Compreendendo Inteligência Artificial e Aprendizado de Máquina

Inteligência artificial e aprendizado de máquina são termos em alta no setor de tecnologia que são frequentemente – e incorretamente – usados de forma intercambiável.

No nível básico, a inteligência artificial (IA) surge diretamente do estudo da ciência da computação, enquanto o aprendizado de máquina (AM) é um subconjunto da inteligência artificial, tornando-o duas vezes removido do campo principal da ciência da computação. Os dois se sobrepõem, mas não são a mesma coisa.

Para recapitular, a IA é um componente da ciência da computação que lida com sistemas de computador realizando tarefas com inteligência semelhante, igual ou superior à de um humano (por exemplo, tomada de decisão, classificação e detecção de objetos, reconhecimento e tradução de fala). Por outro lado, o AM foca no estudo de algoritmos, modelos estatísticos e reconhecimento de padrões que os sistemas de computador usam para realizar tarefas sem instrução explícita (programação). Isso permite que as máquinas aprendam por si mesmas e melhorem continuamente a partir de experiências passadas.

Este artigo abordará as diferenças e semelhanças entre inteligência artificial e aprendizado de máquina, o que cada um faz de forma independente e seus paralelos entre si.

A hierarquia da inteligência artificial e do aprendizado de máquina

Como mencionado anteriormente, IA e AM são inerentemente relacionados, mas não sinônimos. Em essência, todo aprendizado de máquina é inteligência artificial, mas nem toda inteligência artificial é aprendizado de máquina.

Ambos os termos vivem dentro do termo principal de ciência da computação (CC), com a IA sendo a mãe do AM. Para uma visualização simplificada, dê uma olhada neste diagrama:

Com isso em mente, há algumas diferenças-chave entre inteligência artificial e aprendizado de máquina que precisam ser discutidas antes de entender como os dois funcionam juntos.

Histórico e funções da inteligência artificial

A inteligência artificial remonta a séculos, mas se tornou viável pela primeira vez nos anos 1900 – e realmente decolou nos anos 1950. Quando o cientista da computação Alan Turing desenvolveu o Teste de Turing, ele criou o primeiro teste de inteligência de máquina em comparação com a de um humano.

Depois disso, cada década viu avanços na IA, desde robôs industriais na indústria automotiva até programas de computador interativos que podiam se comunicar com humanos (ou seja, a primeira concepção de chatbots), representações de bots humanizados em filmes de ficção científica e assistentes de voz em smartphones programados com capacidades de processamento de linguagem natural (PLN).

Todos esses avanços levaram a IA a se tornar comum em nossas vidas, tanto que muitas vezes não percebemos que muitos de nossos processos diários são alimentados por inteligência artificial.

Casos de uso da inteligência artificial

Se olharmos mais de perto alguns usos tangíveis da IA, é mais fácil entender como algumas aplicações de inteligência artificial se sobrepõem ao aprendizado de máquina, e mais simples distinguir as diferenças entre os dois.

Robótica

Embora as pessoas erroneamente assumam que a inteligência artificial se manifesta exclusivamente na robótica, ainda é verdade que a robótica é um subcomponente importante da IA. Alguns exemplos de robôs movidos por IA podem ser encontrados no setor de varejo e no campo médico. No varejo, robôs estão sendo usados para ajudar a estocar prateleiras, fazer inventário e relatar suas descobertas a um gerente humano. Na medicina, robôs estão sendo usados para ajudar cirurgiões a realizar cirurgias de alto nível como cirurgia cardíaca para uma abordagem menos invasiva.

Tecnologia educacional

Edtech, abreviação de tecnologia educacional, está trazendo a IA para o primeiro plano de avanços em salas de aula, e para alunos e instrutores. De quadros SMART a assistentes de tutoria inteligentes para crianças com dificuldades de aprendizagem ou para aqueles que simplesmente precisam de ajuda adicional, a IA está agindo como uma força positiva para manter os alunos no ritmo para o sucesso.

Chatbots

Chatbots são usados em quase todos os sites que encontramos. Quer sejam usados para atendimento ao cliente e responder a perguntas frequentes sobre um produto ou serviço ou para fornecer recomendações de compra em um site de comércio eletrônico, você não pode passar mais de um dia sem encontrar um. Chatbots podem até atuar como assistentes pessoais, ajudando a definir lembretes sobre eventos de calendário e compromissos, bem como ajudando a agendar reuniões.

