Inteligência Artifical x Machine Learning

Inteligência Artificial (IA) é um ramo da ciência da computação que se propõe a elaborar dispositivos que simulem a capacidade humana de raciocinar, perceber, tomar decisões e resolver problemas, enfim, a capacidade de ser inteligente.

Uma IA Geral é a que vemos nos filmes ou nos desenhos, um robô que sabe fazer de tudo, dirige, arruma a casa, cozinha, conversa, e está pronto para dominar o mundo. Uma IA Restrita é o que temos na realidade, existe para resolver problemas específicos, como reconhecer uma face, auxiliar em investimentos ou recomendar compras. Mas uma IA é capaz de generalizar... o que é isso? É quando ela pode entender e classificar um resultado mesmo quando não existe especificamente este resultado no conjunto de dados utilizado no treinamento para sua programação.

E como é feito esse treinamento? É feito pelo Machine Learning.

Machine Learning (ou Aprendizado de Máquina) é um ramo da Inteligência Artificial que usa algoritmos para permitir que sistemas computacionais possam ser programados para aprender um determinado comportamento ou reconhecer um padrão automaticamente, isso tudo a partir de um conjunto de dados, composto por exemplos ou observações.

Existem diferentes abordagens e técnicas para isso, e podem ser aplicadas em diversos tipos de algoritmos, por exemplo:

• Aprendizado Supervisionado: é treinado com dados que possuem uma resposta conhecida, quando o modelo é capaz de fazer previsões ou classificar novos registros. Por exemplo, reconhecer imagens de gatos e cachorros.
• Aprendizado Não Supervisionado: é treinado com dados não rotulados, ele analisa e busca padrões nos dados, agrupando registros similares sem a necessidade de ter uma resposta pré-definida. Por exemplo, segmentar dados, detectar anomalias ou analisar comportamentos.
• Aprendizado por Reforço: é treinado através de recompensas ou punições com base nas ações, ele aprende através da interação e tentativa e erro, buscando maximizar as recompensas recebidas. Por exemplo, tomar decisões em jogos.
• Redes Neurais Artificiais (RNA): tentam simular a maneira como os neurônios biológicos enviam sinais uns para os outros. Cada neurônio recebe vários estímulos, processa, e podem ativar os neurônios da camada seguinte. Por exemplo, são utilizados para classificar e agrupar dados em alta velocidade, em reconhecimento de falas ou imagens.
• Algoritmos Bioinspirados: são uma classe geral de algoritmos que se inspiram em processos biológicos emulando padrões da natureza para resolver problemas complexos do mundo real. Por exemplo, a capacidade das formigas otimizando o melhor caminho ou as abelhas planejando o voo na busca de alimentos.

As vezes nem percebemos, mas a Inteligência Artificial está cada vez mais presente em nossas vidas, basta olhar em volta e perceberá que é utilizada nas mais diversas atividades, como:

• Recomendação de conteúdo em plataformas (Netflix, Spotify, Instagram)
• Roteamento de viagens em aplicativos de transporte e geolocalização (Uber, Waze, Google Maps)
• Segmentação de anúncios na internet e nas redes sociais (Google Adwords, Facebook Ads e Instagram Ads)
• Tradução de idiomas em ferramentas online (Google Tradutor)
• Classificação de e-mails em spam ou não spam
• Prevenção de situações antes mesmo delas acontecerem, como Câncer de Mama ou Microcalcificações
• Cruzamento de resultados de exames diagnósticos com histórico médico
• Monitoramento de safra com sensores
• Classificação e seleção de produtos agrícolas com base em critérios específicos
• Identificação Visual de pragas e doenças de plantas