Fundamentos da IA
A IA moderna é criada com base na ciência de dados e no aprendizado de máquina. O objetivo principal da IA é usar computadores para funcionalidades geralmente associadas a humanos. Vamos ver que os conceitos de ciência de dados dão suporte à base da IA.
O que é ciência de dados?
A ciência de dados é um campo interdisciplinar cujo objetivo é alcançar a IA. Ela usa principalmente técnicas de estatísticas e aprendizado de máquina. Na maioria dos casos, os cientistas de dados são os especialistas responsáveis pela solução de problemas de IA.
O que é machine learning?
Machine learning é uma técnica em que um computador analisa grandes volumes de dados para encontrar padrões. Essa técnica é frequentemente usada para fins de IA. O machine learning usa algoritmos que treinam o computador para aprender padrões com base em recursos diferenciados sobre os dados. Quanto mais dados de treinamento, mais precisas são as previsões.
Estes são alguns exemplos:
- Detecção de spam por email – o aprendizado de máquina pode procurar padrões em que o email tenha palavras como "gratuito" ou "garantia", o domínio de endereço de email está em uma lista bloqueada ou um link exibido no texto não corresponde à URL por trás dele.
- Detecção de fraude de cartão de crédito - o aprendizado de máquina é capaz de examinar padrões como gastos em um CEP que o proprietário geralmente não visita, compra de um item caro ou uma sequência repentina de compras seguidas.
O que é aprendizado profundo?
O aprendizado profundo é um subconjunto do aprendizado de máquina. O aprendizado profundo imita a maneira como o cérebro humano processa informações, emulando uma rede neural artificial conectada. Ao contrário do machine learning, o aprendizado profundo é capaz de descobrir padrões complexos e diferenciar recursos nos dados por conta própria. Normalmente, ele funciona usando dados não estruturados, como imagens, texto e áudio. Requer enormes quantidades de dados para uma melhor análise e enorme poder de computação para maior velocidade.
Por exemplo, o aprendizado profundo pode ser usado para detectar células cancerosas em imagens médicas. O aprendizado profundo examina cada pixel da imagem como entrada para os nós neurais. Os nós analisam cada pixel para filtrar as características que denotam a presença do câncer. Cada camada de nós envia suas conclusões sobre possíveis células cancerosas para a próxima camada de nós a fim de repetir o processo e, por fim, agregar todas as conclusões para determinar a classificação da imagem. Por exemplo, a imagem pode ser classificada como uma imagem íntegra ou uma imagem com características cancerígenas.
A seguir, vamos explorar quatro categorias de ferramentas da Microsoft que você pode usar para adicionar IA ao seu negócio.