Deep Learning: Conheça tecnologia que aprofunda ainda mais o Machine Learning

Você se lembra de um assunto que seu professor falava nas aulas de matemática chamada “conjuntos”? Havia uma ideia nesse conceito de que os elementos de um dado conjunto podiam “pertencer” a outro ou até mesmo que um conjunto pode “estar contido” em outro. Vamos resgatar essa ideia complexa para as mentes de humanas ao falar de Deep Learning.

O Deep Learning é uma tecnologia que está contida (ou seja, faz parte) do Machine Learning, que por sua vez pertence às várias tecnologias que integram a Inteligência Artificial. Então, se você achava que o Deep Learning era algo diferente do Machine Learning, já vamos parar por aqui.

O que difere um do outro é que o deep learning, como o nome já sugere, é um “aprendizado profundo”, um pouco mais aprimorado que o Machine Learning. Enquanto o ML necessita ser alimentado constantemente com dados para conhecer os padrões e aprender com eles, o DL tenta simular a mente humana, aprendendo a identificar algo de maneira muito mais rápida. E é nesta tentativa de “imitar” o nosso cérebro, que entra em cena as redes neurais.

“Uma rede neural é composta basicamente por uma camada de entrada (input layer) que recebe os dados (uma imagem, um texto, etc.) e uma ou mais camadas escondidas (hidden layers) compostas por um conjunto de neurônios artificiais onde seus pesos são inicializados aleatoriamente. Depois de dezenas, centenas ou milhares de iterações, esses pesos são modificados (eles aprendem) por um algoritmo de otimização baseado no algoritmo conhecido como backpropagation. Há também, por fim, uma camada de saída (output layer) que tenta aproximar a saída desejada (resposta do sistema) a uma representação dos dados de entrada”, explica o pesquisador da Vale Institute of Technology, Schubert Carvalho.

Parece ser algo complexo, mas o CEO da Arteonic, Nilton Guedes usou o exemplo de nós (de corda, não a primeira pessoa do plural) para nos ajudar a entender melhor o que são essas redes: “cada nó, na verdade, é uma pequena equação que irá processar ou calcular uma informação. Podemos dizer que uma rede neural é uma sequência de camadas de equações, onde os dados entram na primeira camada e vão sendo processados ao longo diversas camadas dessas equações. A camada final dessa rede neural é o resultado extraído ou obtido de alguma maneira, seja numérica ou através de informações de voz ou de imagens”, diz.

Se existe uma coisa que o Deep Learning tem em comum com várias outras tecnologias que comentamos por aqui, é o fato de que ele está bem presente no nosso dia a dia e a gente nem percebe. O Deep Learning é usado pelo Google para traduzir textos, pelo Netflix para nos sugerir séries e pelo Facebook para identificar quem é quem numa foto.

E como que ele faz isso e de forma tão rápida? Nilton dá um outro exemplo para explicar isso:

“Quando queremos ensinar uma pessoa a verificar uma linha de montagem, a isolar uma peça com defeito dentro de uma fábrica, o que a gente faz? A gente ensina essa pessoa mostrando vários modelos de uma peça perfeita, nos seus mínimos detalhes e também mostramos a ela algumas que estejam com defeitos. Explicamos para ela quais são esses defeitos, para ela saber quando uma peça deve ser retirada dessa linha de montagem. Com a rede neural é exatamente a mesma coisa. Se quiser uma rede neural que identifique, por exemplo, uma flor de laranjeira, o que a gente vai fazer? Iremos treinar essa rede neural com milhares de fotos de diferentes flores e dizer sempre quando a flor é ou não é de laranjeira. Depois de muitas rodadas de verificação, com muitas imagens e muito treino, o sistema irá identificar as flores de laranjeira numa precisão muito grande. Diria que numa precisão maior da que um homem é capaz de ter”.

E como toda boa tecnologia que se preze, os pesquisadores e empresas não querem que ela fique presa apenas na melhoria da sua experiência com a internet. Nilton Guedes apontou uma série de aplicações possíveis para o Deep Learning num futuro perto de você:

“Sistemas de atendimento telefônico, identificação de segurança através de fotos, sistemas de controle de qualidade em fábricas, direção autônoma em veículos, sistemas de reconhecimento ou análise de imagens, reconhecimento de voz. Além das análises e diagnósticos na área de saúde, e análise de risco e crédito no mercado financeiro. Nós vamos ver uma verdadeira revolução nas nossas vidas no próximo cinco a dez anos graças ao advento dessas ciências, e é uma coisa irreversível em diversas áreas da nossa vida de uma maneira geral”, aponta o CEO.

Caso queira conhecer um pouco mais sobre Deep Learning, esta tecnologia será tema do jogo “Desmistifando a IA”, promovido pela Adriana Silva durante o III Congresso de Data Science e Inteligência Artificial, da Live University. O evento rola nos dias 30 de setembro e 1º de outubro, em São Paulo, e você pode ter todas as informações sobre ele aqui!