Aprendizado profundo: o que é e como está relacionado ao aprendizado de máquina?

Continuando alguns artigos que fizemos, falaremos sobre o que é o Deep Learning e sua relação com o Machine Learning . Ambos os termos são cada vez mais importantes na sociedade em que vivemos e será útil saber o que nos rodeia.

Índice de conteúdo

O que é Deep Learning ?

O Deep Learning é um subconjunto de técnicas que nasceram por volta dos anos 2000 como resultado do Machine Learning . Por esse motivo, devemos classificá-lo como um de seus ramos, fazendo parte da ciência da computação.

Esses sistemas são mais autônomos do que seus irmãos mais velhos, embora sua estrutura também seja consideravelmente mais complexa. Isso lhes dá uma clara vantagem ao executar diferentes tipos de tarefas em que eles executam o mesmo ou melhor trabalho que outros sistemas com algoritmos de Machine Learning.

Além disso, existem outros trabalhos em que o Deep Learning se destaca do seu antecessor. Um dos casos mais notórios é a Inteligência Artificial ao estilo AlphaGo, a Inteligência do Google capaz de derrotar o campeão mundial de Go .

Talvez pareça um pouco chinês para você, mas o Go é um jogo muito famoso e, também, muito exigente. Para contextualizar, os matemáticos afirmam enfaticamente que esse hobby é consideravelmente mais complexo que o xadrez.

Por outro lado, o Deep Learning está intimamente relacionado ao Big Data, pois essas ótimas fontes de informação podem ser usadas para aprender e consolidar a experiência. Além disso, graças à situação em que estamos, o ambiente para a proliferação e desenvolvimento dessa tecnologia é perfeito para três pontos principais:

1. O grande acúmulo de dados, pois com as ferramentas que temos hoje, os dados podem ser obtidos e armazenados de quase qualquer pessoa. O grau de tecnologia em que estamos, uma vez que os componentes são bons para oferecer, coletivamente, um poder considerável. O desejo das empresas de melhorar suas metodologias, pois, aproveitando os dois pontos anteriores, mais e mais empresas estão apostando em Inteligência Artificial . Se sua empresa armazenou dados de milhares de clientes e a tecnologia oferece a oportunidade de aprender com eles e usá-los, é uma aposta segura.

A estrutura do Deep Learning

Apesar de ter um desenvolvimento bastante semelhante ao Machine Learning , esse conjunto de algoritmos tem algumas diferenças nucleares. O mais importante é provavelmente sua estrutura interna, ou seja, o código que compõe seu algoritmo.

Ideia geral sobre Deep Learning

Como você pode ver na imagem, o Deep Learning está intimamente relacionado às redes neurais. Esse conceito não é novo, mas não está conosco há muito tempo, portanto você pode não saber.

Para simplificá-lo, poderíamos definir uma rede neural como um conjunto de algoritmos (cada um chamado camada) que tratam e transmitem informações. Cada camada recebe valores de entrada e retorna os valores de saída e, à medida que passa por toda a rede, um valor final resultante é retornado. Tudo isso acontece sequencialmente, normalmente, onde cada camada tem um peso diferente, dependendo do resultado desejado.

Aqui, mostramos a você um pequeno vídeo (em inglês) sobre Inteligência Artificial aprendendo a jogar Super Mario World :

E você pode estar se perguntando: "Por que todo esse método é tão complicado?" . Certamente o Deep Learning ainda pertence ao que chamamos de Inteligência Artificial Fraca , mas é possivelmente o primeiro passo em direção a fortes.

Essa metodologia é vagamente inspirada em como o cérebro funciona. Semelhante ao que vemos no "mundo físico" , os sistemas formam camadas e cada camada funciona de maneira semelhante a um neurônio. Dessa forma, as camadas se relacionam, compartilham informações e o mais importante é que tudo seja feito de forma autônoma.

Esquema muito simplificado de como o Deep Learning funciona

Seguindo essa regra, as Inteligências mais completas são, normalmente, as que possuem mais camadas e algoritmos mais sofisticados.

Como a Inteligência Artificial trabalha com esse algoritmo?

