O que é a aprendizagem automática (ML)?

A aprendizagem automática (ML) permite que os sistemas melhorem o desempenho através da aprendizagem com base em experiências e dados.

.st0{fill:#0D3ECC;} DESCARREGAR MALWAREBYTES GRATUITAMENTE

Também para Windows, iOS, Android, Chromebook e Para empresas

A aprendizagem automática pode parecer um curso que tem de fazer para trabalhar numa fábrica, mas em informática, é um subconjunto da inteligência artificial (IA). Em poucas palavras, permite que os sistemas melhorem o desempenho aprendendo com as experiências e os dados. O subconjunto da IA está tão enraizado no software moderno que muitas das tecnologias existentes que tomamos como garantidas não seriam possíveis sem ele.

O que é exatamente a aprendizagem automática (com exemplos)?

Então, o que é exatamente a aprendizagem automática (AM) e porque é tão importante? Bem, a aprendizagem automática é uma aplicação da IA e um ramo da ciência informática que permite que os sistemas aprendam com a experiência, os dados e os algoritmos de forma a aumentar a precisão. Curiosamente, os programadores não têm de programar explicitamente as máquinas para tirar partido do ML - os computadores podem aprender sozinhos sem a ação humana.

As tecnologias modernas, como os chatbots, os assistentes virtuais, o software antivírus proactivo, etc., dependem fortemente da aprendizagem automática. Por exemplo, os veículos autónomos utilizam vários algoritmos de aprendizagem automática baseados em modelos de aprendizagem supervisionados e não supervisionados para decidir quais as acções a tomar para conduzir tão bem ou melhor do que os humanos.

Do mesmo modo, a cibersegurança para empresas, como a Deteção e Resposta de Pontos Finais (EDR), pode utilizar a aprendizagem automática para detetar malware desconhecido e encontrar ameaças desconhecidas de "dia zero" através da identificação de padrões maliciosos. Esta é apenas a ponta do icebergue relativamente ao impacto que a aprendizagem automática terá na cibersegurança no futuro.

O ML e a IA também permitem a comunicação de máquinas sem intervenção humana. Estas aplicações máquina-a-máquina (M2M) podem ajudar os sistemas de gestão da cadeia de abastecimento ou do armazém a acompanhar e monitorizar eficazmente o inventário. Do mesmo modo, as aplicações M2M ajudam as empresas de energia a gerir o abastecimento com maior precisão, enviando dados de recolha de fontes de colheita de energia para computadores remotos para análise.  

Quais são alguns dos métodos comuns de aprendizagem automática?

Aprendizagem automática supervisionada

A aprendizagem supervisionada ocorre quando conjuntos de dados rotulados treinam algoritmos sob a supervisão de um supervisor. Os dados supervisionados são mais comuns do que outros métodos de aprendizagem porque podem ser mais eficientes. Um exemplo deste tipo de ML é quando os algoritmos podem classificar o spam na sua caixa de correio eletrónico.

Aprendizagem automática não supervisionada

A aprendizagem não supervisionada ocorre quando um algoritmo trabalha com dados não rotulados sem supervisão. O algoritmo tem de determinar por si próprio como processar a informação. Os investigadores podem utilizar a aprendizagem não supervisionada para encontrar padrões e agrupamentos de dados em conjuntos de dados não rotulados sem intervir. Naturalmente, um analista de dados pode ainda ter de validar as recomendações da aprendizagem automática não supervisionada.

Aprendizagem automática semi-supervisionada

A aprendizagem semi-supervisionada estabelece um equilíbrio entre a aprendizagem supervisionada e a não supervisionada, treinando algoritmos com dados rotulados e não rotulados. Normalmente, o volume de dados rotulados é mais pequeno, enquanto o volume de dados não rotulados é muito maior. Uma aplicação da aprendizagem semi-supervisionada é num hospital, onde um radiologista rotula um pequeno número de exames para detetar doenças, para ajudar as máquinas a extrair com precisão informações relevantes de um volume maior.

Aprendizagem automática por reforço

A aprendizagem por reforço é semelhante à aprendizagem supervisionada, exceto que o algoritmo aprende através de tentativa e erro e de recompensas atrasadas em vez de dados de amostra. Por exemplo, um veículo autónomo pode aprender através de erros num ambiente de treino quais as decisões indesejáveis. Do mesmo modo, um sistema de cuidados de saúde pode utilizá-lo para determinar políticas óptimas a partir de experiências anteriores.

Qual é a diferença entre IA e aprendizagem automática?

Ao pesquisar IA vs aprendizagem automática, poderá reparar que algumas pessoas utilizam incorretamente os termos como sinónimos. A IA é essencialmente um termo genérico para inteligência sintética. Entretanto, a aprendizagem automática é um conceito de IA que permite que as máquinas aprendam a partir de experiências e dados sem que alguém as programe ou ajude a fazê-lo. Uma máquina que utilize IA pode não ter necessariamente capacidades de aprendizagem automática. Por exemplo, em 1996, o sistema de xadrez Deep Blue da IBM utilizou mais IA e menos ML para derrotar o grande mestre russo Garry Kasparov, avaliando inúmeras jogadas em tempo real.

Que sectores utilizam a aprendizagem automática?  

  • Os governos utilizam a aprendizagem automática para serviços públicos, segurança pública, deteção de fraudes ou controlo de fronteiras, analisando um enorme volume de dados.
  • As empresas do sector da saúde utilizam a aprendizagem automática para melhorar o diagnóstico e o tratamento e desenvolver dispositivos precisos de monitorização da saúde.
  • As empresas retalhistas podem melhorar os objectivos de marketing específicos através da análise dos padrões de compra dos clientes.
  • O sector da energia encontra fontes mais eficientes com algoritmos de aprendizagem automática.
  • Muitas empresas do sector dos transportes, como as empresas de entregas, as empresas de partilha de boleias e os transportes públicos, utilizam os computadores para encontrar as rotas ideais para melhorar os serviços, a rentabilidade e a redução da pegada de carbono.
  • O sector financeiro utiliza a aprendizagem automática para melhorar a cibersegurança e as informações essenciais sobre os dados.

A Netflix utiliza a aprendizagem automática?

Sim, a Netflix utiliza o ML em várias aplicações. Uma das mais evidentes é o seu sistema de recomendação de conteúdos. O sistema utiliza o ML para examinar as suas preferências de género, o seu histórico de visualizações e o histórico de visualizações de utilizadores com o mesmo perfil, para sugerir filmes, filmes e documentários que pode experimentar.