as máquinas podem pensar a não ser que você esteja Vivendo em uma caverna você provavelmente já ouviu falar de Inteligência Artificial e dependendo de um com por dentro você sabe o assunto você provavelmente também eu vou falar em um dos termos mais quentes esse assunto aprendizado de máquina ou em inglês machine learning esses dois termos são relacionados mas não significam a mesma coisa a ideia de Inteligência Artificial foi popularizada por Alan turing com sua famosa pergunta máquinas podem pensar em 1950 no seu artigo com quilting machinery and intelligence Nesse artigo o Túlio escreveu uma máquina
capaz de enganar um ser humano fingindo que também é um ser humano isso ficou conhecido como teste de trem e Inclusive eu já fiz um vídeo sobre Então procure uma inteligência artificial seria uma máquina capaz de realizar atividades humanas de uma forma que o outro ser humano não conseguiria distinguir-se atividade foi feita por uma máquina ou por um celular em outras palavras o Inteligência Artificial seria a capacidade que uma máquina teria de imitar o comportamento humano agora questão que surja como é que nós podemos criar uma máquina que consegui me traga o comportamento humano de
uma forma tão realista que seja difícil distinguir-se estamos lidando com um ser humano ou uma máquina essa pergunta não é tão simples e responde E desde que tudo em um sou seu artigo em 1950 diversos grupos de pesquisadores têm se dedicado exclusivamente a resolver essa questão um bom começo o seguinte se nós estamos querendo imitar a inteligência Humana porque que nós vamos começamos a partir dela e já que nós vamos imitar a inteligência humana Que tal nós nos tornarmos mais inteligentes e adquirirmos mais habilidades porque você sabe né eu sei que você sabe a hora
aquele momento do vídeo A Hora do momento falo eu prometo que vai ser rápido mas já que nós estamos falando sobre inteligências artificiais em machine learning Que tal aprender mais sobre esses dois tópicos com a luta e melhor ainda que tal aprender um pouco de tudo com apenas uma assinatura na lua e se é possível você pode aprender Machine dormir diversas linguagens de programação com a minha favorita que aparentam só se você veio de outra linguagem tipos e não esqueça de usar identação isso é importante edição de vídeos design e até curso de nossa e
o melhor de tudo é que você não precisa pagar separadamente por nenhum desses cursos com apenas uma assinatura na altura você tem acesso instantâneo a todos eles que tal aprender uma habilidade nova hoje não importa se você quer uma pigraid na sua carreira ou apenas conseguir mais conhecimento porque é sempre uma boa ideia na lua você pode conseguir tudo isso ao mesmo tempo e existe uma promoção especial para os inscritos o Ciência todo dia você está a um clique de distância de uma assinatura que Expandir os horizontes do seu o e Conhecimento vale ouro eu
prometi a ser rápido agora de volta nossa discussão Se nós queremos imitar a inteligência humana Que tal começar por ela Nós seres humanos aprendemos sobre o mundo desde o momento em que nascemos e começamos a observar e interagir com o ambiente ao nosso redor tudo que os nossos sentidos captam veja o momento em que nascemos se transformam em dados do nosso cérebro e dessa forma conseguimos os adaptaram e ao contrário do que muitas pessoas acreditam bebês não nascem com o cérebro e branco nós já viemos ao mundo com vários conhecimentos inatos que nós vamos aprimorando
com o passar do tempo uma coisa interessante aqui Nós aprendemos observar padrões vamos imaginar o seguinte cenário uma criança de quatro anos ainda na fase de aprendizado que está segurando brinker pode ser uma peça de Lego carrinho ursinho de pelúcia qualquer brinquedo que você possa imaginar agora a criança Solta esse brinquedo e ele obviamente cai no chão hum interessante a criança pega o brinquedo do chão levanta e solta novamente Oi gente o brinquedo Carniel ainda mais interessante a criança faz experimento diversa de diversas diversas vezes até que ela chega a uma conclusão tudo que ela
soltar vai cair no chão isso é interessante porque a criança no auge dos seus quatro anos não precisa entender sobre força gravitacional ou resolver equações de física para entender que tudo que ela levanta e solta vai cair no chão ela não precisa de conhecimentos prévios de física muito menos que ela está em um planeta que a força gravitacional atrai tudo para o seu centro pelo contrário para entender o que está acontecendo agora só precisa fazer uma série de experimentos e observar que há um padrão esses experimentos tudo que ela levanta depois de ser solto vai