Se você já viu nossos artigos anteriores sobre o assunto, já viu este gif. Aqui você pode ver nosso artigo sobre Inteligência Artificial e aqui você pode ler um pouco sobre o Machine Learning .

mas mostraremos uma última vez.

Essa imagem reflete bem e muito simplesmente como uma inteligência usando redes neurais funcionaria. Como você pode ver, o trabalho dele é simples: classifique imagens e aprenda a detectar cães nas diferentes fotos que lhe são passadas.

Cada imagem começa inserindo o feed de entrada, ou seja, a Camada de Entrada onde os primeiros cálculos já teriam começado. Os resultados obtidos seriam compartilhados com a segunda camada ou neurônio e, evidentemente, é informado qual neurônio fez esse cálculo. Esse processo é repetido tantas vezes quantas as camadas do nosso sistema até chegarmos ao último.

O último neurônio é nomeado como Camada de Saída e é o que, neste exemplo, mostra o resultado. Em outros casos, a camada de saída acaba executando a ação calculada. Além disso, se colocarmos na fórmula a ação o mais rápido possível (como nos videogames) , o resultado deve ser quase instantâneo. No entanto, graças ao ponto tecnológico em que estamos, isso já é possível.

Um dos exemplos mais claros disso é o AlphaStar Artificial Intelligence, outra criação do próprio Google .

Inteligência Artificial do Google Deepmind

Falamos sobre o AlphaGo , uma IA capaz de lutar contra os melhores jogadores de Go do mundo. No entanto, este tem irmãos mais novos capazes de alcançar alguns marcos bastante impressionantes.

AlphaZero

Essa inteligência aprendeu em apenas 24 horas um nível sobre-humano de xadrez, shoji e ir com o qual ele ganhou vários jogadores famosos. Além disso, na lista de oponentes derrotados, ele também apontou para a versão AlphaGo Zero de 3 dias de experiência, algo realmente incrível. Aqui a velocidade de aprendizado dessa inteligência artificial é revelada .

O mais impressionante de tudo é que a equipe não teve acesso a livros ou bancos de dados de aprendizado, portanto todas as suas táticas foram aprendidas com a prática.

Em outro de seus encontros, ele enfrentou o Stockfish , um veterano programa de código aberto automatizado que joga xadrez. No entanto, em apenas quatro horas, foi dominado pelo AlphaZero.

Note-se que, embora este primeiro calcule cerca de 70 milhões de movimentos, o AlphaZero, no xadrez, leva em conta apenas 80 mil saídas diferentes. A diferença nas previsões foi compensada por um julgamento muito melhor do que seriam peças promissoras.

Com demonstrações de força como essa, podemos ver o poder da nova Inteligência Artificial .

AlphaStar

Por outro lado, AlphaStar é uma IA que hoje é capaz de jogar RTS Starcraft II (Real Time Strategy, em espanhol).

No momento de sua demo, o AlphaStar lutou contra vários jogadores profissionais no meio, vencendo dez jogos seguidos e perdendo apenas o último.

Ao contrário do xadrez ou da partida, o Starcraft II é uma partida em tempo real; portanto , a cada segundo você precisa fazer as coisas. Devido a isso, podemos vislumbrar que a tecnologia atual é capaz de manter esses ritmos frenéticos de cálculo e decisão.

Quanto à preparação da Inteligência , nas datas dos testes ao vivo, ele tinha cerca de 200 anos de experiência treinando apenas com protos (uma das corridas disponíveis) . Também foi treinado para que só pudesse executar ações se houvesse a câmera fisicamente na unidade, assimilando mais a maneira como uma pessoa tocaria.

No entanto, apesar de ter essas desvantagens, o AlphaStar conseguiu vencer a maioria de seus encontros usando uma tática abandonada no lado competitivo do jogo. Um ponto a ser observado é que o AlphaStar geralmente mantém os APMs (ações por minuto) baixos, portanto suas decisões são muito eficientes.

Média de ações por minuto executadas pela IA e por um jogador profissional

No entanto, quando a situação exige, ele demonstra o controle sobre-humano das unidades literalmente quebrando facilmente o balcão.

Aqui você pode ver uma de suas demos na íntegra:

O futuro da inteligência artificial

Já falamos sobre esse tópico, por isso não repetiremos muito a mesma conversa. O que deve ser destacado são os possíveis futuros que aguardam Deep Learning .

