Sabe a diferença em ML x IA x DL ?
Estas siglas são tão pequenas mas tratam de um assunto tão amplo e polêmico nos dias atuais. Quem lembra dos filmes onde androides e drones tomavam conta do planeta ? Pois é este futuro tá próximo .... ou já chegou !
Estas siglas são Machine Learning, Inteligência Artificial e Deep Learning, e embora correlacionadas, cada uma trata de um ramo/conceito que fazem parte da Inteligência Artificial, e veremos quais são suas diferenças aqui.
A Inteligência Artificial é um conceito onde mecanismos “não humanos” se baseiam no comportamento humano para analise e solução de problemas, percepção visual, reconhecimento da fala, entre outros, hoje tais mecanismos são baseados na computação e teve inicio em 1959 no MIT com o pioneiro da inteligência artificial, engenheiro Arthur Samuel. Basicamente temos um computador “que pensa” de forma semelhante (“ensinada” seja pela repetição ou acesso a uma imensa base de dados – Big Data) a um ser humano para executar tarefas.
O Machine Learning é um dos ramos da IA na qual basicamente uma maquina é ensinada por um ser humano a desempenhar funções e tarefas, através de algoritmos, sequências, modelos e scripts, a maquina ira repetir determinadas funções e devido ao alto processamento de dados e acesso ao Big Data (veja o outro post anterior) e suas conexões (tema de outro post), consegue tomar decisões (fazem a analise de dados em tempo real, reconhecem padrões e tendências e indicam a previsão estatística) baseadas numa programação explicita ou não, podem inclusive ir aumentando sua base de conhecimento e modelos com as interações e ciclos de atividades, mas este aprendizado é dinâmico e não requer intervenção humana para realizar certas mudanças, e pode ser categorizado em três tipos: aprendizagem supervisionada, não supervisionada (usam o Deep Learning) e por reforço (“tentativa e erro”).
O Deep Learning ou Aprendizagem Profunda, neste ramo da IA utiliza o Big Data, ou seja, através de grandes quantidades de dados (terabytes) e através do uso de redes neurais artificiais (algoritmos inspirados na estrutura de neurônios do cérebro humano) conseguem tratar a informação e resolver problemas complexos, como reconhecimento de imagens e som, sobreposição de contextos (realidade aumentada), caracterização de padrões de repetição complexos, etc.
Hoje o uso destas tecnologias, além dos androides e drones.., vão da analise em sistemas bancários para identificação de fraudes, aumento na confiabilidade de banco de dados autônomos com a redução de falhas humanas, a traduções de textos com qualidade e precisão e as mais comuns como buscas por voz, recomendação de conteúdo e marketing digital customizado aos gostos do cliente.
(parte do artigo “Machine Learning, a próxima onda !”, Walter C Pinotti, 2020)
