibilidades diferentes faria com que o computador demorasse uma eternidade e acabasse sem nenhuma conclusão ou com a perda de clientes.
-
Existem muitas possibilidades que um profissional de marketing nem sequer consideraria. Por exemplo: enviar a um fã de futebol europeu um incentivo para um jogo de futebol australiano da 4ª divisão no dia da final da Copa do Mundo, ou enviar um desconto de 2% durante a Black Friday. Embora o computador tenha de testar essas opções para entender se elas funcionam ou não, isso nem sequer passaria pela cabeça de um profissional de marketing típico.
Portanto, a força computacional bruta não nos dará uma vantagem no marketing. Acredito que a maneira de vencer é o profissional de marketing instruir a máquina com base em um grupo-alvo de clientes: isso mostrará o estágio do ciclo de vida, atributos específicos, histórico de atividades, etc. O profissional de marketing também limitará a frequência, os incentivos e os canais — e a máquina assumirá a partir daí.
A magia do aprendizado de máquina
Esta é a receita precisa para o Optibot – o bot de otimização de marketing da Optimove. Depois de o profissional de marketing definir os grupos-alvo e uma série de ofertas possíveis, é tarefa do Optibot fazer a magia. Ele executa as ofertas para diferentes grupos no segmento, mede as taxas de sucesso e redivide os grupos de acordo com isso, até que um incentivo supere os demais, o que significa que encontramos a melhor ação estatisticamente significativa para esse grupo. Chamamos isso de “campanha de auto-otimização”.
Durante o processo, o Optibot pode decidir como dividir ainda mais o segmento em alguns subsegmentos menores (por exemplo, usando quatro níveis diferentes de atividade do cliente (RFM): atividade passada muito alta, muitos pedidos passados altos, poucos pedidos passados médios e vários pedidos passados baixos). Com base nessas campanhas, podemos descobrir qual ação funcionará melhor para cada subsegmento.
É claro que isso é algo quase impossível para um profissional de marketing fazer, pois há muitas pequenas decisões a serem tomadas, inúmeras variações de como dividir a proporção dos incentivos para cada grupo e um número infinito de frequências para executar a campanha.
No entanto, isso é muito fácil para o Optibot, que utiliza algoritmos de aprendizagem automática e mecanismos de autoaprendizagem para permitir a previsão da taxa de sucesso de qualquer incentivo, aprender com os resultados reais e ajustar o algoritmo de acordo. Isso é exatamente o que os programas avançados de xadrez fazem quando avaliam a posição antes do movimento, classificam cada resposta possível e, em seguida, examinam se a previsão do contra-ataque estava correta e se a avaliação da nova posição mudou.
Para vencer em mundos de opções infinitas, é necessário o melhor dos dois: inteligência humana para limitar o primeiro corte de possibilidades e criar um «ambiente fechado» para a máquina, e um algoritmo de autoaprendizagem que pode então executar, calcular e analisar muito melhor do que qualquer humano.
