Aprendizado de máquina, a tecnologia que mudará a forma como vivemos e trabalhamos

 

10 de julho de 2018

 

O aprendizado de máquina (machine learning) será uma tecnologia definidora, fazendo mais para mudar a forma como vivemos e trabalhamos que qualquer tecnologia desde a explosão da Internet.

O aprendizado de máquina (machine learning) será uma tecnologia definidora, fazendo mais para mudar a forma como vivemos e trabalhamos que qualquer tecnologia desde a explosão da Internet

Fonte: https://www.ab2l.org.br/mais-do-que-sistemas-totvs-ira-oferecer-inteligencia-artificial/

A diferença entre Inteligência Artificial, Aprendizado de Máquina e Aprendizagem Profunda

Todos estamos familiarizados com o termo Inteligência Artificial. Afinal, tem sido um foco popular em filmes como Exterminador do Futuro, Matrix e Instinto Artificial (um dos meus favoritos). Mas com certeza você já ouviu sobre outros termos como Aprendizado de Máquinas (Machine Learning) e Aprendizagem Profunda (Deep Learning), às vezes usados indistintamente com inteligência artificial. Assim, a diferença entre estes termos não fica clara.

Portanto, segue uma rápida explicação sobre o que é a Inteligência Artificial (AI), a Aprendizagem de Máquina (ML) e a Aprendizagem Profunda (DL).

Inteligência artificial: envolve máquinas que podem realizar tarefas que são características da inteligência humana. Embora isso seja bastante geral, inclui coisas como: planejamento, compreensão da linguagem, reconhecimento de objetos e sons, aprendizado e resolução de problemas.

Aprendizado de máquina: é uma maneira de alcançar a IA (Inteligência Artificial), a capacidade de aprender sem a máquina ser explicitamente programada, uma forma de “treinar” um algoritmo para que ele possa aprender. “Treinamento” envolve a alimentação de grandes quantidades de dados para o algoritmo permitindo que ele se ajuste e melhore.

Aprendizado profundo: é uma das muitas abordagens para a aprendizagem de máquinas. Foi inspirado na estrutura e função do cérebro, nomeadamente a interligação de muitos neurônios. Redes Neurais Artificiais (ANNs) são algoritmos que imitam a estrutura biológica do cérebro. Nas ANNs, existem “neurônios” que possuem camadas discretas e conexões com outros “neurônios”. Cada camada escolhe um recurso específico para aprender, como curvas/bordas no reconhecimento de imagem. É esta camada que dá uma aprendizagem profunda, a profundidade é criada usando múltiplas camadas em oposição a uma única camada.

Fonte: https://giphy.com/gifs/artificial-intelligence-c6DcchsqBlGCY

 Por que o machine learning mudará a forma como vivemos e trabalhamos?

 A inovação e o uso de ferramentas para facilitar a vida tem sido um referencial do progresso ao longo da história, por meio de revoluções agrícolas e industriais. Agora estamos em uma revolução de dados e, à medida que avançamos, alguns dos papéis das pessoas mudarão, mas o progresso trouxe constantemente a criação de novos empregos, novos modelos de negócio e indústrias completamente novas. Longe de nos tornarmos obsoletos, o aprendizado de máquina aumentará a humanidade e nos fará mais eficientes.

O aprendizado de máquina já está ao nosso redor: escrito no software em nossos telefones, em nossos automóveis e casas e no software que utilizamos no trabalho, ajudando-nos a ter acesso a informações e a tomar decisões melhores e mais fundamentadas, e mais rapidamente.

Tendo em vista o futuro não tão distante, podemos citar, por exemplo, os carros sem condutor e outros dispositivos automatizados nos quais a ação humana será substituída por robôs serão certamente áreas-chave para o desenvolvimento nos próximos anos. Mas, se olhamos o que está acontecendo agora mesmo, o certo é que o aprendizado está mudando de modo significativo o mundo que nos rodeia neste momento. Sua habilidade para reduzir drasticamente o tempo e melhorar a eficácia de nossa tomada de decisões pode soar menos sensacionalista que os carros sem condutor, mas é o que fará com que o machine learning seja uma tecnologia que defina uma era.

