Entenda como se organizam os campos da IA em relação aos tipos de aplicações mais comuns

Os tipos de aplicações de Inteligência Artificial variam de acordo com as tecnologias empregadas. Existem várias, mas trouxemos os maiores grupos: os tipos de Machine Learning, Processamento de Linguagem Natural (PLN) e Visão Computacional.

Vale dizer que essas tecnologias não são estanques, ocorrendo intersecção entre elas. Por exemplo, existem algumas aplicações de Visão Computacional e de PLN que utilizam Machine Learning e Deep Learning.

1) Machine Learning

Tipos de Machine Learning. Fonte: Got It AI

Também há diferentes formas de categorizar Machine Learning, e uma bastante famosa é pelo tipo aprendizado de máquina, que varia segundo o tipo de feedback que é dado como parâmetro para seu aprendizado. Essas categorias possuem tipos de algoritmos e daremos alguns exemplos (lista não exaustiva):

Supervisionado: quando são fornecidos os exemplos de entrada e de saída esperada, por exemplo, você ensina a máquina a reconhecer imagens de gatos dando datasets (conjuntos de dados) de gatos e de não-gatos. Nessa categoria, os dados possuem rótulos (label), ou seja, no seu conjunto de dados você indica qual imagem é de um gato ou não-gato.

• Regressão: modelo que estuda as relações entre duas variáveis numéricas. É usado para diversas análises preditivas, como previsão de demandas, preços etc.
• Classificação: modelo que é utilizado para dizer a qual classe um objeto ou dado pertence, e pode ser usado para classificar imagens, por exemplo.

Dado conhecido | Resposta conhecida | Modelo | Novo dado | “É uma maçã!” . Fonte: What are the types of machine learning?

Não-supervisionado: você não tem a “resposta”, os dados não possuem rótulos e você não sabe como o resultado vai ser. O algoritmo vai identificar padrões e categorias dentro do conjunto de dados.

• Clustering: são utilizados para criar agrupamentos “escondidos” nos dados, por exemplo, agrupar filmes por gênero, clientes por comportamento de compra (tipo de produto, por exemplo), pessoas usuárias por estilo musical. É utilizado para criar sistemas de recomendação de serviços de streaming de música ou séries, por exemplo.
• Associação: são utilizados para descobrir regras que descrevem grandes partes de seus dados, como as pessoas que compram X também tendem a comprar Y.
  Otimização: são utilizados para otimizar pontos, caminhos, espaços etc. Por exemplo, otimização de espaço em container ou a melhor rota de entrega.

Dado de Entrada | Modelo: “Eu consigo ver um padrão”. Fonte: What are the types of machine learning?

Aprendizado por reforço: aprender por tentativa e erro, com o objetivo de maximizar seu sucesso, a partir de recompensas. O processo ocorre sem interferência humana e sem uma base de dados. Ele basicamente começa bem mal e eventualmente vai melhorando conforme a interação com o ambiente. Você deve ter visto o vídeo de uma IA aprendendo a andar (é fofo, vale o play!)

Este tipo de aprendizado é bastante utilizado nos modelos que aprendem jogos como Gamão, Xadrez, Go etc. E a aplicação mais prática é a dos carros autônomos.

Veja detalhes técnicos e matemáticos dos principais algoritmos de aprendizagem de máquina neste Guia rápido sobre vários algoritmos em diferentes tarefas de aprendizagem.

Observe na imagem dos Tipos de Machine Learning que há diferentes categorias de problemas em cada categoria de aprendizado. Há algoritmos prontos de ML que foram desenvolvidos por pesquisadoras e pesquisadores e hoje estão disponíveis nas bibliotecas das linguagens para desenvolvimento de aplicações. (Veja 10 Algoritmos de Aprendizagem de Máquinas que você precisa saber).

2) PLN (Processamento de Linguagem Natural)

O Processamento de Linguagem Natural ou Natural Processing Language – NPL, em inglês, é “a subárea da IA que estuda a capacidade e as limitações de uma máquina em entender a linguagem dos seres humanos. O objetivo do PLN é fornecer aos computadores a capacidade de entender e compor textos. “Entender” um texto significa reconhecer o contexto, fazer análise sintática, semântica, léxica e morfológica, criar resumos, extrair informação, interpretar os sentidos, analisar sentimentos e até aprender conceitos com os textos processados.” (O que é o Processamento de Linguagem Natural?)

Essa técnica é utilizada nos tradutores de texto, nos chatbots, nas assistentes virtuais.
É possível interpretar informações em formato de texto ou voz direto de uma pessoa, automaticamente. Isso acaba facilitando de mais a aproximação do humano com a máquina, os chatbots, por exemplo, são interfaces que podem utilizar tecnologias de PLN.

3) Visão Computacional

É o campo que permite às máquinas interpretar o conteúdo de imagens e vídeos.Veja como a startup Hoobox Robotics utiliza essa tecnologia para possibilitar que pessoas pudesse conduzir uma cadeira de rodas apenas com os movimentos do rosto.

“Basicamente, queremos ensinar as máquinas a ver como nós: nomear objetos, identificar pessoas, perceber a geometria 3D das coisas, compreender relações, emoções, ações e intenções” – TED “Como estamos ensinando os computadores a compreender fotos” (com legenda em português disponível) com a especialista em visão computacional Fei-Fei Li.

Quer saber sobre aplicações reais de Inteligência Artificial? Conheça cases de como empresas e instituições estão usando IA.