O que é aprendizado de máquina - ELI5

Tive uma reunião recente com uma pessoa que conheceu o aprendizado de máquina pela primeira vez. Foi interessante saber como alguém totalmente novo na área interpretaria o que seria o aprendizado de máquina. Ele poderia conectar instantaneamente o termo aprendizado com o que a maioria dos cientistas de dados chamaria. Aprendizagem por reforço. Uma máquina poderia observar fenômenos e se refinar sozinha, era o que ele pensava. É estranho que o único ramo da Inteligência Artificial ao qual um leigo poderia se conectar melhor seja o menos estudado. Espero que o trabalho recente do Google Deepmind sobre aprendizado por reforço profundo mude isso.

Então, como cofundador da ParallelDots, uma startup cujas principais ofertas são tecnologias de IA, eu me pego explicando o aprendizado de máquina (ou pior, as técnicas de aprendizado profundo que usamos) para muitas pessoas (clientes, investidores em potencial, outros entusiastas) o que exatamente é aprendizado de máquina e como podemos usá-lo. Aqui vou tentar apresentar os mesmos pontos. É uma descrição muito subjetiva do tópico e de suas aplicações.

Introdução ao aprendizado de máquina

O aprendizado de máquina é um conjunto de métodos que permite ao computador tomar decisões ou inferir conclusões sem que nós o orientemos.

“Então, se não guiamos o computador, como ele aprende?”

Assim como um ser humano, um computador pode aprender com três fontes. Uma delas é observar o que os outros fizeram em situações semelhantes. A outra é observar uma situação e tentar encontrar a melhor lógica possível no local para decidir/concluir. A terceira é aprender com os erros/acertos anteriores.

Tipos de aprendizado de máquina

O aprendizado supervisionado, não supervisionado e por reforço são três ramos do aprendizado de máquina.

No Aprendizado Supervisionado, um computador pode ver os atributos da casa e os prêmios de 200 casas e obter o prêmio da 201ª casa se seus atributos forem conhecidos. Ou pode dizer qual palavra em uma frase é o nome de uma cidade, desde que sejam mostradas frases de exemplo que podem ou não conter nomes de cidades e todas as ocorrências do nome de uma cidade estão marcadas nesses exemplos.

O aprendizado não supervisionado é quando pedimos ao computador que tome decisões com base em atributos de dados brutos e em um conjunto de quantidades mensuráveis. Alguns exemplos incluem pedir a um computador que encontre localidades em um conjunto de dados em que Lat-Long of house é fornecido. Ele usaria Lat Long para encontrar distâncias e formar localidades de casa. Também podemos pedir que ele crie uma versão abreviada de uma postagem de blog, com base na ocorrência de palavras na postagem. Observe que nenhuma decisão tomada por outras pessoas é dada ao computador. Como se pode imaginar, esses métodos podem não estar exatamente próximos da subjetividade humana, pois, diferentemente do modelo de aprendizado de máquina supervisionado, que tenta emular a inferência humana, esses modelos tomariam decisões com base em algumas quantidades matemáticas que solicitamos.

O terceiro tipo de aprendizado de máquina é o aprendizado por reforço. Esse é um método no qual o computador começa tomando decisões aleatórias e depois aprende com base nos erros cometidos e nos sucessos que encontra à medida que avança. Uma descoberta recente foi um algoritmo que podia jogar muitos jogos de arcade diferentes depois de aprender os movimentos corretos/errados. Esses algoritmos começariam cometendo muitas falhas no início e depois melhorariam à medida que avançavam.

O que é aprendizado profundo?

Se você observou atentamente o último parágrafo, deve ter visto que eu me referi a “atributos” mais de uma vez. Os atributos de um objeto desempenham um papel importante na decisão que o computador deve tomar em relação a ele. Quais deveriam ser esses atributos era a pergunta mais importante até algum tempo atrás para um cientista de dados. Para uma previsão de preços imobiliários, foi fácil criar esses atributos matemáticos. Digamos que a área de carpete da casa, independentemente de ter mais de 10 anos, localizada na cidade/vila, é fácil inferir que influenciaria o custo da casa. Mas e quanto a textos, imagens, séries temporais e coisas desse tipo? É difícil dizer matematicamente qual seria a aparência de um olho humano em uma fotografia ou de uma onda Q em um relatório de ECG. O Deep Learning está pedindo ao computador que deduza esses padrões sozinho. Isso é feito colocando várias camadas de neurônios umas sobre as outras. Assim como o neurônio é uma unidade do cérebro, ele também é uma unidade matemática do Rede neural profunda artificial.

Como o aprendizado de máquina pode ajudar minha empresa?

Automatizando qualquer processo de inferência. Essa pode ser uma decisão sobre quais artigos/mercadorias recomendar a um usuário, seja para alertar o usuário sobre uma transação com cartão de crédito ou agilizar o trabalho de um analista funcional, tentando segmentar os gastos em categorias. O aprendizado de máquina está aqui para você!

Espero que isso esclareça alguns aspectos para as pessoas que estão tentando entrar no aprendizado de máquina ou para as pessoas que estão se perguntando se isso pode ajudar seus negócios de alguma forma.

As APIs de IA da ParallelDots são um serviço web baseado em Deep Learning da ParallelDots Inc, que pode compreender uma grande quantidade de texto não estruturado e conteúdo visual para capacitar seus produtos. Você pode conferir alguns dos nossos APIs de análise de texto e entre em contato conosco preenchendo este formulário aqui ou escreva para nós em apis@paralleldots.com

‍