Qual é a Diferença entre Inteligência Artificial, Machine Learning e Deep Learning ?

Original article can be found here (source): Deep Learning on Medium

Qual é a Diferença entre Inteligência Artificial, Machine Learning e Deep Learning ?

Estes termos vêm se tornando cada vez mais populares, aparecendo em jornais, revistas, programas televisivos e em várias ficções científicas. Mas qual a diferença entre eles? Bom, a melhor forma de responder essa pergunta é compreendendo a origem e evolução da computação.

Imagem da internet exemplificando a trajetória

Inteligência Artificial

Em 1956 surge o termo IA em uma conferência no Dartmouth College, New Hampshire, EUA. Esse termo foi definido como tudo o que permite a máquina apresentar características e ações que classificamos como inteligentes nos seres humanos.

De acordo com alguns especialistas, é possível dividir a IA em dois grupos. O primeiro, é chamado de IA especializada, e corresponde ao que temos atualmente. Ele possui muitas vezes capacidade igual ou superior a dos humanos para realizar uma atividade específica. Porém, não é capaz de realizar outras atividades.

A segunda classificação é o IA geral. Nele, a IA seria capaz de realizar qualquer atividade, podendo aprender e atuar em todas as áreas. O momento em que isso se tornar realidade é chamado de singularidade, onde a máquina irá ultrapassar o ser humano em todos os aspectos.

Machine Learning

Machine Learning surge em seguida como um conjunto de técnicas que integram a Inteligência Artificial. Desta maneira, é utilizado algoritmos para ensinar o computador e não simplesmente explicitar regras. Podemos dizer que ML é a capacidade de uma máquina “aprender” por si só, usando grande quantidade de dados sem que seja fornecido uma instrução explícita.

Quando falamos de ML um dos termos mais utilizados é “treinamento”. Este termo corresponde ao treinamento de um modelo que usa um algoritmo de aprendizado que melhora progressivamente. Com base nos dados passados para o computador ele aprende com seus exemplos o que deve ser feito, detectado ou sinalizado.

Além disso, há três grandes grupos dentro de ML, divididos de acordo com a forma em que é realizado o aprendizado. O primeiro é o Aprendizado Supervisionado que pode ser dividido em Classificação e Regressão. Os principais algoritmos de Aprendizado Supervisionado são: Regressão Linear e Logística, Árvores de Decisão, SVM, KNN, Multi-layer Perceptron (MLP).

O segundo grupo é o Aprendizado Não Supervisionado. Nele, os dados de inputs não passam as possíveis respostas desejadas e se deseja fazer o agrupamento destes dados. Os principais algoritmos que realizam a separação em clusters dos dados são : K-Means e Agrupamento Hierárquico.

Por fim, o último grupo é referente ao Aprendizado por Reforço. Neste tipo de algoritmo há o agente aprende a executar determinada tarefa de forma a tentar maximizar a recompensa. Toda vez que ele realizar uma atividade incorreta irá ser penalizado (essa penalização é variada de acordo com o grau de intensidade do erro).

Projeto DeepMind Google

Alguns exemplos de uso de Machine Learning:

– Combate a fraudes em sistemas de pagamento

– Tradução de textos

– Recomendação de conteúdo

Deep Learning

Exemplo da internet de uma rede neural artificial

Por último, temos o Deep Learning. Essa técnica tem como objetivo solucionar alguns problemas do ML, como por exemplo, sua limitação com relação ao tipo de dado que pode receber. Sendo assim, em ML só conseguimos trabalhar com dados estruturados vindos dos tradicionais bancos de dados, enquanto em DL podemos trabalhar com Imagens, Vídeos, Sons e diversos outros tipos de dados.

Outra característica importante sobre DL é a utilização de modelos inspirados no cérebro humano. Você já deve ter ouvido falar das Redes Neurais Artificiais e é exatamente isso que é utilizado dentro de qualquer DL. Neste tipo de estrutura, há diversas camadas que possuem os Neurônios Artificiais, responsáveis por executar operações matemáticas do modelo do problema. Este tipo de modelo também é visto no MLD, porém, em DL temos como ideia principal um aprendizado de máquina que visa “ensinar” as máquinas a agirem e interpretarem dados de uma maneira mais natural.

Para quem quiser entender a diferença entre MLP e DL, sugiro o seguinte texto do medium:

Assim como o ML, DL também possui diversos algoritmos e técnicas que são listadas a seguir:

  • Back-Propagation
  • Convolutional Neural Networks (CNN)
  • Generative Adversarial Network (GANs)
  • Deep Feedforward

Alguns exemplos de uso de Deep Learning:

  • Reconhecimento facial
  • Classificação de doenças e redução no erro do diagnóstico de câncer
  • Carros Autônomos