Deep learning, ou aprendizagem profunda em português, é uma rede neural com três ou mais camadas, que tentam simular o comportamento do cérebro humano. A tecnologia permite que a máquina “aprenda” de forma mais profunda que uma inteligência artificial (IA) comum.
Modelos de aprendizado profundo podem alcançar precisão de última geração, às vezes excedendo o desempenho de nível humano. A tecnologia é usada em carros autônomos, permitindo-lhes reconhecer um sinal de pare ou diferenciar um pedestre de um poste de luz, e é a base para o controle de voz em smartphones, tablets e TVs.
O que é deep learning?
Deep learning é um subcampo do machine learning (aprendizado de máquina), área da IA que utiliza algoritmos para ensinar uma máquina a realizar determinada tarefa. Enquanto os algoritmos de aprendizado de máquina tradicionais são lineares, os algoritmos de inteligência artificial profunda são empilhados em uma hierarquia de complexidade e abstração crescentes.
Para entender o deep learning, imagine um bebê cuja primeira palavra seja cachorro. A criança aprende o que um cachorro é, e o que não é, apontando para objetos e dizendo a palavra cachorro. O pai diz: “Sim, isso é um cachorro” ou “Não, isso não é um cachorro”. Esse princípio pode ser aplicado ao machine learning mais básico.
À medida que a criança continua apontando para os objetos, ela se torna mais consciente das características que todos os cães têm. O que a criança faz, sem saber, é elaborar uma abstração complexa, o conceito de cachorro, construindo uma hierarquia na qual cada nível de abstração é criado com o conhecimento obtido na camada anterior da hierarquia.
Da mesma forma, por meio do deep learning, uma máquina também é capaz de construir conceitos abstratos. Para tanto, precisa de uma grande quantidade de dados e um poder de processamento substancial.
Deep learning X machine learning
Algoritmos de machine learning aproveitam dados estruturados e rotulados para fazer previsões, o que significa que recursos específicos são definidos a partir dos dados de entrada para o modelo e organizados em tabelas.
Isso não significa necessariamente que não use dados não estruturados; significa apenas que, se tiver, geralmente passa por algum pré-processamento para organizá-lo em um formato estruturado.
O deep learning elimina parte do pré-processamento de dados que normalmente está envolvido no aprendizado de máquina. Esses algoritmos podem ingerir e processar dados não estruturados, como texto e imagens, e automatizar a extração de recursos, removendo parte da dependência de especialistas humanos.
Por exemplo, digamos que tivéssemos um conjunto de fotos de animais de estimação diferentes e quiséssemos categorizar por “gato”, “cachorro”, “hamster” etc. Algoritmos de aprendizado profundo podem determinar quais características (por exemplo, orelhas) são mais importantes para distinguir um animal de outro. No aprendizado de máquina mais básico, essa hierarquia de recursos é estabelecida manualmente por um especialista humano.
Então, por meio dos processos de gradiente descendente e retropropagação, o algoritmo de aprendizado profundo se ajusta, permitindo fazer previsões sobre uma nova foto de um animal com maior precisão.
Aplicações da tecnologia
A tecnologia deep learning faz parte de nossas vidas, mas, na maioria dos casos, está tão bem integrada aos produtos e serviços que os usuários não percebem o complexo processamento de dados que ocorre em segundo plano.
Os algoritmos podem ser usados para identificar padrões perigosos que indicam uma possível atividade fraudulenta ou criminosa nos bancos, em chatbots usados no atendimento ao cliente, nos assistentes virtuais como o Siri da Apple, Amazon Alexa ou Google Assistant e ainda com aplicações na medicina, dando subsídios para especialistas em imagens médicas e radiologistas produzirem diagnósticos em menos tempo.
Como trabalhar com Deep Learning?
Os cursos de bacharelado em Ciências da Computação podem oferecer uma visão geral sobre o conceito de IA e deep learning. Contudo, para entender melhor o conceito e buscar uma colocação na área, é importante que o profissional realize um curso de pós-graduação. Pesquisar o tema é outra possibilidade instigante.
A Universidade Presbiteriana Mackenzie (UPM) oferece um Mestrado Profissional em Computação Aplicada, o primeiro curso do tipo a ser aprovado pela Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (Capes) em São Paulo.
Quer potencializar sua carreira? Comece uma pós-graduação no Mackenzie!
Fonte: UPM, IBM, SAS.