Qual a diferença entre Machine Learning, Inteligência Artificial e Deep Learning

É muito comum que as pessoas confundam Machine Learning, Deep Learning e Inteligência Artificial. Algumas, inclusive, pensam que os termos são sinônimos um do outro. Ou que não há relação entre eles. Tem também até aquelas acham que Inteligência Artificial são robôs e juram que nunca ouviram falar do resto. Seja lá qual for o seu grau de entendimento sobre o assunto, chegou a hora de você saber de vez por todas do que se trata.

Para começar, imagine um círculo. Isso mesmo. Pode parecer estranho, mas há um objetivo. Dentro dele, imagine mais um aro. Dentro deste segundo, adicione outro. Ficará mais ou menos assim:

 

O maior representa a Inteligência Artificial (IA). Trata-se de um amplo campo de estudo que visa desenvolver máquinas com características humanas para resolver problemas. Foi cunhado por John McCarthy, na década de 1950, como “a ciência e engenharia de produzir máquinas inteligentes". Carros autônomos, cirurgiões-robôs, personagens de videogame e até mesmo o Google são alguns dos frutos dessa área, que evoluiu graças aos métodos desenvolvidos ao longo das últimas décadas.

Um deles é o Machine Learning (ML), que permite que as máquinas aprendam por conta própria, sem a interferência de nenhum humano. Na nossa figura, ele é representado pelo segundo círculo. Nesse caso, por exemplo, não se passa as regras de um jogo no sistema, ele aprende sozinho a jogá-lo - graças aos algoritmos que classificam, interpretam e entendem os dados de forma autônoma e usam os insights para fazer previsões. Essa tecnologia pode ser utilizada nos mais diversos segmentos, como Marketing, Gestão, Indústria, RH e, até mesmo, Política. Chats automatizados (chatbots) e recomendações de filmes na Netflix são alguns dos exemplos da técnica no nosso quotidiano.

Dentro de ML, há um método chamado Deep Learning (DL) - o terceiro círculo da nossa figura. É inspirado no cérebro humano e se fundamenta em redes neurais, um sistema de “nós” conectados e diversas camadas (layers). Nele, a informação recebida pela máquina é fragmentada em várias layers (entre 10 e 30, geralmente) e, ainda dividida, cruzada com uma base de dados. Assim, entre outras possibilidades, é mais viável lidar com problemas de reconhecimento de imagens. O sistema, por exemplo, passa reconhecer a letra “a” independente da fonte ou da forma como ela foi escrita; ou, ainda, a reconhecer o rosto de uma pessoa em fotografias diferentes.

Se quiser entender melhor como funciona o Deep Learning, veja este vídeo:

 

Portanto, Machine Learning e Deep Learning são técnicas dentro da Inteligência Artificial, mas a IA não se resume a estes dois métodos apenas. Há vários outros, como Natural Language Process (NPL), Speech, Expert Systems e Robotics, que também tem suas ramificações. Do mesmo modo, Deep Learning é uma técnica dentro de Machine Learning, mas ML não se limita apenas a DL.




 

Se ainda tiver alguma dúvida sobre o assunto ou quiser saber como usamos a Inteligência Artificial aqui na Twist, é só falar com a gente.









 

 

 

 

 

 

 

Se inscreva na nossa newsletter