O início da inteligência artificial se deu por volta de 1950. Nessa época o primeiro teste de inteligência de uma máquina foi o Teste de Turing, onde determinava se uma máquina possuía inteligência ou não. Nesse teste uma pessoa conhecida conversava com dois personagens desconhecidos: uma pessoa normal e outra a máquina a ser testada. Caso a pessoa conhecida não identificasse qual dos dois personagens era o computador, era considerado que havia inteligência artificial.
Hoje em dia essa inteligência vai muito além de manter uma conversa como um ser humano. Os algoritmos de hoje permitem que as máquinas façam tarefas tão bem quanto ou melhores que seres humanos. Como por exemplo identificar pessoas, ou serem assistentes pessoais – como a cortana, no windows, e a siri, no IOS. Chegando até aos carros autônomos que já funcionam em ruas com boa visibilidade nos testes das grandes empresas. Todo esse desenvolvimento foi possível com o Machine Learning (aprendizagem de máquina) e o Deep Learning.
O que são e qual a diferença entre Machine Learning e Deep Learning?
.Machine Learning
Machine learning é uma área dentro da inteligência artificial. Seus algoritmos tem como princípio fazer com que a máquina aprenda a partir de um grande número de dados e assim possa tomar uma decisão sem que haja interferência humana. Assim, ao invés de se projetar um rotina para uma tarefa completa a máquina é levada a aprender como executar essa tarefa. Para isso são utilizadas árvores de aprendizado,que tem o modo de ser percorrida de acordo com os dados de entrada, programação lógica indutiva, que utiliza de afirmações dos dados de entrada para chegar em conclusões, redes Bayesianas , entre outros.
.Deep Learning
Já o Deep Learning é uma área dentro do machine learning. Ele surgiu como um novo jeito de se implementar machine learning e só conseguiu ser desenvolvido graças a evolução dos processamentos de dados das máquina. Esse método utiliza redes neurais artificiais. Também chamadas de RNA, elas são técnicas computacionais que utilizam a matemática para se comportar como se fossem uma estrutura neural de um ser humano.
O Deep Learning é organizado em camadas formadas por neurônios. Para exemplificar temos a imagem acima que mostra várias camadas que vão fazendo uma análise e passando para a próxima camada. Cada neurônio possui um peso inicial que vai mudando ao longo das análises. O funcionamento do Deep Learning se dá pela análise da informação por um neurônio que atribui seu peso a essa informação e passa para o próximo neurônio até o final. De acordo com a resposta final e a resposta esperada os pesos são modificados.
Um exemplo de utilização dessas redes neurais é a indicação de filmes ou músicas nos aplicativos. E a presença do Deep Learning vai além disso. Ele está no facebook ao se identificar fotos, nos carros autônomos, no reconhecimento de voz. Isso mostra a evolução que esse método trouxe e o motivo de ser tão usado e estudado.
