Olá vamos falar sobre como a inteligência artificial aprende o meu nome é Carla e eu vou guiar vocês neste vídeo hoje o uso da Inteligência Artificial nas empresas alcançou 72 em 2024 um aumento expressivo se comparado a 55% em 2023 esse crescimento corrobora o impacto da ia em melhorar a performance e resultados no setor corporativo em especial A Ascensão da Inteligência Artificial generativa subiu de 33% em 2023 para 65 em 2024 e como a máquina aprende até se tornar um sistema de fato inteligente antes vamos falar um pouco como Nós aprendemos o nosso cérebro recebe
estímulos pelos cinco sentidos formando conexões com as informações que já estão armazenadas na nossa memória de longo prazo o aprendizado humano envolve emoção contexto e experiência para gerar um raciocínio complexo o nosso cérebro é capaz de modificar a estrutura e adaptar-se a novos desafios e com exercício treinamento e vivência a nossa mente se mantém ativa e o conhecimento é melhor retido as pessoas retém o conhecimento de forma diferente algumas aprendem melhor com o estímulo visual como a criação de gráficos diagramas imagens mapas mentais já algumas são mais auditivas tendo maior facilidade em aprender através da
audição e da linguagem e ainda existem as pessoas que aprendem melhor através da experiência prática o que chamamos das pessoas sinestésicas o processo de aprendizado da Inteligência Artificial é semelhante ao cérebro humano ocorrendo por meio de treinamento e repetição e uma das áreas da Inteligência Artificial que permite que os computadores aprendam é a tecnologia do aprendizado de máquina machine learning grandes quantidades de dados são processados e utilizados para identificar padrões e fornecer as respostas e tomar decisões as máquinas podem ser treinadas com técnicas diferentes a depender dos objetivos esperados vamos ver quais são elas vamos
abordar aqui os tipos de aprendizado de máquina aprendizado supervisionado não supervisionado aprendizado semis supervisionado e aprendizado por reforço aprendizado supervisionado neste modelo de aprendizado os computadores são treinados com dados rotulados ou seja o conjunto de dados utilizados já traz a resposta correta que é esperada o sistema aprende a fazer comparações e a resposta fornecida será baseada nos exemplos que ele recebeu algumas aplicações comuns são as rotinas de classificação e regressão também chamado de previsão como reconhecimento de imagens classificação de e-mail em spam ou não spam a previsão de vendas nos próximos meses por exemplo em
sistema de reconhecimento de imagens para identificar objetos em fotos Imagine que o computador recebe milhares de imagens de cães e gatos cada imagem está rotulada marcada se é um cão ou um gato durante o treinamento o modelo aprende as características visuais que distinguem os dois animais e depois de treinado consegue identificar corretamente novos exemplos Com base no aprendizado anterior e no aprendizado não supervisionado a máquina pode ir além e Ender mesmo que determinado dado não esteja rotulado marcado com a resposta correta o sistema de forma autônoma identifica padrões e características comuns nos dados que são
inseridos são aplicações comuns a segmentação de dados também chamado de clusterização como por exemplo A análise de clientes em supermercado agrupando os clientes que compram itens saudáveis de outro que f em produtos para bebê e no aprendizado semis supervisionado Combina as técnicas do supervisionado e do não supervisionado utilizando dados rotulados e não rotulados o objetivo do sistema é identificar padrões e em seguida aplicar esses padrões aos dados que não estão marcados um exemplo são as recomendações de filmes e séries em canais de streaming como Netflix E Prime víde nós podemos utizar filmes que foram classificados
pelos usuários como gostei ou não gostei e também considerar os dados de filmes assistidos mas que ainda não foram avaliados neste cenário o aprendizado supervisionado pode ser aplicado para identificar os padrões e em seguida estender aos dados que não estão marcados o aproveitamento desses dados em conjunto permite que o sistema faça previsões e recomendações mais precisas eal adas mesmo para filmes e séries que não foram avaliados pelos usuários no aprendizado por reforço a máquina é treinada para tomar decisões e recebe em troca Recompensas ou penalidades e no aprendizado por reforço não existe um gabarito ou
uma resposta correta o objetivo é maximizar a recompensa escolhendo a melhor decisão as aplicações comuns são na robótica industrial e e nos jogos Como por exemplo o programa da Inteligência Artificial Alfa gol que venceu o campeão mundial de Gol nós falamos até aqui como a inteligência artificial aprende através de uma área que chamamos de aprendizado de máquina abordando sobre quatro técnicas deste aprendizado supervisionado não supervisionado semis supervisionado e aprendizado por reforço a inteligência artificial tem a capacidade de aumentar a performance criar valor em todos os setores como entretenimento saúde arte e criação pesquisa e inovação
robótica transporte Finanças atendimento ao cliente vendas marketing entre muitos outros conhecer como a inteligência artificial aprende é importante para desenvolver sistemas inteligentes e escolher as abordagens mais adequadas a resolução dos problemas e as demandas específicas do setor e quais são os limites da Inteligência Artificial e o papel humano certas funções complexas do nosso cérebro como empatia altruísmo interpretação de contexto capacidade de abstração ainda são inatingíveis para Inteligência Artificial e muito embora a inteligência artificial ajude e supere o ser humano em diversas tarefas transformando a nossa forma de viver e trabalhar vários aspectos emocionais e a
essência intrínseca de nossa humanidade ainda permanecem fora do alcance da Computação o desenvolvimento da Inteligência Artificial precisa estar em um propósito Claro e uso consciente respeito a valores humos e éticos e a evolução não para ainda há muito o que explorar quanto à capacidade de aprendizado da máquina até a próxima
