Aprendizado de máquina: o que é e qual a sua relação com o ai?

Hoje, queremos ensinar mais detalhadamente um dos termos que revolucionaram e revolucionarão algumas interações como as conhecemos. Estamos falando de Inteligência Artificial e seu ramo mais específico, Machine Learning ou Automatic Learning.

Como você deve saber, a computação está sempre em constante evolução e o que podemos comprar geralmente não é o mais avançado possível.

Por exemplo, enquanto estamos desenvolvendo a quarta geração do PCI-Express , os pesquisadores já estão desenvolvendo o PCIe Gen 5 e estudando o salto para a sexta . Por esse mesmo motivo, não é incomum encontrar tecnologias que não sabíamos executar tarefas das quais nunca tínhamos ouvido falar.

Mas antes de prosseguirmos, vamos restringir o tópico sobre o qual falaremos porque, o que é o Aprendizado de Máquina ?

Índice de conteúdo

O que é aprendizado de máquina ?

O Machine Learning é um ramo específico da ciência da computação e da Inteligência Artificial, onde são criados sistemas capazes de aprendizado automático.

Esse ramo iniciou seus estudos e desenvolvimento por volta dos anos 80 e hoje está bastante desenvolvido. Por esse mesmo motivo, tanto a inteligência artificial quanto o aprendizado de máquina são usados em muitos campos científicos e cotidianos.

Nesse ramo, as IAs são compostas por um ou mais algoritmos capazes de processar grandes quantidades de dados e aprender de acordo. As duas ideias principais sobre as quais este tópico orbita são:

• O sistema deve poder analisar dados e desenvolver habilidades que não possuía desde o nascimento. A inteligência deve ser capaz de fazer o trabalho de forma autônoma, ou seja, sem supervisão humana.

No mundo real, temos exemplos práticos, como a classificação de spam em e-mails, recomendações relacionadas à Amazon ou previsões do futuro usando dados da empresa. Esta última é uma seção interessante na qual mais e mais empresas estão apostando.

Usando o Machine Learning , podemos ver quais padrões identificam clientes insatisfeitos ou ex-clientes para tentar melhorar o relacionamento com outros usuários no mesmo estado. Estudamos antiguidade, número de reclamações, planos contratados e outros para criar determinados perfis. Depois que as conclusões da IA são tiradas, um grupo de especialistas em marketing pode criar uma campanha específica para combater esses problemas.

Assim, a empresa pode criar planos para atrair ou manter os clientes com base em certas suposições e passa de uma estratégia reativa para uma pró-ativa. É uma tática muito interessante que usa inteligência artificial , grandes quantidades de dados e aprendizado de máquina .

Como a Inteligência Artificial é treinada?

Para que uma Inteligência Artificial esteja preparada, ela deve passar por diferentes fases:

1. Ele passa por um ambiente controlado primeiro. Aqui, você insere uma grande quantidade de dados e seus respectivos resultados com os quais pode criar relacionamentos entre idéias. Essa parte é chamada de aprendizado supervisionado . Então, você é colocado em um ambiente livre e sem resposta, onde a própria IA terá que selecionar um resultado. Ao saber se suas respostas estão corretas ou não, você cria novas regras no seu algoritmo. Esse estágio é chamado de aprendizado não supervisionado . Finalmente, um ambiente é preparado para ele onde ele vacila. Se, por exemplo, você achar difícil diferenciar imagens com pouca luz, poderá ser treinado com fotos noturnas. Essa fase é chamada de Aprendizado por Reforço. O processo pode ser realizado a partir da etapa 2, quantas vezes você desejar para ajustar a Inteligência .

Esquema generalizado de aprendizado de máquina

Um exemplo prático seria mostrar à AI dez milhões de fotos e dizer a eles quais são os cães e quais não são. Aqui ele relatará que os cães geralmente têm pêlo, geralmente têm quatro patas e existem diferentes formas e tamanhos, dependendo da raça.

