Você sabe o que é Inteligência Artificial, Machine Learning e Deep Learning? E como elas se diferem?

Inteligência artificial não é mais algo de ficção científica. É uma realidade, e é possível que você esteja interagindo ou sendo afetado por aplicativos que usam a IA todos os dias.

A mídia usa os termos IA, Machine Learning e Deep Learning de forma intercambiável, como se significassem o mesmo, mas na verdade, não são.

Para ter certeza que você possa ter sentido as últimas revoluções do mundo da tecnologia, é crucial que você entenda o que separa IA, Machine Learning e Deep Learning.

IA: Tecnologia que faz máquinas comportar-se como humanos inteligentes.

IA é o conjunto mais amplo que engloba tecnologias relacionadas à inteligência avançada da computação. Ela tem suas raízes em 1956, quando a conferência Dartmouth Artificial Intelligence praticamente cunhou o termo, que foi aceito pela maioria.

A ideia básica expressa na conferência foi a de que todo o aspecto de inteligência humana poderia ser descrito de forma tão precisa que o comportamento poderia ser simulado usando a programação dos computadores.

Três estágios ou categorias de IA

Inteligência Artificial Limitada: Esse é o termo usado para se referir a programas, algoritmos e tecnologias que conseguem simular o comportamento da inteligência humana, mas apenas uma tarefa específica.

Inteligência Artificial Geral: Esse termo se refere a um nível que a inteligência do computador está a par com a inteligência humana, em uma variedade de tarefas.

Super-Inteligência Artificial: Este é um olhar para o futuro – o nível de IA que engloba o pensamento científico, perspectivas criativas e a sabedoria geral na medida em que a máquina que a possui poderia substituir os seres humanos como os “seres” mais inteligentes na face da Terra.

Machine Learning: Uma abordagem viável para habilitar a IA

O Machine Learning é melhor concebido como um subconjunto da inteligência artificial. Os princípios básicos dos algoritmos de Machine Learning é que eles podem usar grandes volumes de dados para detectar padrões e depois tomar decisões com base nesses padrões. Este é um grande avanço sobre o método tradicional de usar a codificação condicional, em que todos os cenários possíveis são capturados no código, juntamente com as definições dos comportamentos subsequentes que o código precisa para simular.

Deep Learning: Modo “Neural” de implementar o Machine Learning

Deep Learning é um subconjunto do Machine Learning. O coração do Deep Learning é associado com Redes Neurais, que são simulações programáticas do tipo de tomada de decisão que ocorre no interior do cérebro humano. No entanto, ao contrário do cérebro humano, onde qualquer neurônio pode estabelecer uma conexão com algum outro neurônio próximo, as redes neurais possuem conexões discretas, camadas e direções de propagação de dados.

Assim como o Machine Learning, o Deep Learning também depende da disponibilidade de grandes volumes de dados para que a tecnologia se “treine”. Por exemplo, um sistema de Deep Learning destinado a identificar objetos em imagens, precisará gerar milhões de casos de teste para poder construir a “inteligência” que permite combinar diversos tipos de análise para identificar o objeto de uma imagem.

 

Qualquer dúvida,

Pode chamar-me no Telegram.

Deixe uma resposta

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *

Ahhhh :(

Nosso site tem anúncios que ajudam a manter o serviço online e a informação disponível para todos.

Por favor, se possível, desative o AdBlock enquanto estiver aqui com a gente, ok? <3

Muito obrigado!

AdBlock detectado!

Ahhhh :(

Nosso site tem anúncios que ajudam a manter o serviço online e a informação disponível para todos.

Por favor, se possível, desative o AdBlock enquanto estiver aqui com a gente, ok? <3

Muito obrigado!