Afinal de contas, o que é Deep Learning?
Um click, um acesso, um segundo na página. Pronto! Não precisa muito para que um novo dado seja produzido para integrar o gigantesco universo do Big Data, cuja produção de dados é estimada em mais de 4,5 quintilhões de bytes diariamente em todo o mundo[1]. Difícil até de imaginar esse número, não é mesmo?
Mais do que conseguir dimensionar, entender essa avalanche de informações é missão ainda mais complexa. Por isso, só mesmo com o uso de tecnologias inteligentes para conseguir decodificar e analisar esses dados. E assim, auxiliar empresas a compreender comportamentos e tendências, identificar oportunidades e, principalmente, definir suas estratégias de mercado.
Inovação tecnológica
Entre as técnicas de Inteligência Artificial existentes, o Deep Learning – em português, aprendizagem profunda – é considerada a maior disrupção tecnológica da área, que permitiu avanços significativos nos últimos anos nesse processo de análise de dados.
Leia mais
Você sabe a diferença entre Machine Learning e Deep Learning?
O Deep Learning consiste em uma técnica de Machine Learning que se utiliza de redes neurais profundas para o processamento das informações e a aprendizagem. Diferentemente das outras técnicas existentes, o Deep Learning é capaz de trabalhar com a análise de dados brutos, o que possibilita um campo de atuação mais amplo frente às outras técnicas, e pode classificar informações contidas em diferentes formatos, como: áudios, textos, imagens, sensores e bancos de dados.
Entendendo o Deep Learning
Na prática, quando um sistema inteligente é alimentado por um novo dado, cada neurônio artificial que o compõe esse sistema fica responsável por atribuir um peso àquela informação e transmitir essa avaliação para o próximo nível da rede neural.
No caso de uma imagem, por exemplo, cada camada da rede neural se concentra em algum aspecto específico da imagem e constrói uma compreensão sobre aquilo. Desta maneira, o resultado dessas avaliações é que determinará a saída do sistema.
A ilustração[2] abaixo demonstra esse processo com a entrada de uma imagem de uma tartaruga.
Na entrada, a imagem é dividida em pixels. E nas camadas subsequentes são atribuídos valores e compreensão sobre: os pixels, as arestas das imagens, as combinações da figura, as características da imagem e, por fim, a combinação desses recursos até se chegar à confirmação de que aquela imagem é de uma tartaruga.
O exemplo é simplista, mas as aplicações do Deep Learning são inúmeras. Atualmente, as taxas de acerto verificadas usando sistemas inteligentes superam a capacidade humana no processamento de dados.
Aplicações em Deep Learning
Algumas das possibilidades existentes são:
- Desenvolvimento de sistemas que fazem o reconhecimento automático de documentos;
- Combate a fraudes no sistema financeiro, a partir da detecção de anomalias;
- Compreensão do comportamento do cliente e sua propensão de comprar determinado produto ou serviço;
- Recomendação de informações, produtos e serviços para clientes;
- Colaboração para o diagnóstico preciso de doenças;
- Reconhecimento de voz, face e veículos;
- Entre outros.
Ficou curioso para entender um pouco mais sobre as aplicações em Deep Learning? Semana que vem vamos falar sobre o cérebro por trás da Inteligência Artificial. Não perca!
[1] Fonte: Sérgio Fontura, líder de Big Data e Analytics da IBM Brasil. https://goo.gl/uwoZk6
[2] Fonte: UK HOUSE OF LORDS, APRIL 2018, pag. 15: https://goo.gl/d9GPwv