Depois, ele recebe um milhão de fotos para classificar. Aqui, você deve responder se há um cachorro na foto ou não e de acordo com a criação ou não de novas 'idéias' em seu banco de dados. Para implementar esses novos dados, o Intelligence estabelecerá novas regras em seu algoritmo e agora, por exemplo, poderá diferenciar cães de gatos.

Finalmente, sua eficiência é estudada e novas fotos são preparadas para treinar seus pontos fracos.

Certamente, este é um sistema simples e muito repetido para a demonstração, mas existem outros métodos mais experimentais e peculiares.

Tay, o bot do Twitter

Um caso recente de treinamento experimental foi o Tay , uma IA desenvolvida pela Microsoft projetada para aprender a se expressar como humana.

Perfil do Twitter de Tay

O bot foi programado para falar inicialmente como uma menina de 19 anos e em 23 de março de 2016, ela foi libertada nos lugares escuros do Twitter.

Você foi programado para falar com a comunidade e aprender com as mensagens recebidas e com as interações com os usuários. Seu aprendizado foi quase completamente autônomo, embora ela tenha sido retirada após 16 horas para mostrar comportamentos negativos.

No curto período de sua vida, ele twittou mais de 96.000 tweets. No entanto, o comportamento ofensivo intencional dessa rede social tornou mais rápido que cedo a resposta de Tay com frases racistas e outras.

Nesse caso, o aprendizado supervisionado e a série de regras básicas deveriam ter sido devidamente revisados. Conhecendo o tom despreocupado e ofensivo da rede social, Tay não estava preparado para diferenciar o real do sarcástico. Pelo mesmo motivo, alguns usuários conseguiram facilmente "quebrar" a "barreira intelectual" da Inteligência .

Aplicativos de Machine Learning no mundo real

Já falamos sobre alguns usos diários que talvez você já conhecesse sobre o Machine Learning , mas que outros casos existem.

Abaixo, você verá uma série de aplicações práticas dessa tecnologia nos problemas mais comuns. Obviamente, são soluções de ponta, portanto, geralmente também exigem muito mais dinheiro.

Saude

Está em estudo uma tecnologia para um novo tipo de roupa capaz de ler informações sobre nosso corpo. Pode ser capaz de ler nosso pulso, respiração ou ansiedade.

Esses dados são lidos por uma inteligência que avalia o estado do paciente em tempo real. Portanto, se você tiver um problema como um ataque cardíaco em um momento específico, poderá diagnosticar e / ou responder mais rapidamente.

Por outro lado, alguns bots capazes de detectar pensamentos suicidas foram implementados em algumas pessoas. O famoso Facebook Intelligence lê conversas e sua atividade para reconhecer padrões de tendências suicidas, embora existam outras versões que estudam mais de perto o comportamento da pessoa, seu tom de voz e sua linguagem corporal.

Finanças

Em economia, alguns bancos e empresas usaram soluções baseadas em Machine Learning para detectar e prevenir fraudes.

Por outro lado, algo semelhante também é usado para identificar mais facilmente oportunidades de investimento. Também é usado para decidir quando vender ou comprar ações e outros meios.

Marketing

Isso já mencionamos, mas é uma de suas aplicações mais conhecidas.

Já aconteceu com você ver alguns produtos na Amazon , entrar no Facebook, Google ou Instagram e ver exatamente esse produto em seus anúncios. Não é coincidência, pois as redes sociais e o Google implementam inteligências que estudam sua história e seus possíveis interesses para capturá-las onde puderem.

Alguns usuários veem isso como uma maneira intrusiva de 'atacar' o usuário e isso não é surpreendente, pois eles o bombardeiam com uma ideia. No entanto, a publicidade se moverá nessa direção, pois é mais pessoal e os anúncios serão direcionados a potenciais compradores.

Aprendizado de máquina e aprendizado profundo

Esses dois termos geralmente andam de mãos dadas, mas não são exatamente os mesmos. Em artigos futuros, falaremos sobre esse segundo mandato, pois é algo que merece ser aprendido.

