Deep Learning: nunca vi, nem comi mas já ouvi falar!
Este post é destinado a pessoas não técnicas em Ciência de Dados, mas que querem ter uma ideia sobre o que é Deep Learning
Se você está conectado de alguma forma com notícias relacionadas a TI, é quase certo que você tem ouvido com frequência o termo Deep Learning certo? Mas o que é isso afinal? E por que ultimamente todo mundo tem falado sobre isso?
No post anterior, eu tentei explicar o que são Redes Neurais e em que contexto tal técnica tem sido aplicada. Uma vez que você entende o que é uma Rede Neural, você é perfeitamente capaz de dar um passo a frente e entender Deep Learning (confia em mim!)
Vamos pegar como um exemplo motivacional a foto abaixo (que foi retirada da Creative Commons, logo, é livre para utilização).
Você é capaz de compreender que esta fotografia é composta de diferentes camadas, certo? Você consegue identificar uma criança guiando um cachorro (ou sendo guiada por ele), uma faixa de areia, uma parte que corresponde ao oceano e finalmente, uma camada que corresponde ao céu.
Em outras palavras, a sua percepção da fotografia como um todo é composta por uma composição de partes isoladas.
Ok, Andressa. Eu consigo entender o que você está falando. Mas, onde entra Deep Learning nesse exemplo?
Bom. As imagens a seguir ilustram como funciona uma Rede Neural e um Deep Learning. Você pode facilmente identificar que a diferença de ambas as técnicas consiste na quantidade de camada(s) intermediária(s), correto? E é exatamente isso: Deep Learning nada mais é do que uma Rede Neural, só que com (muito) mais camadas.
Em Deep Learning as camadas intermediárias são responsáveis por identificar as diversas partes que compõem a fotografia como um todo.
Mas por que então o nome não é Deep Neural Network?
Essa é uma ótima pergunta e eu não vou saber responder. Talvez seja uma questão de apelo. Vai ver Deep Learning é mais sexy do que Deep Neural Networks ;-)
Brincadeiras a parte, algumas referências utilizam o termo Deep Neural Network ao invés de Deep Learning. Se você consultar diferentes fontes, você vai perceber que trata-se da mesma coisa.
E onde mais posso utilizar Deep Learning?
Suponha que você trabalha observando imagens de satélite da costa marítima brasileira. Com Deep Learning, é possível identificar quando um intruso se aproxima, por exemplo. Nessa mesma linha de raciocínio, também é possível identificar atividades ilegais relacionadas a desmatamento na Mata Atlântica. Ou ainda, é possível identificar também, em uma imagem de pesca, a existência de determinadas espécies de peixe, cuja pesca pode estar proibida devido a ameaça de extinção.
O Google já utilizou agrupamento de suas fotos no Google Fotos utilizando Deep Learning. O reconhecimento de faces utilizada pelo Facebook, o DeepFace, também faz uso de Deep Learning. Esse ano, inclusive, o Facebook abriu para o público seu programa que reconhece imagens. O Google também não ficou pra trás, e abriu o seu conjunto de imagens para o público acessar.
É interessante entender também que assim como humanos, máquinas também erram. Nas imagens abaixo, em que se tentou utilizar Deep Learning para se atribuir uma legenda as fotos, é interessante observar que na última imagem (2a coluna, 2a linha), a técnica errou feio, errou rude. Afinal, uma pipa foi confundida com "um homem voando enquanto pilota uma prancha de snowboard"
Hein?!
É, pois é. Não se pode ganhar todas. Mas, em contra-partida, as legendas atribuídas por Deep Learning para as outras imagens são bastante razoáveis, não?
Enfim, diversas são as aplicações abordadas por Deep Learning. Se você tiver em mãos algum problema de reconhecimento de imagens, você pode sim pensar em Deep Learning como uma possível técnica. Só tenha cuidado: geralmente a aplicação de tal técnica exige bastante recurso computacional. Deve ser por isso que todas essas grandes estão disponibilizando publicamente seus recursos (conjunto de imagens e softwares desenvolvidos). Infelizmente, no fim, você, individualmente, não tem poder computacional para competir com eles, certo? Mas também não inviabiliza o seu uso. Lembre-se: não existe bala de prata! Cada cenário é um cenário…
