06 de junho de 2024
Deep Learning: Algoritmos de programação que aprendem por si mesmos
O Deep Learning é uma parte do Machine Learning que se encarrega de simular o comportamento do cérebro humano para resolver problemas de difícil solução para as máquinas.
Para que a Inteligência Artificial?
Deep learning ou aprendizado profundo é uma subparte do machine learning que, por sua vez, faz parte da inteligência artificial.
A inteligência artificial é um conceito considerado moderno, tanto que nasce em meados do século XX, há mais de meio século!!
Com a inteligência artificial, tentou-se fazer com que os computadores fossem capazes de resolver problemas que até então só podiam ser resolvidos pelos humanos.
Se pensarmos, podemos programar algoritmos mais ou menos complexos com qualquer linguagem de programação, seja JavaScript, Python, Java... em que definiremos as instruções a serem executadas para resolver um problema específico.
Você saberia programar um algoritmo que, com base na voz, saiba quem você é? Provavelmente não, mas é verdade que você é capaz de reconhecer alguém pela voz. É aqui que entra a inteligência artificial e desaparecem os algoritmos tradicionais comuns.
O que é o Deep Learning?
Então, a inteligência artificial consiste em deixar para a máquina a possibilidade de resolver problemas que só podiam ser resolvidos pelos humanos. Ou melhor, problemas fáceis de resolver pelos humanos, mas difíceis para as máquinas.
O machine learning é a capacidade de um algoritmo aprender por si só, e o deep learning é um tipo de algoritmo capaz de aprender por si mesmo.
No Deep learning, constrói-se um modelo baseado em camadas, cada uma dessas camadas é composta por um número determinado de nós, também chamados de neurônios.
Imagem livre de direitos: Pixabay. Esses neurônios estão conectados entre si, emulando o pouco que se conhece do funcionamento do cérebro: Os neurônios recebem alguns dados de entrada e geram a partir deles uma nova saída, e essa saída passa a ser a entrada dos neurônios da próxima camada.
Se pensarmos bem, o que ele faz é processar características para gerar novas características que, por sua vez, geram novas características. Talvez, na teoria, isso suponha a resolução de qualquer problema.
Por que o aprendizado profundo é tão interessante?
O incrível disso não é apenas que podemos criar algoritmos que aprendem por si mesmos, mas que podem resolver problemas de forma mais eficiente do que os humanos.
Imaginamos um especialista em futebol que quer saber qual time ganhará a partida, ele estudará uma série de fatores, pensará sobre eles e, após avaliá-los cuidadosamente, poderá chegar a uma conclusão. Um modelo de rede neural bem treinado para isso te dará uma resposta em um segundo, só precisaremos fornecer os dados de entrada para que ele os processe e nos dê o que queremos saber.
Podemos extrapolar isso para muitos campos: condução automática, saber se um casal se separará, saber se uma empresa falirá, ou se a economia de um país crescerá....
Se pensarmos, tudo o que acontece no mundo se baseia em alguns fatores, conhecidos ou desconhecidos. A questão é saber quais variáveis influenciam, coletar dados suficientes e aplicá-los ao nosso modelo de machine learning para que nos dê uma resposta.
Share