Existem diversas buzzwords em alta no cenário de tecnologia atual, entre elas: Inteligência Artificial, Machine Learning, Deep Learning e redes neurais artificiais.

De fato, há uma cortina de fumaça entre esses termos e o mercado os usa também como instrumento de marketing, aparentemente é bem bonito colocar eles em um texto falando sobre soluções inovadoras e tudo isso que você ouve por aí.

Vamos clarear um pouco o que é cada um desses conceitos?

Vamos lá, o primeiro e mais abrangente conceito é a Inteligência Artificial.

IA - Inteligência Artificial

Este conceito é bastante aberto e existem muitas formas de descrevê-lo, uma das definições diz o seguinte:

IA envolve máquinas que são capazes de executar tarefas características da inteligência humana.

Simples né? -Nem tanto.

Isso é uma maneira de dizer que, inteligência artificial é de alguma forma, uma maneira de imitar a inteligência humana. Que consiste em uma série de coisas, entre elas: entender, aprender, lembrar e reconhecer coisas no mundo real.

Estas tarefas geralmente são simples para humanos, mas nem tanto para as máquinas. Qualquer pessoa é capaz de reconhecer um cachorro ou um gato em uma foto, tente fazer um algoritmo que seja capaz de realizar a mesma tarefa, não parece simples, certo?

-Isso porque estas tarefas são de fato, bastante complexas.

Existem um monte de formas diferentes de implementarmos conceitos de inteligência artificial e talvez isso que faça com que o conceito seja tão difícil de definir, mas acho que agora você possui uma ideia um pouco melhor.

ML - Machine Learning

Vamos entender agora o que machine learning quer dizer. De forma bastante simples, machine learning é uma das possíveis implementações para soluções em IA, de acordo com Arthur Samuel:

Machine Learning é uma área da ciência da computação que concede aos computadores a habilidade de aprender sem serem explicitamente programados.

Então ok, podemos dizer que, machine learning é sobre aprender, diferente de IA, que abordava vários outros aspectos da inteligência humana.

Através deste conceito podemos fazer com que as aplicações estejam aptas à aprender novas coisas, mesmo que o programador não tenha programado estes passos que o programa aprendeu. Inclusive você pode encontrar posts aqui no blog com soluções em machine learning utilizando o Azure!

Tanto RNA (redes neurais artificiais) quanto DL (deep learning) são comumente confudidos com machine learning. Existe um motivo para isso, mas calma que eu explico.

Soluções em machine learning podem ser criadas utilizando diferentes técnicas, todas estas técnicas consistem em utilizar diferentes algoritmos para encontrar padrões em dados.

Isso quer dizer que, você pode criar uma solução em machine learning utilizando RNA!

Redes neurais artificiais é uma técnica que utiliza algoritmos para imitar a forma como o nosso cérebro trabalha, utilizando versões computacionais simplificadas de neurônios e sinapses.

Deep learning, assim como RNA é uma técnica que pode ser utilizada para a criação de uma solução em machine learning.

O nome aprendizado profundo surgiu do príncipio básico deste conceito: existem várias etapas de análises diferentes, onde cada etapa recebe como entrada o resultado da etapa anterior. Criando assim uma ideia de profundidade no aprendizado.

Várias técnicas de deep learning utilizam RNA como base, criando uma série de camadas de neurônios diferentes.

Existem diversas outras técnicas de machine learning, mas preferi focar nos termos que estão mais “em alta”.

Espero que este post tenha sido esclarecedor de alguma forma!

O que você achou? -Me conte nos comentários!

E Até mais!

Sempre vale lembrar que as informações e textos aqui no blog representam minha opinião pessoal, o que pode não ser igual à sua ou de qualquer outra pessoa, incluindo a empresa para qual eu trabalho. Portanto as publicações inseridas aqui estão relacionadas somente a mim.