Inteligência Artificial, Machine Learning e Deep Learning: entenda melhor

07/06/2017 às 16:14

3 min de leitura

A Inteligência Artificial tem ganhado cada vez mais espaço nas empresas de tecnologia e, consequentemente, nos sites e blogs especializados no assunto. Por meio da também chamada IA ou AI (sigla da expressão em inglês, Artificial Intelligence), estamos cada vez mais conectados com produtos que fazem maior ou menor uso da tecnologia.

Novas expressões relacionadas, no entanto, também têm ganhado força. Machine Learning e Deep Learning são um pouco mais específicas que a própria AI, mas nem todo mundo conhece as características de cada uma e a diferenças entre elas. Por isso, vamos detalhá-las a seguir.

Inteligência Artificial (AI ou IA)

Apesar de estar em voga, a expressão “Inteligência Artificial” é antiga: na Conferência de Inteligência Artificial de 1956, foi definida como “Cada aspecto da aprendizagem ou qualquer outra característica da inteligência que pode, em princípio, ser tão precisamente descrito que uma máquina pode ser feita para simulá-la”. Em palavras mais simples, IA é a capacidade de uma máquina de imitar o comportamento humano e possui diversas aplicações, como os populares assistentes de voz (como Siri, Google Assistant, Alexa e Bixby) e os tão falados (e polêmicos) carros autônomos.

A Inteligência Artificial pode ser dividida em dois grandes grupos: AI aplicada e AI geral. A AI aplicada é aquela desenvolvida com um único objetivo, ainda que tenha necessidade de processar uma grande quantidade de dados para a realização da função. Um exemplo bastante comum é o Deep Blue, computador da IBM que, em 1996, venceu o campeão mundial de xadrez. No momento do jogo, a máquina precisou avaliar todas as jogadas possíveis e prever os movimentos do adversário para que pudesse ganhar o jogo — como aconteceu. Ela, no entanto, não consegue lidar com outras funções diferentes de jogar xadrez. Já a AI geral é, como o próprio nome diz, muito mais abrangente e consegue lidar com um grande número de tarefas.

Machine Learning

Machine Learning (ML) é parte integrante da AI. ML são sistemas que conseguem acessar um grande número de dados, analisá-los e aprender a partir deles sem que seja explicitamente programado para isso. É uma espécie de sistema autodidata.

A tecnologia de ML permite, a partir de um massivo processamento de dados, desenvolver sistemas de reconhecimento facial e de voz, por exemplo.

Em 2016, um computador desenvolvido pela Google ganhou de um dos maiores competidores em um jogo chamado Go treinado com base em um grande conjunto de dados de movimentos de especialistas.

Hoje em dia, grandes empresas de tecnologia, como Amazon, Baidu e a própria Google, vendem sistemas de ML para negócios.

Rede neural

Deep Learning

Ainda mais específico, o Deep Learning é uma parte da ML, logo, também é parte integrante da Inteligência Artificial. Ele resolve problemas reais utilizando redes neurais que simulam decisões humanas, mas pode apresentar muitos falsos-positivos até aprender efetivamente.

Se um sistema de Deep Learning for instruído para reconhecer gatos, inicialmente ele pode apresentar alguns outros felinos até entender o que efetivamente distingue um gato de uma pantera, por exemplo.

O Deep Learning já é utilizado em negócios reais e consegue desempenhar tarefas como reconhecimento facial e identificação de quem está nas suas fotos nas redes sociais antes mesmo de você as marcar.

O problema é que, assim como seres humanos, os sistemas são passivos de erros. A Google teve grandes problemas ao implementar essa tecnologia no Google Fotos. Em alguns casos vazados, o sistema marcou negros como gorilas. "Se você não tem afro-americanos trabalhando no produto, se você não tiver afro-americanos testando o produto, quando sua tecnologia encontra afro-americanos, não vai saber como se comportar", explica Anu Tewary, diretor de dados da Mint.

A Inteligência Artificial está em constante desenvolvimento e, hoje, fala-se das IA Superinteligentes. Essa tecnologia é considerada melhor que os cérebros humanos em praticamente todos os campos, incluindo criatividade científica e habilidades sociais.