cair de volta para o chá em outras palavras a criança aprende a observar e analisar padrões todos esses experimentos viram dados obtidos pelo cérebro da Criança e que serão utilizados para o resto da sua vida esse exemplo foi só uma de números interações e observações do ambiente que nós temos desde o momento que nós nascemos até hoje desde conseguir diferenciar um o gato lê Até aprender as placas de trânsito na hora de dirigir mas sempre observamos interagimos com o ambiente e assim vamos obtendo dados que nos ajudam a realizar tarefas no nosso cotidiano Se quisermos
obter uma inteligência artificial então não seria uma boa ideia desenvolver um método que imita essa forma de aprendizado dos seres humanos ou seja um método que faça a máquina Obter dados do mundo observar esses dados e conseguir então realizar tarefas essa é exatamente a ideia de uma chillarmy ou aprendizado de máquina o aprendizado de máquina é a ciência de fazer com que os computadores funcionam em sem ser explicitamente programados de acordo com o popular curso de aprendizado de máquina de teste já que o pesquisador e o estilo boêmio e vencedor do prémio turing de 2018
a pesquisa e aprendizado de máquina faz parte da pesquisa Inteligência Artificial que busca fornecer conhecimentos computadores por meio de dados observações e interações com o mundo esse conhecimento adquirido permitidos como saber a camisa em corretamente para novas configurações mas o que significa essas duas injeções o aprendizado de máquina e um método que faz a máquina receber dados observar e interagir usando esses dados mas nós não iremos explicitamente dizer como ela deve fazer isso pelo contrário mas iremos apenas deixar que modelo aprenda por ser só ela terá que se virar sozinha para entender a relação entre
esses dados qualquer semelhança com a vida real não é mera coincidência eu vou te dar um exemplo Imagine que você queira uma máquina capaz de distinguir raças de cachorro você como um ser humano sabe qual raça que é um golden retriever mas para isso você precisou antes de ser visto foto de um homem além de outras raças ou então você não conseguiria distinguir um pinscher de um Golden e essa distinção é extremamente importante porque um vai te morder e o outro vai te deixar fazer carinho olhando por esse lado você De certa forma já virou
um especialista em distinguir raças de cachorros Mas agora você quer me ensinar o mesmo para uma máquina como é que e por isso inicialmente Você vai precisar de dados que podem ser simplesmente muitas e muitas fotos diferentes raças de cachorros você alimenta essas fotos para um modelo e ele por si só apenas observando as fotos vai ter que aprender a diferenciar uma raça da outra existem diversas maneiras de fazer isso mas nós vamos separar inicialmente em duplas os métodos supervisionados e os métodos não supervisionados nos métodos supervisionados você vai informar uma resposta automática Isso significa
que você vai dar o que nós chamamos de entrada ou empate e também uma saída ou outplant associada aquela entrada vamos supor que você dá uma foto de um Yorkshire para máquina sem dizer que existe um Yorkshire nela Esse é o implante ou o valor de entrar mas você também resolve dar um rótulo ou uma espécie de nome de Yorkshire para aquela foto Esse é o seu Oxford você também poderia dar a foto de um Golden que também seria um empate e colocar nele no rótulo de golden que seria o o pote você fez isso
e as fotos de todas as raças de cachorro que você tem no seu conjunto de dados toda foto terá um rótulo associado a moral da história que a máquina Então vai ter que aprender sozinha algum jeito de relacionar os valores de entrada que são as fotos dos cachorros com os valores de saída que são as raças deles no método supervisionado você pode lidar com a situação de classificação que a situação em que você quer classificar os dados em certas categorias ou seja raça dos cachorros ou uma situação de regressão e que você obtém o resultado
que não tem clássico por exemplo o modelo recebe a foto do cachorro e elastina o tamanho desse cachorro em centímetros Yorkshire Golden para que eu passei no teste de turismo e os métodos supervisionados estão muito relacionados com método de aprendizado de máquina chamado aprendizado profundo old Pilar em o aprendizado profundo se baseia no uso de uma ferramenta chamada redes neurais as redes neurais imitam a forma como os neurônios biológicos do nosso cérebro se comunicam entre eles e como eles aprendem me passa informações uns pelos outros até chegar em uma resposta é assim que você a
