Machine learning são conjuntos de regras e conceitos matemáticos utilizados para fazer previsões ou tomar ações baseados em dados, e não em programação, no sentido de otimizar alguns sistemas. É encontrar a ação correta dentro de um conjunto de ações, sem que alguém programe isto. Por exemplo, algoritmos de classificação supervisionada são utilizados para separar potenciais clientes em bons ou maus, considerando empréstimos financeiros, baseado em dados históricos. As técnicas utilizadas podem ser várias: Naive Bayes, SVM (Support Vector Machines), redes neurais, ensembles estatísticos, regras de associação, árvore de decisão, regressão logística, ou uma combinação delas.
Quando estes algorítimos são automatizados (pense em piloto automático, carros sem motoristas) são chamado de AI (inteligência artificial) ou, mais especificamente, deep learning. Se os dados são coletados a partir de sensores ou transmitidos via internet, então podemos chamar de machine learning ou deep learning ou ciência de dados aplicados à IoT (Internet of Things).
Algumas definições:
AI (Inteligência Artificial) - Foi criada na década de 60 para resolver problemas que são fáceis para os humanos mas difíceis para máquinas. Isto é bastante genérico e inclui todo tipo de tarefa como planejar, movimentar-se, reconhecer objetos e sons, falar, traduzir, realizar transações comerciais ou sociais, trabalho criativo (artes, música, poesia), etc.
Machine Learning - Dado um problema de AI que pode ser descrito em termos discretos (por exemplo, de um conjunto particular de ações, qual é o correto), e dado muitas informações sobre o mundo, descobrir qual é a ação "correta", sem que o programador programe. Normalmente, algo fora do processo é necessário para analisar se a ação é correta ou não. Em termos matemáticos é uma função, você alimenta a entrada e quer que ela produza a saída correta. Então, o problema todo é construir um modelo desta função de uma maneira automática.
Se conseguir fazer um programa que tenha comportamento como humano podemos dizer que é AI, mas se os parâmetros forem obtidos de forma automática a partir de uma base de dados, é machine learning.
Deep Learning - Um tipo de modelo matemático que pode ser pensado como uma composição de blocos simples (composição de função) de certo tipo, onde alguns destes blocos podem ser ajustados para melhor prever o resultado final.
A palavra "deep" quer dizer que a composição tem alguns destes blocos empilhados uns nos outros, a parte complicada é como ajustar os blocos que estão distantes da saída pois uma pequena mudança pode ter efeitos indiretos no resultado. Isto é feito através de backpropagation dentro de um processo maior chamado gradiente descendente os quais permite a mudança dos parâmetros de modo que melhore seu modelo.
Referências:
http://www.datasciencecentral.com/profiles/blogs/difference-between-machine-learning-data-science-ai-deep-learning
https://www.quora.com/What-is-the-difference-between-AI-Machine-Learning-NLP-and-Deep-Learning/answer/Dmitriy-Genzel?ref=t_page
Comentários
Postar um comentário