Machine learning é uma aplicação de inteligência artificial (IA) que fornece aos sistemas a capacidade de aprender e melhorar automaticamente a partir da experiência sem ser explicitamente programado. O aprendizado de máquina se concentra no desenvolvimento de programas de computador que podem acessar dados e usá-los para aprender por si mesmos.
- Entenda tudo sobre inteligência artificial
- 4 novas tecnologias que estão mudando o mundo
- Ranking: 5 países que mais utilizam a tecnologia
Qual é a definição de machine learning?
Algoritmos de aprendizagem de máquina usam estatísticas para encontrar padrões em enormes quantidades de dados. E os dados, aqui, englobam um monte de coisas — números, palavras, imagens, cliques, o que você tem. Se ele pode ser armazenado digitalmente, ele pode ser alimentado em um algoritmo de aprendizagem de máquina.
Machine learning é o processo que alimenta muitos dos serviços que usamos hoje — sistemas de recomendação como os da Netflix, YouTube e Spotify; mecanismos de busca como Google e Baidu; feeds de mídia social como Facebook e Twitter; assistentes de voz como Siri e Alexa. A lista continua.
Em todos esses casos, cada plataforma está coletando o máximo de dados sobre você possível — quais gêneros você gosta de assistir, quais links você está clicando, quais status você está reagindo — e usando aprendizado de máquina para fazer um palpite altamente educado sobre o que você pode querer a seguir. Ou, no caso de um assistente de voz, sobre quais palavras combinam melhor com os sons engraçados que saem da sua boca.
- 7 dicas essenciais para aprimorar suas habilidades de escrita
- Hospital faz cirurgia na coluna usando um Apple Vision Pro
- Como usar o ChatGPT como assistente de voz padrão no Android
Francamente, esse processo é bastante básico: é encontrar o padrão e depois aplicar o padrão. Mas ele praticamente governa o mundo. Isso é em grande parte graças a uma invenção em 1986, cortesia de Geoffrey Hinton, hoje conhecido como o pai do Deep Learning.
O que é Deep Learning?
O aprendizado profundo é aprendizado de máquina em esteroides: ele usa uma técnica que dá às máquinas uma capacidade aprimorada de encontrar e amplificar até mesmo os menores padrões. Essa técnica é chamada de rede neural profunda — profunda porque tem muitas, muitas camadas de nódulos computacionais simples que trabalham juntos para mastigar dados e entregar um resultado final na forma da previsão.
O que são redes neurais?
As redes neurais foram vagamente inspiradas pelo funcionamento interno do cérebro humano. Os nós são como neurônios, e a rede é como o próprio cérebro. (Para os pesquisadores entre vocês que não gostaram dessa comparação: não seja tão perfeccionista, admite, é uma boa analogia.) Mas Hinton publicou seu artigo inovador numa época em que redes neurais “estavam na moda”. Ninguém sabia como treiná-los, então eles não estavam produzindo bons resultados. Levou quase 30 anos para a técnica voltar. E rapaz, ele fez um retorno.
O que é Aprendizagem supervisionada?
Uma última coisa que você precisa saber: aprendizado de máquina (e profundo) vem em três sabores: supervisionado, não supervisionado e reforçado. No aprendizado supervisionado, o mais prevalente, os dados são rotulados para dizer à máquina exatamente quais padrões ela deve procurar. Pense nisso como algo como um cão farejador que vai caçar alvos quando souber o cheiro que está atrás. É isso que você está fazendo quando você pressiona play em um programa da Netflix — você está dizendo ao algoritmo para encontrar programas semelhantes.
O que é Aprendizagem não supervisionada?
No aprendizado não supervisionado, os dados não têm rótulos. A máquina só procura por quaisquer padrões que possa encontrar. Isso é como deixar um cão cheirar toneladas de objetos diferentes e classificá-los em grupos com cheiros semelhantes. Técnicas não supervisionadas não são tão populares porque têm aplicações menos óbvias. Curiosamente, eles ganharam força na segurança cibernética.
O que é Aprendizagem de reforço?
Por fim, temos o aprendizado reforçado, a última fronteira do aprendizado demáquina. Um algoritmo de reforço aprende por tentativa e erro para alcançar um objetivo claro. Ele tenta muitas coisas diferentes e é recompensado ou penalizado dependendo se seus comportamentos ajudam ou impedem que ele atinja seu objetivo. Isso é como dar e reter guloseimas ao ensinar um cão um novo truque. O aprendizado reforçado é a base do AlphaGo do Google, o programa que famosamente venceu os melhores jogadores humanos no complexo jogo de Go.
É isso, é isso. Isso é aprendizado de máquina. Agora confira o fluxograma acima para uma recapitulação final.
Alguns exemplos de aplicações do Machine Learning
- Motores de Recomendação (Netflix)
- Classificação, marcação e categorização de fotos (Yelp)
- Carros autônomos (Waymo)
- Educação (Duolingo)
- Previsões de Doença do Paciente (KenSci)
- E-mails direcionados(Optimail)
