Aprendizado De Máquina Em Ação

Um manual para leigos

O real objetivo desse livro é ser uma introdução fácil de ler sobre aprendizado de máquina. Meu objetivo é escrever um livro que qualquer um possa ler, mantendo-o, ao mesmo tempo, fiel aos princípios sobre aprendizado de máquina, sem inferiorizar seus conceitos. Estou certo da inteligência de meus leitores, e não acho que um livro para iniciantes tenha que necessariamente sacrificar complexidades e nuances. Sendo assim, este não é um livro grande e nem tampouco abrangente. Aqueles interessados no tema vão querer se aprofundar através de outros livros e pesquisas.

Neste livro, veremos os conceitos básicos e tipos de aprendizado de máquina. Investigaremos como eles funcionam. Então, exploraremos questões sobre conjunto de dados, e escrita e treinamento de algoritmos. Por fim, veremos casos de aplicação do aprendizado de máquina no mundo real, e áreas onde ele deverá ser usado no futuro.

Mais uma vez, bem-vindo ao aprendizado de máquina. Vamos mergulhar nisso...

Capítulo 1. O que é aprendizado de máquina?

O objetivo desse primeiro capítulo é estabelecer a base do resto que você lerá nesse livro. Aqui, identificaremos os conceitos básicos que exploraremos mais detalhadamente em capítulos futuros. Este livro constrói-se por si próprio, e neste capítulo estão os fundamentos.

Dito isso, o ponto lógico para começar é definindo o que queremos dizer quando falamos sobre aprendizado de máquina.

Minha definição simples é a seguinte: aprendizado de máquina permite que um computador aprenda pela experiência.

Isso deve até soar trivial, mas a falha na definição pode provocar implicações profundas. Antes do aprendizado de máquina, os computadores não eram capazes de melhorar através da experiência. Ao invés disso, o que quer que o código dissesse é o que o computador fazia.

Aprendizado de máquina, em sua explicação mais simples, envolve permitir que um computador varie suas respostas, dando um retorno com respostas boas ou ruins. Isso significa que os algoritmos de aprendizado de máquina são fundamentalmente diferentes dos programas de computadores que surgiram antes deles. Entender a diferença entre programação explícita e treino de algoritmos é o primeiro passo para vermos como o aprendizado de máquina muda fundamentalmente a ciência da computação.

Programação explícita vs. treinamento de algoritmos

Com algumas exceções recentes, praticamente qualquer software que você já tenha usado na vida foi certamente programado. Isso significa que algum humano escreveu um conjunto de regras para o computador seguir. Tudo, desde o sistema operacional do seu computador até a internet ou aplicativos do seu telefone têm códigos escritos por um humano. Sem humanos para dar a um computador um conjunto de regras para ele funcionar, este não seria capaz de fazer nada.

A programação explícita é ótima. Ela é o fundamento para tudo o que fazemos atualmente com computadores. É ideal para quando você precisa de um computador para gerenciar dados, calcular um valor, ou manter um registro de relacionamentos para você. A programação explícita é muito poderosa, mas ela tem um gargalo: o humano.

Isso passa a ser um problema quando queremos fazer coisas complexas com um computador, como pedir para que reconheça a foto de um gato. Se usássemos a programação explícita para ensinar um computador o quê deve observar em um gato, passaríamos anos escrevendo códigos para cada contingência. E se você não puder ver todas as quatro patas na foto? E se o gato tiver uma cor diferente? O computador seria capaz de distinguir um gato preto em um pano de fundo preto ou um gato branco na neve?

Todas essas coisas são claras para os humanos. Nossos cérebros reconhecem coisas rápido e facilmente em muitos contextos. Computadores não são tão bons nisso, e seriam necessárias milhares de linhas de código explícito para ensinar um computador a identificar um gato. Na verdade, talvez nem seja possível explicitamente programar um computador para identificar gatos com 100% de precisão, porque o contexto pode sempre mudar e confundir seu código.

É aí que os algoritmos entram em cena. Com a programação explícita, estávamos tentando dizer ao computador o que é um gato e dar subsídios para cada contingência em nosso código. Em contraste, algoritmos de aprendizado de máquina permitem ao computador descobrir o que é um gato.

Para começar, o algoritmo deve conter algumas características principais. Por exemplo, podemos dizer ao computador para que procure quatro patas e um rabo. Então, alimentamos o algoritmo com muitas imagens. Algumas das imagens são de gatos, mas outras podem ser de cães, árvores ou imagens aleatórias. Quando o algoritmo faz uma suposição, reforçamos suposições corretas e damos uma resposta negativa para as incorretas.

Com o tempo, o computador usará o algoritmo para construir seu próprio modelo do que procurar para identificar um gato. Os componentes no modelo do computador podem ser coisas em que nem pensamos no início. Com mais reforços e milhares de imagens, o algoritmo se tornará gradualmente melhor na identificação de gatos. Talvez nunca alcance 100% de precisão, mas será preciso o suficiente para substituir uma imagem de gato rotulada por humanos e mais eficiente.

Algoritmos são instruções, porém não são regras explícitas. São uma nova forma de dizer a um computador como abordar uma tarefa. Eles apresentam ciclos de respostas que são corrigidas automaticamente em um processo de centenas ou milhares de tentativas em uma tarefa.

Definições: Inteligência artificial vs. aprendizado de máquina vs. redes neurais

Este livro é sobre aprendizado de máquina, mas esse termo se enquadra em um contexto mais amplo. Como o aprendizado de máquina está crescendo em popularidade, este assunto tem recebido muita cobertura jornalística. Nesses artigos, jornalistas frequentemente usam os termos inteligência artificial, aprendizado de máquina e redes neurais intercambiáveis. No entanto, existem pequenas variações entre os três termos.

Inteligência artificial (IA) é o mais velho e mais amplo dos três termos. Criada em meados do século 20, a inteligência artificial refere-se a qualquer momento em que uma máquina observa e responde a seu ambiente. Ela está em contraste com a inteligência natural dos humanos e animais. Ao longo do tempo, no entanto, seu escopo tem mudado. Por exemplo, o reconhecimento de caracteres costumava ser um grande desafio para a IA. Hoje, trata-se de uma rotina e não é mais considerado parte da IA. À medida que descobrimos novos usos para a IA, estes são integrados à base de referência do que é normal, e o escopo da IA se amplia para qualquer nova função que surja.

Aprendizado de máquina é um subconjunto específico da IA. Nós já gastamos algum tempo o definindo neste capítulo, mas ele refere-se a dar a