Como Aprende A Inteligência Artificial?
Uma das características mais essencial da Inteligência Artificial, é a sua competência de entender automaticamente. Por esta postagem, vamos explicar como aprende a Inteligência Artificial e os tipos de aprendizagem que existem. Para torná-lo mais envolvente, vamos começar com um exemplo.
Imaginaos que nós precisamos escrever um programa para detectar se um email é spam ou não. Poderíamos tentar eliminar os e-mails que tivessem várias expressões. As frases as colocaria em um arquivo para que fosse menos difícil editá-lo, é claro. Seria quase irreal que nos aconteçam, todas as expressões (ou combinações de frases) que pôr no ficheiro.
Assim que continuaremos recebendo spam. Provavelmente alguns e-mails seriam classificados como spam, sem realmente sê-lo. Assim que perderíamos mensagens. Podemos melhorar nosso arquivo, integrar outro ficheiro explicando que novas combinações de palavras são autorizadas, etc., Mas requer muito trabalho da nossa divisão, e as pessoas que envia e-lixo, acabaria encontrando a maneira de ultrapassar as nossas regras. Usando técnicas de Inteligência Artificial, e em específico usando a Machine Learning podemos salvar esse serviço.
queremos oferecer à IA uma listagem de e-mails legítimos e outra de e-lixo. Esta é toda a informação que a Inteligência Artificial necessita entender a diferença. Não só nos poupar o serviço de fazê-lo para nós; além do mais, os resultados serão melhores do que nós poderíamos ter feito.
A forma de aprender de inteligência artificial depende do tipo de aprendizagem automática (machine learning), que estamos utilizando. Podemos diferenciar quatro tipos de machine learning segundo a supervisão de que precisam: supervisionada, não supervisionada, semi-supervisionado e por reforço. O aprendizado supervisionado, recebe o nome de “supervisionado” em razão de necessita que a toda a hora lhe ensinamos a resposta correta. Como por exemplo, pra solucionar a dificuldade de rotular e-mails como spam ou não spam, você precisa que lhe demos exemplos históricos corretamente classificados.
Em algumas expressões, para cada caso de exemplo que lhe demos, você tem que saber se o e-mail era spam ou não. Sabendo qual era a resposta correta, a Inteligência Artificial que aprende com seus próprios erros. Muitos algoritmos supervisionados começam a dar respostas aleatórias e depois vão melhorando à proporção que aprendem com os seus erros. O aprendizado supervisionado é muito vantajoso quando desejamos que a Inteligência Artificial realizar uma tarefa no futuro. Esta característica faz a este tipo de aprendizagem muito atraente pra muitos negócios.
- Suporte pra telefones com indicações na tela
- três Texas Instruments TI-99
- Manda imagens do carretel
- Concha de náutilo
No ambiente empresarial, o aprendizado supervisionado é também chamado de “teste preditivo”. 4. Usar esse padrão com dados novos. Este método está um tanto simplificado. Em outro post o estenderei, mas apresenta uma idéia da forma de meditar acerca do aprendizado supervisionado. O aprendizado não supervisionado, não tem de supervisão.
Isto ou seja que não tem que que lhe contar qual é a resposta correta. Também significa que não podemos calcular o erro de seus resultados. Quando usamos aprendizagem não-supervisionada, a Inteligência Artificial que aprende com os mesmos dados, por desse jeito expor. O aprendizado não supervisionado é vantajoso quando podemos captar melhor nossos dados históricos.
Pode ter implicações no futuro, entretanto que não são tão óbvias. A principal vantagem de cara ao futuro é que nós, os humanos, entendemos melhor nossos dados. Com este novo entendimento revelado por AI, desejamos tomar melhores decisões. Os supermercados geram diversos dados.
Entre eles, estão os detalhes de cada comprador compra. Embora não tenham a forma de saber quem você é, sim, sabem o que um cliente anónimo trouxe o carrinho de compras. Quando damos a IA as informações do carrinho de compras, não dizemos o que tem que fazer com eles. Neste significado, não há nenhuma “solução certa”.