Diferença entre IA, aprendizado de máquina e aprendizado profundo

Mundo tecnológico – Nos últimos anos, junto com a explosão da revolução industrial 4.0, termos como inteligência artificial (IA), aprendizado de máquina e aprendizado profundo estão se popularizando gradualmente e se tornando conceitos que os cidadãos da era 4.0 devem entender.

A relação entre esses três conceitos pode ser explicada pensando neles como círculos, onde a IA – a ideia inicial – é o maior círculo, seguido pelo aprendizado de máquina – o conceito que vem depois. AI boom – é o menor círculo.

É claro que construir um sistema de IA é extremamente complicado, mas entendê-lo não é tão difícil. A maioria das inteligências artificiais atuais são apenas máquinas de adivinhação realmente boas (semelhantes aos nossos cérebros). Você fornece ao sistema um grupo de dados (como os dígitos de 1 a 10) e pede ao sistema para criar um modelo (x + 1, começando em 0) e fazer previsões. (O próximo número será onze). Não há mágica, é isso que o cérebro humano faz todos os dias: usar o que sabemos para fazer suposições sobre o desconhecido.

O que diferencia a IA de outros programas de computador é que, em vez de ter que criar programas específicos para cada caso, podemos ensinar completamente a IA (aprendizado de máquina), e ela também tem a capacidade de aprendizado profundo automaticamente. Esses três conceitos podem ser basicamente definidos da seguinte forma:

Inteligência Artificial (IA):  uma máquina que pode imitar o comportamento e o pensamento humano.

Aprendizado de máquina:  um recurso de IA que permite que especialistas treinem a IA para reconhecer padrões de dados e fazer previsões.

Aprendizado profundo:  Uma pequena técnica de aprendizado de máquina que permite que as máquinas se treinem.

Conceito específico

Inteligência artificial – cérebro humano em forma de máquina

A IA pode ser definida como um ramo da ciência da computação que lida com a automação de comportamentos inteligentes. A IA é uma parte da ciência da computação e, portanto, deve ser baseada em princípios teóricos sólidos e aplicáveis ​​do campo. Simplificando: é a inteligência das máquinas criadas por humanos. Essa inteligência pode pensar, pensar, aprender... como a inteligência humana. Processe dados em um nível maior, mais escala, sistemático, científico e mais rápido do que os humanos.

No entanto, atualmente, a tecnologia de IA ainda é muito limitada. Por exemplo, Alexa – uma ótima governanta, um dos ícones mais populares de aplicativos de inteligência artificial, mas ainda não consegue passar no teste de Turing.

Em suma, o que estamos fazendo com a IA hoje está no conceito de “Narrow AI”. Essa tecnologia é capaz de realizar tarefas específicas de maneira semelhante ou melhor que os humanos. Exemplos de “IA restrita” na prática incluem a tecnologia de classificação de imagens do Pinterest ou o reconhecimento facial para marcar amigos no Facebook.

Essas tecnologias representam algum aspecto da inteligência humana, mas como isso pode ser? De onde vem essa sabedoria? Vamos para o próximo círculo: aprendizado de máquina.

Aprendizado de máquina – uma abordagem de IA

Machine Learning é um termo amplo que se refere ao ato de você ensinar um computador a melhorar uma tarefa que ele está realizando. Mais especificamente, o aprendizado de máquina refere-se a qualquer sistema em que o desempenho de um computador ao executar uma tarefa melhora depois de concluir essa tarefa várias vezes. Em outras palavras, a habilidade mais básica do aprendizado de máquina é usar um algoritmo para analisar as informações disponíveis, aprender com elas e depois tomar uma decisão ou previsão sobre algo relacionado. Em vez de criar softwares com instruções e ações detalhadas para realizar uma tarefa específica, os computadores são “treinados” usando grandes quantidades de dados e algoritmos para aprender a realizar a tarefa.

Sem o aprendizado de máquina, a IA atual seria bastante limitada porque dá aos computadores o poder de descobrir coisas sem serem explicitamente programados. Como exemplo de um tipo de aprendizado de máquina, digamos que você queira que um programa seja capaz de identificar gatos em imagens:

• Primeiro, você fornece à IA um conjunto de características do gato para a máquina reconhecer, como cor da pelagem, formato do corpo, tamanho etc.
• Em seguida, você alimenta algumas imagens para a IA, onde algumas ou todas as imagens podem ser rotuladas como “gato” para que a máquina possa selecionar com mais eficiência recursos e detalhes relacionados a gatos.
• Depois que a máquina tiver recebido todos os dados de gato necessários, ela deve saber como encontrar um gato em uma imagem – “Se a imagem contiver certos detalhes X, Y ou Z, há 95% de chance de encontrar um gato em uma imagem . Talvez seja um gato."

Em geral, a aplicação do aprendizado de máquina hoje é extremamente popular e sua utilidade é indiscutível.

Aprendizado profundo – uma técnica de aprendizado de máquina

Pode-se dizer que, até agora, a IA alcançou grandes avanços. Pense nisso como um tipo de aprendizado de máquina com “redes neurais” profundas que podem processar dados de maneira semelhante a um cérebro humano. A principal diferença aqui é que os humanos não precisarão ensinar a um programa de aprendizado profundo como é um gato, mas apenas fornecer todas as fotos necessárias de gatos, e ele descobrirá por conta própria. , autoaprendizagem. Os passos a fazer são os seguintes:

• Dê à máquina muitas fotos de gatos.
• O algoritmo verificará a imagem para ver os recursos e detalhes comuns entre as imagens.
• Cada imagem será decodificada em detalhes em muitos níveis, desde grandes formas gerais até blocos cada vez menores. Se uma forma ou linhas forem repetidas muitas vezes, o algoritmo a rotulará como uma propriedade importante.
• Depois de analisar o suficiente das imagens necessárias, o algoritmo agora sabe quais padrões fornecem a evidência mais forte de gatos, e tudo o que os humanos precisam fazer é fornecer os dados brutos.

Resumindo: o aprendizado profundo é um tipo de aprendizado de máquina no qual a máquina treina a si mesma. O aprendizado profundo requer muito mais entrada de dados e poder de computação do que o aprendizado de máquina, mas já começou a ser implementado por grandes empresas de tecnologia como Facebook e Amazon. Entre eles, um dos nomes mais famosos em aprendizado de máquina é o AlphaGo, um computador que pode jogar o Go contra si mesmo até conseguir prever os movimentos mais precisos o suficiente para vencer muitos campeões mundiais.

Concluir

O aprendizado profundo permitiu a aplicação de muitos problemas reais de máquinas enquanto expandia o campo geral da inteligência artificial. O aprendizado profundo interrompe a maneira como os humanos trabalham, tornando todos os tipos de máquinas assistivas viáveis, próximas ou idênticas aos humanos. Carros sem motorista, melhores cuidados de saúde... Tudo isso é realizado nos dias de hoje. A IA é o presente e o futuro do mundo. Com a ajuda do aprendizado profundo, a IA pode realizar o sonho de ficção científica que imaginamos há muito tempo.