Tony Hey

<article-ideainbrief class="article-ideainbrief">
 <h4 class="ideainbrief-title">A ideia em resumo</h4>
 <div class="ideainbrief-contents">
 Devido à nossa capacidade de coletar e analisar grandes quantidades de dados, os cientistas agora têm o potencial de resolver alguns dos maiores problemas do mundo. Mas até muito recentemente, não sabíamos como combinar os conjuntos de dados corretos e ver padrões cruciais.
 O ponto de virada: Ao utilizar o poder computacional do século 21, a experiência humana e uma abordagem sistemática para armazenar e minerar informações, os cientistas estão começando a alcançar avanços reais. Eles também estão abrindo o processo para outros especialistas, e até mesmo para o público, tornando seus dados transparentes e disponíveis.
 Uma esperança para o futuro: Hoje, pesquisadores da Microsoft e de outras organizações estão usando esses métodos para atacar problemas em astronomia, oceanografia, saúde, gerenciamento de água e mudanças climáticas. Essas ferramentas também têm o potencial de trazer melhorias profundas aos negócios.
 </div>
</article-ideainbrief>Um visitante andando pelos corredores do campus da Microsoft Research em Redmond, Washington, hoje provavelmente ouvirá discussões não apenas sobre ciência da computação, mas sobre uma variedade surpreendente de outros assuntos, desde a rotação de uma galáxia até uma nova vacina contra a AIDS e estratégias para gerenciar o precioso suprimento de água doce do planeta.

wg0BppL1nshci6qidCOlWTKrkhjq2It3bHYJnSTDN8BaMt6Z5HQsWo473czV9gfqDqjm1rg4A+JT1McHYwQzjVA/k7VS1QVr0fhxqHxI+vN+QtjERXQjuO1TChLaxYCmyQB60kJl9Z/zjwn67L9C2g==

Reprint: R1011B
For decades, computer scientists have tried to teach computers to think like human experts. Until recently, most of those efforts have failed to come close to generating the creative insights and solutions that seem to come naturally to the best researchers, doctors, and engineers. But now, Tony Hey, a VP of Microsoft Research, says we&#8217;re witnessing the dawn of a new generation of powerful computer tools that can &#8220;mash up&#8221; vast quantities of data from many sources, analyze them, and help produce revolutionary scientific discoveries.
Hey and his colleagues call this new method of scientific exploration &#8220;machine learning.&#8221; At Microsoft, a team has already used it to innovate a method of predicting with impressive accuracy whether a patient with congestive heart failure who is released from the hospital will be readmitted within 30 days. It was developed by directing a computer program to pore through hundreds of thousands of data points on 300,000 patients and &#8220;learn&#8221; the profiles of patients most likely to be rehospitalized. The economic impact of this prediction tool could be huge: If a hospital understands the likelihood that a patient will &#8220;bounce back,&#8221; it can design programs to keep him stable and save thousands of dollars in health care costs. 
Similar efforts to uncover important correlations that could lead to scientific breakthroughs are under way in oceanography, conservation, and AIDS research. And in business, deep data exploration has the potential to unearth critical insights about customers, supply chains, advertising effectiveness, and more.

The Big Idea: The Next Scientific Revolution

Reimpressão: R1011B Durante décadas, cientistas da computação tentaram ensinar computadores a pensar como especialistas humanos. Até recentemente, a maioria desses esforços não conseguiu gerar ideias e soluções criativas que parecem surgir naturalmente para os melhores pesquisadores, médicos e engenheiros. Mas agora, Tony Hey, vice-presidente da Microsoft Research, diz que estamos testemunhando o surgimento de uma nova geração de ferramentas computacionais poderosas que podem “misturar” grandes quantidades de dados de várias fontes, analisá-los e ajudar a produzir descobertas científicas revolucionárias. Hey e seus colegas chamam esse novo método de exploração científica de “aprendizado de máquina”. Na Microsoft, uma equipe já o usou para inovar um método de prever com impressionante precisão se um paciente com insuficiência cardíaca congestiva que for liberado do hospital será readmitido em 30 dias. Ele foi desenvolvido direcionando um programa de computador para examinar centenas de milhares de pontos de dados de 300.000 pacientes e “aprender” os perfis dos pacientes com maior probabilidade de serem rehospitalizados. O impacto econômico dessa ferramenta de previsão pode ser enorme: se um hospital entender a probabilidade de um paciente “se recuperar”, ele poderá criar programas para mantê-lo estável e economizar milhares de dólares em custos de saúde. Esforços semelhantes para descobrir correlações importantes que poderiam levar a descobertas científicas estão em andamento na oceanografia, conservação e pesquisa da AIDS. E nos negócios, a exploração profunda de dados tem o potencial de revelar informações críticas sobre clientes, cadeias de suprimentos, eficácia da publicidade e muito mais.

A grande ideia: a pr&oacute;xima revolu&ccedil;&atilde;o cient&iacute;fica

Reprint: R1011B For decades, computer scientists have tried to teach computers to think like human experts. Until recently, most of those efforts have failed to come close to generating the creative insights and solutions that seem to come naturally to the best researchers, doctors, and engineers. But now, Tony Hey, a VP of Microsoft Research, says we’re witnessing the dawn of a new generation of powerful computer tools that can “mash up” vast quantities of data from many sources, analyze them, and help produce revolutionary scientific discoveries. Hey and his colleagues call this new method of scientific exploration “machine learning.” At Microsoft, a team has already used it to innovate a method of predicting with impressive accuracy whether a patient with congestive heart failure who is released from the hospital will be readmitted within 30 days. It was developed by directing a computer program to pore through hundreds of thousands of data points on 300,000 patients and “learn” the profiles of patients most likely to be rehospitalized. The economic impact of this prediction tool could be huge: If a hospital understands the likelihood that a patient will “bounce back,” it can design programs to keep him stable and save thousands of dollars in health care costs. Similar efforts to uncover important correlations that could lead to scientific breakthroughs are under way in oceanography, conservation, and AIDS research. And in business, deep data exploration has the potential to unearth critical insights about customers, supply chains, advertising effectiveness, and more.

A grande ideia: a próxima revolução científica

Resumo.

Partner Center