As organizações que aproveitam o poder do aprendizado de máquina avançarão rapidamente por causa da velocidade e eficiência da melhor tomada de decisões. Nenhum negócio pode se dar ao luxo de sentar e esperar. Se fizer isso, ficará para trás.

Fonte: http://computerworld.com.br/desafios-e-oportunidades-o-que-esperar-da-inteligencia-artificial-em-2018

A adoção do aprendizado de máquina está crescendo ao mesmo tempo que se desenvolve o cloud computing (computação em nuvem): a integração de aplicativos, plataformas e infraestrutura na nuvem é crucial para a expansão e a eficácia do aprendizado de máquina; abrem o machine learning a grupos de dados cada vez maiores, rompendo arquivos e aproveitando os dados de todas as organizações e suas redes.

Os algoritmos que conduzem o aprendizado de máquina precisam de tantos dados e fontes quanto for possível. Quanto mais dados são inseridos, mais inteligente se torna e maior é seu potencial para a tomada de decisões.

Se o Big Data  nos mostrou que havia uma fonte de riqueza por explorar e a nuvem nos proporciona os pilares fundamentais para a transformação digital, o aprendizado de máquina é a primeira ferramenta verdadeiramente industrializada para desbloquear essas riquezas em escala. A estratégia é crucial em tudo isso. O segredo para aproveitar ao máximo o aprendizado de máquina é buscar aplicativos que ofereçam um valor estratégico no longo prazo, que fundamentalmente transforme as funções ou processos críticos do negócio em vez de oferecer um fator surpresa no curto prazo.

A redução do tempo para criar prognósticos precisos e confiáveis pode ter um impacto significativo não só na capacidade de uma empresa de planejar, orçar e utilizar recursos de forma eficaz, mas todas essas coisas combinadas terão um considerável potencial financeiro para qualquer empresa.

O encanto do aprendizado de máquina está no fato de que seus usos são quase ilimitados. Onde há valor para analisar rapidamente e ampliar a compreensão dos dados, existe um papel a desempenhar. Onde houver valor para identificar tendências ou anomalias em grandes conjuntos de dados, pode haver um efeito transformador, desde a pesquisa clínica até o cumprimento normativo e a segurança.

Facebook usará aprendizado de máquina para procurar duplicatas de fake News

Muitas páginas criadas em países como Macedônia, Kosovo e Paquistão, por exemplo, fingem estar sediadas nos Estados Unidos e espalham fake News (notícias falsas) e rumores, justamente para capitalizar seus cliques. Sabendo disso, a rede social vai usar o aprendizado de máquina para barrar esse conteúdo.

A companhia já usa a inteligência artificial para rastrear material que pode ser falso e tem o apoio de verificadores de fatos de empresas parceiras em 14 países. Os humanos ainda são mais eficientes em julgar se há algo errado com as notícias, então, quando eles sinalizam as matérias como improcedentes, as mesmas perdem alcance na plataforma.

Fonte: http://www.clasesdeperiodismo.com/2017/06/20/inteligencia-artificial-de-facebook-creo-su-propio-lenguaje-por-accidente/

Esse sistema ganhará o reforço de um programa que identifica as duplicatas e variações dessas fake news já desmascaradas, a partir da análise de comportamento.

Os administradores das páginas costumam mirar pessoas de países diferentes dos seus. Essas pessoas geralmente tem contas suspeitas que não são falsas, mas são identificadas como tendo atividades suspeitas.

Poderá haver equívocos, mas como a penalização é a redução de alcance e não a exclusão, caso seja comprovado que a página compartilha conteúdo verdadeiro ou ela pare de espalhar fake news, há a possibilidade da conta se “reabilitar”.

Gostou do nosso post de hoje? Curta e compartilhe!

Tutora: Evillin Aruane Machado Barros.

Fontes: http://abinc.org.br/a-diferenca-entre-inteligencia-artificial-aprendizado-de-maquinas-e-aprendizagem-profunda/
https://www.tecmundo.com.br/redes-sociais/131556-facebook-usar-aprendizado-maquina-cacar-duplicatas-fake-news.htm

 

10 de julho de 2018

 

Comente, sugira e participe:

 

Os campos com (*) são obrigatórios e seu email não será publicado