5 maneiras que o Deep Learning está mudando nosso dia a dia
Deep Learing é uma parte de Machine Learning dentro do escopo de Inteligência Artificial (IA). Quando uma IA imita a capacidade do cérebro humano de processar informações, reconhecer padrões ou mesmo para tomar decisões, isto é Deep Learning (aprendizagem profunda). É o fato de usar múltiplas camadas de processamento para extrair informações de grande impacto a partir de uma entrada de dados. O significado da palavra ‘profunda’ do termo aprendizagem profunda é referente ao número de camadas através dos quais os dados são processados. Por meio disso é possível aprender padrões de dados não rotulados ou desestruturados. Os algoritmos de aprendizagem profundas performam repetidamente a tarefa de melhorar seus resultados, pode ser comparado à como nós, que aprendemos pela experiência.
Uma grande quantidade de dados que são criados a cada segundo por mecanismos de pesquisa, redes sociais, sites de vendas e vários outros meios, esse fato tem aberto portas para o grande potencial do Deep Learning. Junto à isso, hoje temos um imenso poder computacional disponível que gera um grande impacto no uso de algoritmos de Deep Learning. Além de que existem muitos avanços na área de IA, como os carros autônomos, máquinas que competem em jogos como o AlphaGo, assistentes de voz e mais milhares de milhares de projetos. Tudo isso tem sido possível pelo uso de Deep Learning.
Vamos às 5 aplicações de Deep Learning no nosso dia a dia:
- Reconhecimento de fala em Assistentes Virtuais
Os maiores assistentes virtuais como Siri, Alexa e Cortana são baseadas em Deep Learning. Estas aplicações conseguem executar tarefas e serviços baseadas em comandos de voz interpretados na fala humana. Quanto mais uma pessoa interage com seus dispositivos, mais dados de treinamento são gerados e usados para a melhora da precisão da ferramenta. Esses dados podem ser utilizados para determinar o comportamento e as preferências dos usuários, torando assim a interação entre homem-máquina mais sutil.
2. Reconhecimento Facial
Em aprendizagem profundo, Reconhecimento Facial (RF) é basicamente o processo de identificação ou verificação de uma pessoa em uma imagem digital ou vídeo. RF trabalha comparando características faciais de uma imagem com outras em um banco de dados. Uma aplicação como essa é anti-falsificações de imagens faciais. A detecção de falsificações em reconhecimento facial é usada em aplicações em que a pessoa é analisada apenas mostrando seu rosto em frente a câmera. Outras formas de se usar o reconhecimento fácil é marcando pessoas nas fotos do Facebook e recomendando quem provavelmente está presente na imagem.
3. Recomendações personalizadas
As sugestões da Netflix sobre o que você poderia assistir a seguir não é nada mais que um algoritmo de Deep Learning trabalhando por baixo dos panos.
Existem dois tipos de sistemas de recomendação:
(I) Filtro Colaborativo: Esse tipo de filtro se baseia na avaliação de usuários com um perfil parecido com o nosso e tenta recomendar um filme que nós ainda não assistimos. E assim o algoritmo tenta prever a avaliação de um usuário baseado em seu comportamento passado.
(II) Filtro Baseado em Conteúdo: Já esse filtro usa uma série de características descritivas de um filme para recomendar um novo filme por de pontos semelhantes entre os elementos.
4. Cuidados com à Saúde
Deep Learning tem sido amplamente usado em companhias farmacêuticas e médicas para aplicações que lidam com diagnósticos de imagens. Isso tem ajudado aos médicos diagnosticarem os pacientes com mais precisão, fazendo previsões sobre a saúde futura dos pacientes e recomendando melhores tratamentos. Redes Neurais Convolucionais (CNNs) em Deep Learning costumam ser usadas para analisar imagens de raio X e exames de ressonância magnética.
5. Noticias Personalizadas
Ultimamente, a oferta de notícias customizadas para cada leitor tem sido feita através do Deep Learning. Novas tecnologias tem definido os tipos de leitores que estão sendo usados para filtrar as notícias, seja por localização, grupo social, padrões econômicas ou mesmo de acordo com as preferências individuais dos leitores. Um exemplo disso é o Google News que usa Machine Learning para organizar as notícias para os leitores.
Outra aplicação na área de notícias é a detecção de fake news. Fake news é uma informação sem embasamento ou pode ser considerada uma notícia manipulada, espalhada através das redes sociais com a intenção de denegrir uma pessoa, agência e/ou organização. Utilizando modelos de classificação que usam Deep Learning, tem sido possível detectar informações falsas ou enviesadas e removê-las dos feeds, ou mesmo dar um aviso possível violação privacidade.
Galera, esse foi uma tradução do artigo: 5 ways Deep Learning is changing our day-to-day life.
Todos os créditos são do grupo Data-Drive Science.
