Desmistificando a diferença entre Machine Learning e Inteligência Artificial.
Muitos podem confundir e achar que AI (Inteligência Artificial) e Machine Learning são sinônimos, mas a inteligência artificial é um conceito amplo que inclui o aprendizado de máquina como um dos seus recursos.
John McCarthy cunhou o termo Inteligência Artificial em 1956. AI envolve máquinas que podem realizar tarefas que são características da inteligência humana. Embora seja um pouco genérico, inclui coisas como compreensão da linguagem, identificação de objetos e sons, planejamento, resolução de problemas e aprendizagem.
Um sistema inteligente não precisa, necessariamente, ser algo próximo do raciocínio humano. De todo modo, não deixa de existir alguma lógica. Os humanos, são capazes de analisar dados, encontrar padrões ou tendências neles, de fazer análises mais apuradas a partir daí e, então, utilizar as conclusões para tomar decisões. De certo modo, a inteligência artificial segue esse mesmo princípio.
Normalmente, quanto mais executamos uma tarefa, mais habilidosos ficamos nela. Isso é resultado da nossa capacidade de aprender. A repetição ou a execução frequente de procedimentos relacionados funciona como um treinamento para nós. Algo parecido ocorre nos sistemas de inteligência artificial: dados disponíveis publicamente ou registrados em plataformas próprias servem de treinamento para os algoritmos de inteligência artificial.
O termo Aprendizado de Máquina foi cunhado não muito depois da IA, em 1959, por Arthur Samuel. É definido como “a capacidade de aprender sem ser diretamente programado”. Podemos construir IA sem usar o aprendizado de máquina, mas isso exigiria a construção de milhões de linhas de códigos com regras e árvores de decisão complexas.
O aprendizado de máquina é um sistema que pode modificar seu comportamento autonomamente tendo como base a sua própria experiência A interferência humana aqui é mínima. A tal modificação comportamental consiste, basicamente, no estabelecimento de regras lógicas, que visam melhorar o desempenho de uma tarefa ou, dependendo da aplicação, tomar a decisão mais apropriada para o contexto. Essas regras são geradas com base no reconhecimento de padrões dentro dos dados analisados.
Pense em uma pessoa que digita a palavra bravo em um site de busca. O serviço precisa analisar uma série de parâmetros para decidir se exibe resultados equivalentes a enfurecido ou a corajoso, dois significados possíveis. Entre os numerosos parâmetros disponíveis está o histórico de pesquisa do usuário: se minutos antes ele tiver buscado por coragem, por exemplo, o segundo significado é o mais provável.
Esse foi um exemplo básico, mas que ilustra alguns aspectos importantes do machine learning. É importante que sistemas do tipo façam análises com base em uma quantidade significativa de dados, coisa que os buscadores têm de sobra por conta dos milhões de acessos que recebem e que, consequentemente, servem de treinamento.
Espero que este post tenha ajudado a esclarecer suas dúvidas sobre o assunto.
Fontes: https://tecnoblog.net/247820/machine-learning-ia-o-que-e/
https://www.techsophy.com/blog-artificial-intelligence-machine-learning-deep-learning/