olhar um cachorro pug sabe que ele é um pug você observa o ladinho A informação é passada até o seu cérebro pelos seus neurônios que conversam entre si e chegam à conclusão que é o cachorro é um toque essa conclusão é baseada em anos e anos de dados que você Observe só que caso você não reconheça a raça é possível que o seu banco de dados de raças de cachorros não esteja atualizado ou então você simplesmente nunca observou essa raça de cachorros antes as redes neurais fazem algo similar é você recebe uma imagem conversam entre
si e tentam aprender de alguma forma relacionar entrada com açaí e se foi e feliz ao lado e que informamos a rede o que ela deve tentar encontrar em uma relação é exatamente o oposto que acontece com o método não supervisionado No método não-supervisionado nós Não avisamos a rede exatamente o que ela deve aprender e muito menos damos rótulos nos informamos os dados para rede e ela tem que aprender a separar tudo sozinha por conta própria Imagine que você tenha vários tipos de cachorros com várias características cores diferentes tamanhos diferentes e pela é um tipo
de latido diferente porque não é um tipo de modelo não supervisionado pode analisar essas características e tentar agrupar em diferentes grupos Nos quais cachorros com características semelhantes fique número por exemplo cachorros com manchas e grandes podem ser agrupados como Dálmatas enquanto o cachorros pequenos e caramelos com latidos mais Agudos podem ser agrupados com o pinchers isso sem mais nunca avisarmos a máquina os rótulos de cada cachorro sim isso é possível uma máquina que aprendi sozinha dividir os grupos com base nas características Só que ainda existe mais um o lado de máquina que fica entre o
supervisionado e não-supervisionado esse seria o aprendizado por reforço em que uma máquina interagem com o ambiente por meio de ações em um esquema de tentativa e erro Até aprender o esquema funcionaria sim uma máquina tem um objetivo para realizar e ela faz uma ação no ambiente em que ela está inserida se ela conseguir realizar objetivo ela ganha uma recompensa se ela não consegue ela não ganha recompensa ou recebe uma comissão agora eu espero que vocês estejam pensando profundamente o que que é uma recompensa dica é uma punição a máquina Favor deixar Boo sugestões nos comentários
isso vai acontecendo a tela maximizar as recompensas e aprender a realizar os objetivos ainda usando o cachorros como exemplo Imagine que você quer ensinar o seu cachorro a sentar toda vez que ele senta você oferece um petisco como recompensa e quando ele não senta você não oferece nada após inúmeras tentativas ele vai aprender que sempre aquele sentar ele ganha um petisco nesse caso você seria um ambiente e o petisco seria recompensa Esse é um exemplo se é usado por reforça um exemplo de uso de aprendizado por reforço é o alfa gol que aprendeu a jogar
gol no esquema de competição e punição no final algoritmo ficou tão bom em jogar gol que ele venceu o campeão mundial humano Jó agora que você já conhece os Ramos principais do aprendizado de máquina você pode se perguntar mas para que que nós usamos isso o aprendizado de máquina já está presente nas nossas vidas só que muitas vezes nós nem percebemos por exemplo se você chegou nesse vídeo do YouTube por recomendação do YouTube a recomendação chegou até você graças ao modelo de aprendizado de máquina que o YouTube Tem chamado recomendação de sistemas quando você navega
que deu uma rede social em um anúncio aparece esse anúncio também chegou até você para um sistema de aprendizado de máquina quando o seu celular reconhece o seu rosto ou quando um filtro do Instagram Qual a por ele é de gatinhos em você também foram modelo de aprendizado de máquina que fizeram seu computador detectar o que é um gosto o aprendizado de máquina também está bastante presente na ciência como por exemplo nacionalmente nós podemos utilizá-lo para classificar galáxias dentro de números catálogos também podemos usar na Biologia para entender estruturas de proteínas ou na medicina para
agilizar a criação de remédios e tratamentos ou seja são inúmeras aplicações passaram incluindo aplicações que nós até não imaginar como por exemplo a recreação 3D de retratos em pinturas então se você quiser ajudar o sistema de recomendação que é um aprendizado de máquina do YouTube recomendar mais vídeos do senso todo dia deixa o like se inscreva porque esses são os parâmetros que ajudam o sistema entender Quais são os seus gostos e recomendar mais de mim no futuro Muito obrigado e até a próxima E aí [Música] E aí [Música]