RECOMENDAMOS VOCÊ Como desinstalar os drivers AMD de forma limpa e fácil

Em geral, poderíamos estabelecer a relação entre Machine Learning e Deep Learning como aquela que a Inteligência Artificial e o Machine Learning têm . O Deep Learning é um ramo ainda mais específico do Machine Learning .

Ele compartilha seções importantes, como evolução ao longo do tempo e experiência, mas possui outra série de diferenças.

Aprendizado Profundo Simplificado

Sua base para aprender e processar dados é usar diferentes camadas que agem como se fossem neurônios. Portanto, poderíamos estabelecer que essas Inteligências geralmente são mais refinadas, mas também mais complicadas e caras de construir.

Embora se você estiver mais interessado neste tópico, fique atento ao site e visite nosso próximo artigo sobre Deep Learning .

A que distância estamos da Skynet ?

Temos esta seção para as mentes mais sonhadoras.

Este é um tópico muito repetido em livros, filmes e outros. Não é à toa que existe exatamente um gênero ou tema chamado Cyberpunk . Porém, longe das distopias futuristas controladas pela Inteligência Artificial , nossas máquinas ainda têm um longo caminho a percorrer.

Robô Inteligente de Rick & Morty

Os sistemas atuais de aprendizado de máquina pertencem ao grupo de ' IAs fracas'. Como vimos, essas inteligências são capazes apenas de entender padrões e fazer deduções simples. Eles são muito úteis para nos apoiar em certos contextos, mas não são sistemas autônomos.

Por outro lado, teríamos as 'IAs fortes' , representadas em histórias futuristas, onde são iguais ou muito mais inteligentes que os humanos. Podemos encontrar exemplos notáveis ​​na cultura popular como 'Matrix' , 'Terminator' , 'Ghost in the Shell' ou 'Halo' . De fato, nesta lista existem dois trabalhos relacionados entre si; Adivinha quais?

Hoje ainda estamos desenvolvendo carros totalmente autônomos e seguros. Estamos avançando continuamente, mas ainda temos uma maneira de desenvolver um fato igual feito inteiramente de tecnologia.

Se você quiser saber mais sobre isso, visite nosso artigo sobre Inteligência Artificial . É um texto de um ponto de vista mais geral e estudamos um pouco as possíveis ramificações que essa tecnologia terá.

Palavras finais sobre aprendizado de máquina

Semelhante à nossa conclusão sobre Inteligência Artificial, é claro que o futuro é incerto. No entanto, é inevitável que a evolução precise ser revisada para implementar a tecnologia entre suas habilidades e características.

Pouco a pouco, a Internet será cada vez mais controlada por programas e algoritmos. As redes sociais serão melhor calibradas e nos oferecerão um conteúdo mais de acordo com nossos gostos. E, finalmente, os relacionamentos on-line serão muito mais seguros, detectando com mais facilidade quando houver risco de fraude ou algo semelhante.

Por outro lado, não se surpreenda que este século seja quando a IoT (Internet das Coisas) brilhará. É uma ideia com a qual sonhamos há muito tempo e que está se aproximando. Além disso, a IoT é uma grande concorrente de tecnologias de ponta relacionadas ao Machine Learning, embora ainda não haja alguns ajustes em relação à segurança.

De nossa parte, pensamos que será uma evolução gradual e, desde que você seja informado do que está acontecendo, não terá nada a temer. Carros ou geladeiras novos podem parecer estranhos para você, mas certamente não acho que veremos o despertar de 'IAs fortes'.

Recomendamos a leitura dos melhores laptops do mercado

Finalmente, temos que confessar que não somos especialistas em Inteligência Artificial ou Machine Learning , portanto, não se surpreenda com alguns dados estranhos. Se cometemos um erro, não hesite em nos contar! Afinal, ainda não somos máquinas perfeitas.

E você, o que você acha do Machine Learning e da Inteligência Artificial ? Em que aspecto você acha que eles devem ser implementados? Compartilhe suas idéias abaixo.

Fonte inteligente: Dataapdsaslagacetawhatsnew