Deep Learning: o que é, como funciona e qual a diferença para Machine Learning e IA
Você provavelmente já ouviu os termos inteligência artificial (IA), machine learning e deep learning sendo usados nos últimos anos. Embora relacionados, cada um desses termos tem seu próprio significado distinto e são mais do que apenas chavões usados para descrever carros autônomos.
Em termos gerais, o deep learning é um subconjunto do machine learning, e o machine learning é um subconjunto da inteligência artificial. Você pode pensar neles como uma série de círculos concêntricos sobrepostos, com a IA ocupando o maior, seguida pelo machine learning e, por fim, o deep learning. Em outras palavras, deep learning é IA, mas IA não é deep learning.
Neste artigo, você aprenderá mais sobre IA, machine learning e deep learning, incluindo como eles se relacionam e como diferem um do outro.
Deep learning vs. machine learning
Graças às representações da cultura pop, de 2001: Uma Odisseia no Espaço a O Exterminador do Futuro, muitos de nós temos alguma noção de IA. A Oxford Languages define IA como “a teoria e o desenvolvimento de sistemas computacionais capazes de executar tarefas que normalmente requerem inteligência humana”. A Britannica oferece uma definição semelhante: “a capacidade de um computador digital ou robô controlado por computador de executar tarefas comumente associadas a seres inteligentes”.
Machine learning e deep learning são ambos tipos de IA. Em resumo, deep learning é uma IA que pode se adaptar automaticamente com o mínimo de interferência humana. O deep learning é um subconjunto do machine learning que utiliza redes neurais artificiais (RNAs) para imitar o processo de aprendizagem do cérebro humano.
Veja essas principais diferenças antes de nos aprofundarmos.
| Machine learning | Deep learning |
| Um subconjunto da IAPode treinar em conjuntos de dados menoresRequer mais intervenção humana para corrigir e aprenderTreinamento mais curto e menor precisãoCria correlações lineares simplesPode treinar em uma CPU (unidade central de processamento) | Um subconjunto do aprendizado de máquinaRequer grandes quantidades de dadosAprende sozinho com o ambiente e erros passadosTreinamento mais longo e maior precisãoFaz correlações complexas e não linearesNecessita de uma GPU (unidade de processamento gráfico) especializada para treinar |
Confira também: Mais de 9 em cada 10 grandes empresas têm investido em inteligência artificial
O que é inteligência artificial (IA)?
Em seu nível mais básico, o campo da inteligência artificial utiliza a ciência da computação e dados para permitir a resolução de problemas em máquinas.
Embora ainda não tenhamos robôs semelhantes a humanos tentando dominar o mundo, temos exemplos de IA ao nosso redor. Podem ser tão simples quanto um programa de computador que joga xadrez ou tão complexos quanto um algoritmo que consegue prever a estrutura do RNA de um vírus para ajudar a desenvolver vacinas.
Para que uma máquina ou programa se aprimore por conta própria, sem a intervenção de programadores humanos, precisamos de aprendizado de máquina.
Deep Blue, o computador que joga xadrez
Antes do machine learning, sistemas de inteligência artificial precisavam ser programados para responder apenas a entradas limitadas. O Deep Blue, computador que venceu um campeão mundial de xadrez em 1997, escolhia jogadas com base em uma vasta biblioteca de movimentos e resultados possíveis. Porém, era um sistema puramente reativo e só melhorava quando programadores adicionavam novas funções.
O que é machine learning?
Machine learning refere-se ao estudo de sistemas computacionais que aprendem e se adaptam automaticamente a partir da experiência, sem serem explicitamente programados.
Com IA simples, um programador pode dizer a uma máquina como responder a vários conjuntos de instruções, codificando manualmente cada “decisão”. Com modelos de machine learning, cientistas da computação podem “treinar” uma máquina alimentando-a com grandes quantidades de dados. A máquina segue um conjunto de regras — chamado algoritmo — para analisar e extrair inferências dos dados. Quanto mais dados a máquina analisa, melhor ela pode se tornar na execução de uma tarefa ou na tomada de uma decisão.
Aqui está um exemplo com o qual você pode estar familiarizado: o serviço de streaming de música Spotify aprende suas preferências musicais para oferecer novas sugestões. Cada vez que você indica que gosta de uma música, ouvindo-a até o final ou adicionando-a à sua biblioteca, o serviço atualiza seus algoritmos para fornecer recomendações mais precisas. A Netflix e a Amazon usam algoritmos de machine learning semelhantes para oferecer recomendações personalizadas.
IBM Watson, o primo machine learning do Deep Blue
Em 2011, o IBM Watson venceu dois campeões do Jeopardy usando machine learning. Ele foi treinado com milhares de perguntas e respostas, ajustando seus algoritmos quando errava. Na competição, conseguia analisar milhões de páginas em segundos e gerar possíveis respostas, classificadas por probabilidade de acerto, mesmo diante de pistas inéditas.
O que é deep learning?
Enquanto algoritmos de machine learning geralmente precisam de correção humana quando erram, algoritmos de deep learning podem melhorar seus resultados por meio da repetição, sem intervenção humana. Um algoritmo de machine learning pode aprender com conjuntos de dados relativamente pequenos, mas um algoritmo de deep learning requer grandes conjuntos de dados que podem incluir dados diversos e não estruturados.
Pense no deep learning como uma evolução do machine learning. O deep learning é uma técnica de machine learning que sobrepõe algoritmos e unidades de computação — ou neurônios — no que é chamado de rede neural artificial. Essas redes neurais profundas se inspiram na estrutura do cérebro humano. Os dados passam por essa rede de algoritmos interconectados de forma não linear, muito semelhante à forma como nosso cérebro processa informações.
AlphaGo, mais um descendente do Deep Blue
Em 2015, o AlphaGo foi o primeiro programa a vencer um campeão mundial de Go, jogo milenar chinês muito mais complexo que o xadrez. Após aprender as regras básicas, jogou milhares de partidas contra si mesmo, evoluindo a cada erro. Tornou-se tão avançado que seus movimentos são estudados por mestres humanos. Sua versão mais recente, o MuZero, consegue dominar jogos como Go, xadrez e Atari sem precisar conhecer previamente as regras.
Confira também: Cibersegurança: Pilar Estratégico no Plano Brasileiro de Inteligência Artificial (PBIA)
Dê o próximo passo e aprenda IA aplicada à segurança digital
Se você quer entender não apenas os conceitos, mas também como aplicar a inteligência artificial de forma prática no combate a ameaças cibernéticas, conheça o Curso Fundamentos de Inteligência Artificial para Cibersegurança na Prática da IBSEC. Uma formação completa para quem deseja se preparar para os desafios atuais da segurança da informação com o apoio da IA. Clique aqui e saiba mais.