Histórico e funções do aprendizado de máquina

As raízes do aprendizado de máquina podem ser rastreadas em uma linha do tempo semelhante à da IA, mas isso porque o AM não poderia existir sem a inteligência artificial existir primeiro. Ainda assim, há algumas datas-chave na história do AM específicas de sua própria linha do tempo.

Em 1949, o cientista da computação Arthur Samuel trabalhou no primeiro computador de programa armazenado da IBM, o 701. Dez anos depois, ele completou o desenvolvimento de um programa de computador para jogar damas – o primeiro a aprender independentemente a jogar um jogo usando um algoritmo de aprendizado de máquina chamado poda alfa-beta. Ele também desenvolveu uma função de pontuação que mediu a chance de vitória para cada jogador com base na posição das peças no tabuleiro de damas de cada lado. Considerou o número de peças restantes, quantos reis cada jogador tinha e o número de damas próximas de serem "coroadas" primeiro.

Samuel projetou outras maneiras de ajudar seu programa de damas a melhorar, incluindo técnicas de aprendizado por repetição. Aprendizado por repetição é inerentemente a essência do aprendizado de máquina; é uma técnica de aprendizado baseada totalmente em repetição e memorização. O objetivo do aprendizado por repetição é que quanto mais uma pessoa (ou, neste caso, um programa de aprendizado de máquina) estuda e memoriza algo, maior a probabilidade de que o indivíduo (ou programa) se lembre do que aprendeu. Assim, o consumo leva à lembrança e compreensão, o que abre caminho para construir e melhorar o que foi aprendido.

Como o aprendizado de máquina é baseado em algoritmos que fazem previsões sobre os próximos passos, Samuel usou isso para treinar o programa de AM para lembrar as posições que tinha visto no tabuleiro de damas, bem como o valor de certas posições (por exemplo, proximidade de ser coroado, centro vs. fim do tabuleiro, etc.). Para continuar aumentando a precisão desse algoritmo, Samuel fez com que ele jogasse contra si mesmo como uma técnica de treinamento avançada.

O programa de damas de computador ajudou a catapultar o aprendizado de máquina para o primeiro plano da exploração contínua da inteligência artificial.

Casos de uso do aprendizado de máquina

Assim como a IA, as aplicações do aprendizado de máquina já existem – incluindo aquelas que usamos regularmente. A lista a seguir não é exaustiva, mas oferece uma boa visão geral de algumas maneiras atuais de uso do AM.

Veículos autônomos e dados de mapas de GPS

Carros autônomos são um exemplo principal de aprendizado de máquina em ação. Algoritmos de AM usam redes neurais, visão computacional e IA para reconhecer o tipo de estrada em que estão dirigindo, o que certos sinais de trânsito significam, se há um semáforo, se há pedestres ou outros carros na estrada e quaisquer outras obstruções aleatórias que o veículo autônomo possa encontrar.

Além disso, sempre que você usa seu telefone para direções de GPS, o aprendizado de máquina está em ação. Assim como aprendemos a dirigir com base na prática e seguindo a mesma rota e movimentos (por exemplo, uma curva à direita, um retorno, uma mudança de faixa), o algoritmo de AM aprende com padrões de rota para aumentar sua precisão na navegação e na adesão às leis de trânsito.

GIF cortesia de ZME Science via Chris Urmson

Reconhecimento facial

O aprendizado de máquina é usado em todos os aspectos da biometria. A autenticação biométrica é uma forma de segurança e identificação baseada em características físicas (por exemplo, seus olhos, impressão digital ou – você adivinhou – rosto). Como os algoritmos de AM são treinados para reconhecer objetos e padrões, o reconhecimento facial se baseia na visão computacional e no AM para ajudar os sistemas a reconhecer características físicas a fim de autenticar que a pessoa tentando acessar um dispositivo é realmente a pessoa que o possui.

Anúncios direcionados

Sempre que você está online e pesquisa algo, dados estão sendo adquiridos sobre seus termos de pesquisa, suas informações demográficas, interesses de pesquisa relacionados e mais. O marketing de IA usa algoritmos de aprendizado de máquina para rastrear padrões em seus hábitos online (bem como os de outros) e fazer suposições sobre seus padrões de compra, quem você é e como melhor direcionar anúncios para você. Por exemplo, se você é alguém que realmente gosta de bolsas, provavelmente receberá um anúncio de bolsas na Amazon.

Inteligência artificial vs. aprendizado de máquina – o guia rápido

Para resumir de forma concisa as informações acima, aqui está um guia rápido para ajudá-lo a lembrar as diferenças básicas entre IA e AM!

Quer continuar aprendendo sobre inteligência artificial e aprendizado de máquina? Confira nosso extenso glossário de termos de IA.