Este post é uma introdução aos conceitos básicos de IA, uma tecnologia com um número cada vez maior de aplicações.
IA específica e geral
A IA específica é altamente especializada e treinada para executar tarefas específicas. Enquanto a IA geral é aquela com um nível de inteligência igual ao dos humanos e autoconsciente. Até o momento, só existe na teoria.
Aprendizado de máquina
Este é um campo da IA onde as máquinas aprendem a fazer tarefas com algoritmos chamados de redes neurais. A partir dos dados recebidos, aprendem a identificar padrões, fazer previsões com outro conjunto de dados, tomar decisões e aprender com a experiência.
Na Aprendizagem de Máquina, existem três tipos de aprendizado:
- Por reforço: é o aprendizado por tentativa e erro, interagindo com o ambiente. As ações que a máquina realiza resulta em recompensas ou punições, logo, as ações são tomadas de modo que o algoritmo tenha o máximo de recompensas e o mínimo de punições. Alguns jogos adotam este método.
- Supervisionado por humanos: especialistas rotulam e estruturam um conjunto de dados para treinar a rede neural, para que esta obtenha as características dos dados para determinar a classificação correta, quando receber um novo conjunto de dados. Detecção de fraudes e reconhecimento de fala e escrita são algumas aplicações.
- Não supervisionado: o algoritmo recebe dados não rotulados e procura identificar características e padrões sem intervenção humana. Um exemplo é um algoritmo de sites de notícias e vídeos que procura saber os interesses dos usuários, para enviar recomendações.
Aprendizado profundo (Deep learning)
Este é um ramo do aprendizado de máquina, consiste em usar uma rede neural com muitas camadas ocultas, entre as camadas de entrada (vermelho) e de saída (azul). O nome aprendizado profundo é devido às várias camadas ocultas ligadas entre si, para processar e analisar os dados. Além disto, o aprendizado profundo é não supervisionado.
