AI – Artificial Intelligence – o termo em inglês para Inteligência Artificial e Machine Learning é o termo em inglês para aprendizado de máquina.

Quando lemos assuntos sobre AI e Machine Learning parece que estamos falando da mesma tecnologia e conceito, mas não é bem assim.

Empresas líderes em AI e Machine Learning

Ambas as tecnologia entraram no nosso dia a dia por conta da revolução digital que está acontecendo e lideradas pelas gigantes Google, Amazon, Microsoft e Facebook que investem muito dinheiro buscando novas soluções e aperfeiçoando seus produtos.

A evolução

Para entender a evolução da tecnologia pense em como você utilizava a internet para buscar algum assunto há 10 anos atrás. Dependendo do que você procurava demorava horas debruçado no seu desktop para conseguir achar a informação na Web.

Hoje está muito mais fácil e rápido porque temos algoritmos poderosos de AI e Machine Learning que nos auxiliam.

Explicando as diferenças

Segundo a Universidade de Stanford AI é um ramo da ciência da computação tentando construir máquinas capazes de comportamento inteligente, e Machine Learning é a ciência de fazer funcionar os computadores sem serem explicitamente programados.

A sacada para entender a diferença é que você precisa de pesquisadores de AI para construir máquinas inteligentes, por outro lado você precisa de especialistas em Machine Learning para torná-los verdadeiramente inteligentes através do aprendizado.

Nos últimos anos progredimos muito no desenvolvimento de plataformas e soluções em AI e Machine Learning, e o reflexo são carros autônomos, tradutores de fala incríveis, melhorias significativas nos algoritmos de busca na internet e tantos outros.

Exemplos de Machine Learning

Para que você entenda o que é e como funciona nada melhor do que exemplos.

Vou começar com um bem simples.

Imagine que você precisa pesquisar no site da Google a palavra marketing, mas por distração você digita acidentalmente “markting” subtraindo o “e”.

Mesmo com o erro você vai ter o resultado da pesquisa como se tivesse digitado corretamente, ou seja, não é necessário corrigir porque o algoritmo de pesquisa da Google entende o erro e ajusta.

Mas como isso foi possível? Porque alguém já cometeu este erro e o algoritmo da Google entendeu e aprendeu. Mesmo assim aparece a opção de procurar exatamente como você digitou.


 

Machine Learning exemplo

Simples e muito eficiente este exemplo básico que demonstra o funcionamento de aprendizado através de algoritmos.

Reconhecimento de imagens

Vamos a um outro exemplo um pouco mais complexo.

Imagine você colocar todas as suas fotos num APP e depois pesquisar a palavra “vermelho” e imediatamente aparecem diversas fotos com a tonalidade predominante vermelha ou então digitar “carro” e aparece todas as fotos que tem um carro.

Parece ficção, mas não é. Você tem esta tecnologia disponível com o Google Photos sem nenhum custo.

E vou além, você pode desenvolver a sua própria aplicação de reconhecimento de imagem usando técnicas de Machine Learning.

Você já ouviu falar de um software open source chamado tensorflow?

Este software permite você armazenar diversos tipos e categorias de imagens para fazer reconhecimento de imagem com uma precisão incrível.

Mas para ter precisão você tem que enviar centenas de fotos de um mesmo objeto para que o algoritmo aprenda. E serve para qualquer coisa, veja o exemplo da figura abaixo:


 

Machine Learning exemplo2

1º exemplo o resultado não é muito preciso, mas mesmo assim as opções têm sentido. Nos exemplos seguintes o índice de acerto é fantástico.

Mais exemplos

Machine Learning está presente nos algoritmos desenvolvidos para mapear e descobrir o genoma humano e como funciona, a compreender o comportamento do consumidor e consequentemente criar sistemas para recomendações de compras, prevenção de fraudes, tendência de valorização imobiliária, previsão de problemas em equipamentos mecânicos, etc.

Concluindo

Podemos dizer numa visão bem simplista que nós aprendemos basicamente através de experiências visuais, auditivas e motoras. Estas experiências ficam armazenadas no cérebro e se repetem até que reconhecemos a imagem e associamos com as cores da imagem, se é um objeto, pessoa ou animal? Se é perigoso ou não e assim por diante. Isso é Machine Learning!

Mas para ir além precisamos tomar decisões sobre o que aprendemos e é aí que entra AI.

Para finalizar podemos dizer que Machine Learning é um facilitador para AI.