Deep learning
'Deep learning': um conceito-chave para levar a inteligência artificial a um nível superior
O deep learning ou aprendizagem profunda baseia-se em um conjunto de algoritmos relacionados ao machine learning e suas aplicações no mundo real são cada vez mais tangíveis (predição de resultados de negócio, evolução de assistentes virtuais, análise de imagens médicas, etc.), atraindo a atenção das empresas devido à sua capacidade para tirar o máximo proveito da inteligência artificial.
Você deseja desbloquear seu celular, mas ele não tem leitor biométrico... Em vez disso, a câmera reconhece seu rosto, identifica-o como proprietário e o celular é desbloqueado. Para completar esse processo, que para nós parece simples, o celular teve que aprender a reconhecer as variações de suas expressões faciais graças a um sistema de deep learning. Esta é apenas uma das aplicações dessa tecnologia.
O QUE É O DEEP LEARNING
O deep learning ou aprendizagem profunda baseia-se no machine learning para, a partir de uma grande quantidade de dados e após inúmeras camadas de processamento com algoritmos, conseguir que um computador aprenda por si mesmo e execute tarefas semelhantes às dos seres humanos, tais como a identificação de imagens, o reconhecimento de voz ou a realização de predições, de forma progressiva.
Qual o significado disso? Por exemplo, no reconhecimento de escritura, cada vez que escrevemos uma letra B à mão esta é levemente diferente. E não é só isso, uma vez que cada pessoa o faz à sua própria maneira, os sistemas de deep learning têm a capacidade de identificar o traço, realizado a qualquer momento e por qualquer pessoa, tal como a letra B, com um alto nível de acerto.
Como funciona o deep learning
Os algoritmos do deep learning se aplicam a redes neuronais artificiais estruturadas na forma de camadas: input layer (camada de entrada), hidden layer (camada escondida) e output layer (camada de saída). Os dados entram pela primeira camada, onde há vários neurônios artificiais que se ativam ou não dependendo dos dados. Retornando ao exemplo anterior, nessa primeira camada (input layer) é possível ativar o reconhecimento de uma linha ou de um ponto; nas camadas intermediárias (hidden layer) essa combinação de linhas e pontos é processada até decidir que se refere a uma letra e, finalmente, a camada de saída (output layer) determina que se refere à letra B.
Inteligência artificial, machine learning e deep learning
Embora a relação entre inteligência artificial, machine learning e deep learning possa ser confusa, na realidade basta entender a correlação existente entre si. Simplificando muito, o deep learning é um caso particular de machine learning que, por sua vez, é uma aplicação da inteligência artificial. No seguinte infográfico abordamos as nuances existentes entre umas e outras:
A forma de treinar um algoritmo de deep learning é fornecer-lhe quantidades maciças de dados. Quantas mais análises ele fizer, mais preciso se torna. Por isso, todas essas tecnologias também estão relacionadas ao big data e desempenham um papel relevante em suas aplicações, que visam extrair significado, tal como um humano faria, de enormes quantidades de dados.
APLICAÇÕES DO DEEP LEARNING
Os algoritmos do deep learning têm múltiplas aplicações:
Visão artificial
A visão artificial adquire a capacidade de reconhecer caracteres, imagens, objetos e inclusive rostos e seu impacto na Indústria 4.0, por exemplo no controle de qualidade será importante.
Análise preditiva
A análise preditiva pode gerar previsões mais precisas em relação aos resultados dos negócios, às evoluções dos mercados ou às necessidades energéticas.
Assistentes virtuais
Alexa, Cortana ou Siri são assistentes que entendem e executam os comandos de voz do usuário em linguagem natural e são capazes de aprender com o tempo.
Chatbots
Os chatbots são usados em sistemas de assistência ao cliente para resolver problemas dos usuários através de um chat, assim como aprendem de forma progressiva.
Robótica
A aprendizagem profunda facilita aos robôs a execução de tarefas semelhantes às humanas, inclusive tomando decisões em tempo real. Também têm capacidade para fazer sua própria manutenção.
Saúde
Através da análise de imagens médicas, proporciona a possibilidade de detectar doenças e fazer diagnósticos por computador, inclusive sem a intervenção humana.
Entretenimento
Empresas de conteúdo em streaming, tais como Netflix, HBO ou YouTube fazem recomendações e legendas automáticas para seus usuários.
Notícias e publicidade
Permite personalizar as notícias de acordo com as preferências dos usuários — algo semelhante acontece com os anúncios publicitários — e detectar as denominadas fake news.
Música
Uma máquina pode aprender as notas, estruturas e padrões que fazem com que uma música seja popular, assim como pode compor suas próprias canções.
BENEFÍCIOS DO DEEP LEARNING
Entre as vantagens oferecidas pelo deep learning destacam-se:
- As características do sistema não precisam ser previamente definidas, uma vez que o DL deduz e é capaz de se adaptar a elas, impulsionando a automatização de processos.
- A confiabilidade do sistema em relação às variações naturais dos dados ocorre de forma automática, reduzindo consideravelmente os erros.
- O desempenho do sistema é melhor quanto maior for a quantidade de dados e os diferentes processos necessários podem ser realizados de forma paralela.
- A arquitetura do sistema é flexível, o que lhe permite evoluir e se adaptar a novos e futuros problemas.