Poucas pessoas entendem a diferença entre Inteligência Artificial, Machine Learning e Deep Learning, ou mesmo sabem que são coisas diferentes. A confusão também pode ser percebida na mídia, que muitas vezes confunde os termos e os trata como a mesma coisa.
É fato que tais termos estão cada vez mais presentes no nosso dia a dia, e fazem parte de um mesmo universo tecnológico. Podemos dizer que cada um deles é uma ferramenta (ou podemos chamar de técnica) que permite a uma máquina reproduzir habilidades similares (às vezes superiores) às dos seres humanos.
Agora para entender onde está cada um dos três conceitos, pense da seguinte forma: A Inteligência Artificial é a ideia base, veio primeiro, depois veio a machine learning, e finalmente deep learning, que está liderando a explosão de IA hoje. Ainda confuso, não é? Então vamos do princípio!
Origem da Inteligência Artificial
O termo Inteligência Artificial (IA) foi criado, e usado pela primeira vez, por alguns cientistas nas conferências de Dartmouth, em 1956, dando luz a esse campo do conhecimento humano.
A forma como a IA é vista varia entre o futuro da tecnologia, e consequentemente da humanidade, e de uma forma estereotipada pelas lentes da cultura pop, mais especificamente da ficção científica. Até meados de 2010, a segunda forma era a mais proeminente.
Mas desde 2015, a popularidade da IA explodiu, principalmente devido a disponibilidade dos GPUs (graphic processing units) que fazem com que processamento paralelo seja mais rápido, mais barato e mais poderoso.
Além disso, também está ligado à enxurrada de dados que temos hoje na internet (parabéns Big Data): imagens, textos, transações, dados de mapas, etc.
Bom, agora que temos a base, vamos entender os três termos, começando pelo primeiro a surgir.
Inteligência Artificial (IA)
A Inteligência Artificial pode ser definida como a capacidade das máquinas de aprender, decidir e perceber quais caminhos devem seguir. Ou seja, tomar decisões de forma racional, igual aos seres humanos.
Dito isso, os fatores que à criação da inteligência artificial são:
- Modelos para classificar, processar e analisar;
- Grande quantidade de dados não processados ;
- Computação com custo baixo e alta performance de processamento, rápido e eficiente.
Com a evolução dos três fatores, a IA se tornou a combinação da Big Data, Modelos de Dados desenvolvidos e computação em nuvem. O sistema absorve, analisa e organiza os dados de forma a entender e identificar o que são objetos, pessoas, padrões e reações de todos os tipos.
Mas lembra-se da conferência de 1956, onde o termo surgiu pela primeira vez? Então, aqueles cientistas sonhavam com uma IA idealizada, bem próxima aos robôs que vemos em diversos filmes, que possuem os mesmo atributos intelectuais que um ser humano.
Na prática, essa AÍ não é assim, pelo simples motivo que é limitada. Em resumo, tecnologias que são capazes de executar tarefas específicas tão bem quanto, ou até melhor, que nós humanos conseguimos.
Exemplos de IA limitadas são coisas como classificação de imagens em um serviço como o Pinterest ou reconhecimento de rostos no Facebook.
Mas aí chegamos no segundo ponto, a evolução do termo e tudo o que o rodeia: Machine Learning!
Machine Learning
Machine Learning é a prática de usar algoritmos para coletar dados, aprender com eles, e fazer uma predição sobre alguma coisa no mundo. Então, ao invés de ser uma tecnologia impressionante, mas limitada como a IA inicialmente, a máquina é treinada usando uma gigante quantidade de dados e algoritmos que dão a ela habilidade de aprender como executar a tarefa.
A Machine learning deve muito a abordagem com algoritmos através dos anos, pois incluiu árvore de aprendizado, programação lógica indutiva, agrupamento, aprendizado reforçado, redes Bayesianas, entre outros.
Uma das melhores áreas de aplicação para machine learning por muitos anos foi a de visão computacional, apesar de ainda requerer muito trabalho manual para completar uma tarefa.
Um bom exemplo de Machine Learning são as recomendações da Netflix. Elas indicam sugestões de filmes e séries de acordo com o que o usuário assiste, devido ao reconhecimento de padrão entre as escolhas dos usuários.
Apesar de surpreendente, essa tecnologia ainda não é capaz de rivalizar com a própria mente humana, e dessa forma ainda parece muito longe de ser uma tecnologia perfeita. Mas então, chegamos à última bolacha do pacote.
Deep Learning
Talvez você não saiba, mas a Deep Learning, também chamada de Redes Neurais Artificiais, é uma parte do Machine Learning que usa algoritmos complexos para reproduzir a rede neural do cérebro humano e aprender uma área do conhecimento com pouca supervisão.
Podemos dizer que o Deep Learning são algoritmos complexos construídos a partir de um empilhamento de diversas camadas similares a neurônios, alimentados por grandes quantidades de dados.
Consequentemente, eles são capazes de reconhecer imagens e fala e aprender a realizar tarefas extremamente avançadas sem interferência humana. Mas, a principal aplicação dos algoritmos de Deep Learning são as tarefas de classificação, em especial, reconhecimento de imagens.