Neste artigo,  vamos aprender sobre o que é o Deep Learning, como ele  funciona e quais são suas principais aplicações. 

Para compreender o que é Deep Learning, é importante conhecer os seguintes conceitos:

Inteligência Artificial

  De forma geral, Inteligência Artificial é a capacidade de máquinas realizarem tarefas que são características da inteligência humana como, por exemplo, reconhecer objetos, interpretar textos, dirigir carros, etc.

Aprendizado de Máquina

Também conhecido como Machine Learning é o processo pelo qual as máquinas são treinadas para realizarem estas funções sem que pareçam programadas para isto, como se estivessem “aprendendo” conforme são utilizadas ou por meio de exemplos.

Deep Learning

Ou “Aprendizagem Profunda”, é uma subcategoria do Aprendizado de Máquina e se baseia na tecnologia de Redes Neurais Artificiais para realizar este treinamento.

Como foi dito, Deep Learning é fundamentado em Redes Neurais Artificiais, que são técnicas computacionais que apresentam um modelo matemático inspirado na estrutura neural de organismos inteligentes e que adquirem conhecimento através da experiência (treinamento). Basicamente uma rede neural possui entradas que são os padrões a serem classificados, pesos que serão utilizados nas interações com os neurônios, e a saída que é o resultado desta classificação. Conforme [4], a maioria dos modelos de redes neurais possui alguma regra de treinamento, onde os pesos de suas conexões são ajustados de acordo com os padrões apresentados. Em outras palavras, elas aprendem através de exemplos.

A Figura a seguir, obtida em [5], ilustra um exemplo de uma Rede Neural Artificial de 2 camadas de neurônios, 4 entradas e 2 saídas.

Já o Deep Learning foi introduzido na década de 80 por Rina Dechter [6], mas vem ganhando notoriedade de forma relativamente recente, pois é uma técnica que necessita de um certo poder de processamento. Esta técnica consiste em uma rede neural com muitas camadas intermediárias de neurônios, como pode ser visto na Figura a seguir, adaptada de [7]. Entretanto, apesar do Deep Learning ser extremamente popular e ter um bom resultado, ainda não existe uma explicação clara do motivo pelo qual aumentar o número de camadas é benéfico para a rede neural.

Existem várias aplicações práticas para o Deep Learning [8], como por exemplo: gerar sons para filmes mudos; elaborar legendas descritivas para imagens; dirigir carros automatizados; fazer diagnósticos médicos; entre outros. Além disso, grandes empresas como Google e Microsoft também a utilizam em ferramentas como o Google Translate e o Cortana (assistente personalizado da Microsoft).

Concluindo, vimos que o Deep Learning é uma subcategoria do Aprendizado de Máquina que utiliza redes neurais para aprender, com exemplos, a realizar tarefas que são características de humanos. Sua utilização levou a  grandes avanços para a Inteligência Artificial nos últimos anos, com importantes aplicações práticas para o mesmo.

Referências

[1]

[2]

[3]

[4]

[5]

[6]  Rina Dechter (1986). Learning while searching in constraint-satisfaction problems. University of California, Computer Science Department, Cognitive Systems Laboratory.

[7]

[8]