MACHINE LEARNING

Antes de entender o que é machine learning é necessário entender o que é inteligência artificial.

Inteligência artificial

Após o fim da Segunda Guerra Mundial, o matemático Alan Turing, pensando na possibilidade de um computador tornar-se inteligente, propôs um teste para medir a "inteligência" da máquina.

Esse teste necessita de dois humanos e um computador, um dos humanos é o interrogador que faz perguntas simples para o outro humano e para a máquina que respondem às perguntas também de maneira simples e por escrito.

Caso o interrogador não consiga identificar quem está respondendo, o computador passa no teste.

Alan Turing publicou isso em seu artigo "Computing Machinery and Intelligence", na década de 50, e o teste ficou popularmente conhecido como "Teste de Turing".

Esse foi o início da ideia sobre o que seria uma IA (inteligência artificial), porém esse termo só foi utilizado em 1956 por um pesquisador chamado John McCarthy. De acordo com ele, uma IA refere-se à ciência e à engenharia de construir máquinas inteligentes.

Uma definição um pouco mais completa seria: inteligência artificial é o campo da ciência da computação que lida com a simulação de comportamento inteligente em computadores.

Existem subcampos sobre o estudo a respeito de IAs, que são:

Robótica
Sistemas Cognitivos
Planejamento Automatizado
Processamento de Linguagem Natural
Redes Neurais
Machine Learning

Esse último é o tema principal dessa postagem.

Machine learning (aprendizado de máquina) é o campo de estudo sobre IA que fornece ao computador a capacidade de aprender sem ser explicitamente progamado. Como assim?

Bom, o que é a programação tradicional?
Trata-se do processo manual de escrever um conjunto de regras em uma sequência de passos, também chamado de algoritmo, utilizando uma linguagem de programação para que o computador execute-as sobre um conjunto de dados de entrada a fim de produzir um conjunto de resultados de saída.

O conceito é bem simples e a aplicação da programação tradicional é muito eficiente, mas somente até certo ponto. Imagine um software que recebe uma imagem aleatória e a sua função é identificar um cachorro nessa imagem. Quem é progamador sabe que criar um conjunto de passos para que a máquina identifique um cachorro nessa imagem não é simples...

Portanto, o machine learning ocorre de uma maneira praticamente inversa à programação tradicional. Continua-se entrando com dados, mas, em vez de um programador criar manualmente as regras, são inseridos exemplos de resultados passados. Já a saída de um algoritmo de aprendizado de máquina são justamente as regras.

Note que as entidades mudaram de lugar:

Na programação tradicional:

Dados e regras --> COMPUTADOR --> Resultados

No machine learning:

Dados e resultados --> COMPUTADOR --> Regras

No caso do software identificador de cachorros, imagens de entrada quaisquer continuariam sendo inseridas, mas também seriam inseridos diversos exemplos de resultados (isto é, imagens que efetivamente contêm cachorros). A saída do algoritmo de aprendizado de máquina seria capaz, de realizar, sozinha, um padrão entre os dados de entrada e os exemplos de resultados esperados para descobrir se existe ou não um cachorro na imagem. Em vez de um programador dizer quais são as regras, quem diz é o algoritmo.

De forma bem básica, é assim que funciona o machine learning, fiquem a vontade para apontar erros sobre o que foi escrito e complementar o conteúdo.