De acordo com Andrew Yan-Tak Ng, um conhecido especialista em Inteligência Artificial, o Deep Learning é um bom passo em direção à Inteligência do futuro. Ao contrário de outros métodos de ensino, este é consideravelmente mais eficiente à medida que aumentamos a amostra de dados.

RECOMENDAMOS BABAHU X1: A escova de dentes AI já está disponível

O próximo slide pertence à sua apresentação "O que os cientistas da informação devem saber sobre o aprendizado profundo" . Se você estiver interessado, pode vê-lo neste link.

Não em vão, o desenvolvimento da tecnologia não parou. Todos os anos teremos componentes mais poderosos, por isso teremos mais e mais pátio para testar. Como aconteceu com as antigas IAs e o Machine Learning, novos algoritmos, metodologias e sistemas aparecerão e substituirão o inovador Deep Learning de hoje .

Além disso, como você pode imaginar, o futuro é enfrentado por máquinas semi-inteligentes.

Como apontamos em outros artigos, a maioria dos dispositivos eletrônicos terá (alguns já os incorporam) suporte à inteligência . Um caso muito notável é o das Inteligências que ajudam a tirar fotos de melhor qualidade.

No entanto, um ponto em que essa tecnologia pode florescer para a maioria dos usuários é a IoT (Internet das Coisas, em espanhol).

A Internet das Coisas

Esse termo tem cada vez mais peso nas conferências de tecnologia e computação e busca se consolidar agora que temos os meios.

A idéia é que eletrodomésticos, eletrodomésticos e outros sejam objetos identificáveis, que possam se comunicar e, além disso, serem controlados com um dispositivo. Dessa forma, podemos contar quais objetos existem em um local, onde eles estão, interagir com eles e tudo isso a partir do celular. Da mesma forma, os objetos também podem interagir entre si e, por exemplo, se um alimento expirar, talvez a geladeira possa dizer quando você o abre.

Por outro lado, a Inteligência Artificial deve ser capaz de monitorar o status e o desempenho dos eletrodomésticos. Com isso, você pode estabelecer um plano de eletricidade e otimizar a energia utilizada.

No entanto, um ponto relevante que resta a melhorar é a segurança da Internet . É algo que ainda não parece sofrer muito assédio, mas todos sabemos que será essencial se queremos que seja um serviço seguro.

É uma idéia um tanto abstrata, mas como ela invade nossas vidas, você se tornará familiar.

A importância das novas tecnologias e do Deep Learning

É inevitável pensar que a computação e a Inteligência Artificial moldarão grande parte do futuro que nos espera. Portanto, é importante estar sempre ciente do que está acontecendo no mundo governado por bits.

Com esse espírito em mente, já podemos ver como diferentes graus, cursos e graus aparecem, ensinando esses tópicos em profundidade. Por exemplo, surgiram algumas engenharias de dados, outros cursos sobre Big Data e, claramente, cursos de Deep Learning e Inteligência Artificial .

Por esse mesmo motivo, recomendamos que você investigue o assunto. A Internet , com suas vantagens e desvantagens, ainda não é autônoma, nem perfeita, nem realmente segura, mas é uma fonte quase ilimitada de conhecimento. Com alguma sorte, você encontrará um lugar para aprender e poderá embarcar em um novo idioma, ou melhor, em um novo mundo.

Como o Machine Learning é uma disciplina um pouco mais leve, existem programas que permitem que você mexa um pouco com os dados. Se você estiver interessado em aprender um pouco mais sobre o assunto e verificar por si mesmo / os limites dessa tecnologia, visite o IBM Watson Developer Cloud ou o Amazon Machine Learning. Aviso: você precisará criar uma conta e não será uma maneira fácil de aprender, mas talvez um dia ele o ajude a alcançar grandes objetivos.

Além do mundo das idéias, tudo está em suas mãos. E para você, o que você acha das novas tecnologias relacionadas à Inteligência Artificial? Quais outros aplicativos Deep Learning você conhece ou gostaria de ver? Compartilhe suas idéias na caixa abaixo.

Source Business Blog Pense no domínio da aprendizagem de BigXatakaMachine