Diferenças entre AI, Machine Learning e Deep Learning

Benefícios de uma pesquisa multinacional
22 de novembro de 2017
Como AI está impactando a pesquisa de mercado atualmente
5 de dezembro de 2017
Ver todos

Diferenças entre AI, Machine Learning e Deep Learning

Esse artigo foi traduzido e adaptado por: Jéssica Cruz   

O texto original pode ser encontrado aqui 

Muito se fala de inteligência artificial (AI), aprendizado de máquina (Machine Learning) e deep learning, todos são termos que se complementam, que fazem parte de um todo e que auxiliam cada vez mais a pesquisa de mercado na obtenção de insights. Por apresentarem funções complementares, muitas vezes suas definições não são conhecidas de maneira distinta.  

A Inteligência Artificial refere-se à capacidade de uma máquina para imitar o comportamento da inteligência humana, como produzir conversas, jogar xadrez ou mesmo realizar um diagnóstico médico. Um conceito a ser notado é o famoso teste de Turing de Alan Turing – o “jogo de imitação”. 

Uma máquina e um ser humano são preparados para um interrogatório, se o interrogador (C) não pode distinguir a máquina e o humano durante o processo de interações, a máquina possui comportamento inteligente e, portanto, é aprovada no teste de Turing. 

A Aprendizagem de Máquinas é um subconjunto da Inteligência Artificial 

A AI demonstra a inteligência produzindo respostas adequadas ao ambiente, como os humanos fazem. Por exemplo, a habilidade de um automóvel autodirigido de detectar um pedestre que atravessa a rodovia e diminui a velocidade ao invés de avançar sobre o mesmo. 

Para realizar respostas tão inteligentes, a máquina deve aprender a sentir o meio ambiente e fazer o julgamento apropriado. E o processo de aprendizagem é a aprendizagem por máquinas. 

Porque a habilidade de aprender sem a necessidade de uma programação explícita é importante? 

Antes do aprendizado de máquina, computadores apenas seguiam instruções escritas em um código, tudo que era mencionado e fazia parte do código, permitia que o computador reagisse. Porém se houvesse algo a ser discutido que não tivesse no código, o computador perdia a capacidade de discussão não sabendo o que era para ser feito, já que não havia instruções que poderiam ser seguidas.  

Vamos voltar ao exemplo do automóvel auto dirigível, antes de possuirmos o aprendizado de máquina, nós precisávamos escrever as instruções para o computador distinguir os pedestres. Como poderíamos descrever os pedestres? Quão magro/gordo ele/ela poderia ser? Cada pedestre que o carro encontrasse seria diferente, se tornando impossível uma listagem de características de pedestres completa. 

O aprendizado de máquina oferece uma abordagem diferente, podemos construir um modelo, fornecendo algumas situações em que o pedestre anda e nós desaceleramos. E falar para o computador “olhe, aqui está o dado. Você precisa aprender o conceito de pedestre.’ E o computador irá aprender por si mesmo. 

Isso é de uma importância crucial pois, o mundo é tão complexo que se torna impossível listar todas as possibilidades para as máquinas. O aprendizado de máquina resolve esse problema dando as maquinas a habilidade de apender.  

Deep Learning é o melhor método atual para Aprendizado de Máquinas 

Nossa máquina cognitiva mais avançada é o cérebro humano, e o cérebro é essencialmente uma rede de neurônios que disparam juntos. O aprendizado profundo imita a maneira como nossa rede neural funciona. 

O deep learning é chamado dessa maneira pois atua em muitas camadas simultâneas, é o aprendizado estruturado profundo de conjuntos de dados complexos e/ou de grande escala. Em resumo Deep Learning é uma subcategoria de aprendizado de máquina que diz respeito a oportunidades de aprendizagem com o uso de redes neurais, tais como reconhecimento de fala, visão computacional e processamento de linguagem natural. 

O aprendizado profundo (Deep learning) é responsável pela produção de um “treinamento” de modelo computacional capaz de decifrar a linguagem natural. O modelo relaciona termos e palavras para inferir significado uma vez que é alimentado com grandes quantidades de dados. 

Como visto anteriormente as máquinas já são previamente “ensinadas” a ler os documentos e podem responder a questões colocadas sobre o seu conteúdo, mas as suas bases de conhecimento normalmente estão limitadas pelo tamanho dos documentos. Como a quantidade de algoritmos online não para de crescer a abordagem Deep Learning vem para fazer com que os sistemas possam fazer uso de um maior número de linguagem natural, concedendo-lhe uma compreensão mais profunda de temas universais. 

 

A inteligência Artificial já se faz presente e continua sendo tendência para o futuro próximo. Seu impacto é perceptível em diversos setores e indústrias e em pesquisa de mercado a tecnologia cada vem mias está auxiliando no aumento das capacidades humanas para análise de dados e inovação. 

Fonte: GaeaAbove Intelligence 


Leia também artigos sobre 4 razões para utilizar AI desenvolvida para Pesquisa de Mercado e Realidade Virtual e Pesquisa de mercado .

Para saber mais de nossas tecnologias e serviços da eCMetrics podem entrar em contato com o seguinte e-mail (contact@ecmetrics.com) solicitando a nossa apresentação

Para mais conteúdo, nos siga no Facebook e Twitter.

Dúvidas ou comentários sobre esse artigo? Fale conosco: contact@ecmetrics.com