O que é Inteligencia Artificial, Machine Learning e Redes Neurais?

No ano de 2020 o setor de inteligência artificial bateu recorde no Brasil com a captação de 365 milhões de dólares. É o que aponta o estudo feito pelo Distrito Dataminer em parceria com da KPMG. Ouvimos os termos inteligência artificial, machine learning, redes neurais com frequência na mídia. No entanto, para uma pessoa que não é da área, esses termos podem ser confusos e não trazer um significado claro. Meu objetivo aqui é explicar da maneira mais simples que consigo, o que são esses termos e o que é possível fazer com essa tecnologia.

Mas então, o que é Inteligência Artificial? Esse termo muito usado por aí também como IA ou AI (artificial intelligence) refere-se a um campo de estudo acadêmico da Ciência da Computação. Também não é um termo novo, esse campo da ciência já existe a mais de 50 anos. Define-se inteligência artificial pelo campo da ciência que estuda agentes inteligentes: qualquer dispositivo capaz de perceber o ambiente e tomar ações que maximizam as chances de sucesso de um determinado objetivo.

Na sua essência, inteligência artificial é uma tentativa de criar um sistema que simula a inteligência a humana. A ideia é que esse sistema seja capaz de interpretar uma situação especifica, aprender e tomar uma decisão para aquela situação ou situações parecidas. Isso não quer dizer que toda inteligência artificial é capaz de pensar e tomar decisões ou vai sair por aí tentando dominar o mundo. Algoritmos de inteligência artificial funcionam apenas para as situações que foram criados e nada mais.

Na programação tradicional, o programador deve descrever todos as possíveis situações que o seu sistema ira passar, e dizer com ele deve se comportar em cada uma delas. Ao utilizar estratégias de inteligência artificial, nem sempre isto é necessário. É possível "ensinar" o sistema como ele deve se comportar em diferentes situações. Ao ser apresentado com uma situação diferente da ensinada, o sistema irá tomar uma decisão, baseado no que ele já aprendeu.

Dentro da inteligência artificial, existem vários campos de estudo que buscam solucionar desafios diferentes. Uma IA raramente será usada para resolver todos os desafios de uma vez. Na verdade o mais comum, é que ela seja capaz de solucionar apenas um ou dois deles. Alguns desafios são:

• Raciocínio e resolução de problemas: Capacidade de chegar a uma resposta a partir de problemas com informações incompletas e incerteza.
• Representação de conhecimento: Busca condensar o conhecimento de um assunto especifico em uma estrutura de dados que uma maquina consiga utilizar. É o campo que gerou do desenvolvimento de "sistemas especialistas".
• Planejamento: Capacidade de deduzir e prever condições futuras baseado no histórico passado e condição atual. Um exemplo são softwares utilizados no mercado de ações, que utilizam esse tipo de inteligência artificial para estimar se o valor de uma ação vai subir ou descer.
• Aprendizagem: Capacidade de melhorar o funcionamento do sistema com a experiência adquirida. Também conhecido por Aprendizagem de Maquina ou Machine Learning.
• Processamento de linguagem natural: Capacidade de ler e extrair informações de textos da linguagem humana. Os avanços nesse campo permitem que tenhamos chatbots e aplicativos que traduzem a textos e fala de maneira eficiente.
• Inteligência Social: Capacidade de interpretar e entender relações e emoções humanas.

Existem várias estratégias para criar uma inteligência artificial, essas estratégias, ou algoritmos são bastaste diversas em seu modo de funcionamento e suas aplicações.

Machine Learning, em português aprendizado de máquina é um dos campos da inteligência artificial que tem o objetivo de aprimorar o agente inteligente usando o conhecimento obtido com experiências passadas. Machine Learning não é um único programa ou algoritmo, mas sim uma das áreas de estudo no assunto de inteligência artificial.

Quando começamos a aprofundar no assunto de inteligência artificial, é comum vermos na literatura a fase de treinamento da IA. É nessa fase que a maquina está aprendendo a realizar a tarefa que foi proposta. Existe no geral três ramos da aprendizagem de máquina com diversos algoritmos em cada um deles. Estes ramos são a aprendizagem supervisionada, aprendizagem não supervisionada e aprendizagem reforçada.

Não irei aprofundar muito sobre o funcionamento de cada algoritmo pois este não é o objetivo deste artigo. A ideia e apenas esclarecer alguns termos comumente usados na mídia e dar um contexto para o leitor sobre o que significam, permitindo assim um pensamento crítico sob aquele assunto. Para aqueles que se interessarem em aprofundar os conhecimentos nos algoritmos de aprendizagem de máquina, sugiro o artigo de Sunil Ray, que apresenta os algoritmos mais comuns para o campo.

O termo redes neurais é um subcampo de aprendizagem de maquina, onde o computador tenta cumprir uma tarefa usando como referencia exemplos treinados previamente. Para tal, são usados neurônios artificiais que simulam o funcionamento do cérebro humano para dar a resposta a um problema. Pode parecer uma coisa de ficção cientifica falar dessa maneira, mas essencialmente e mais simples do que parece.

Imagine a rede neural com uma caixa preta. De um lado, recebe entradas como os vários sensores de um carro autônomo. Lá dentro ela processa os valores desses sensores. Do outro lado tem as saídas, que seriam as ações de acelerar, frear e virar o volante do carro. A rede neural internamente consiste de varias pequenas unidades chamadas de neurônios que armazenam um valor. Esse neurônios são agrupados em varias camadas. Camadas interagem com outras camadas através de conexões. Essas conexões multiplicam o valor armazenado em um neurônio da camada anterior por um valor (peso), e coloca esse valor no neurônio da próxima camada. Essa multiplicação e soma de valores e propagada de um lado da caixa para o outro lado até a saída.

Essencialmente é apenas isso que uma rede neural faz. A parte complicada é decidir qual o peso de cada conexão. Aí que entra a parte de aprendizagem de máquina, durante o treinamento, o computador fica fazendo pequenos ajustes nos pesos de cada conexão até achar os valores de dão o melhor resultado.

Em resumo, Inteligência Artificial é uma ciência que estuda dispositivos capazes de perceber o ambiente de tomar decisões para cumprir um objetivo. Existem vários campos de estudo dentro da inteligência artificial. Um deles é o Machine Learning, que é o desafio de fazer a maquina aprimorar seu desempenho com experiência passada. Por fim, redes neurais é um subcampo de Machine Learning, que simula o funcionamento de neurônios humanos para permitir a aprendizagem da maquina.

Espero que com isso tenha esclarecido um pouco mais o que são todos esses termos. A ciência de dados é um campo muito extenso e com diversas ramificações. Seria impossível explicar tudo em um único artigo. Encorajo a todos os interessados em aprofundar seus conhecimentos na área. Hoje em dia existem muitos cursos e vídeos indo do nível iniciante ao avançado quando o assunto é Inteligência Artificial. Deixo a baixo algumas indicações que irão de ajudar a entender ainda mais sobre o assunto.

• Google AI
• Inteligência artificial em 5 minutos

Referencias:

• Poole, David; Mackworth, Alan; Goebel, Randy (1998). Computational Intelligence: A Logical Approach. New York: Oxford University Press.ISBN 978-0-19-510270-3. Archived from the original on 26 July 2020. Retrieved 22 August 2020.
• Ray, Sunil (2017). Commonly Used Machine Learning Algorithms. Analytics Vidhya. Acesso em 2 de maio de 2021.