Caro leitor, no artigo de hoje irei explicar um pouco sobre Deep Leraning, apresentar um resumo da criação do primeiro modelo neural, mostrar o funcionamento básico de uma rede neural, exemplificar o uso destas redes no nosso cotidiano, dar-lhes uma breve perspectiva de futuro, e por fim compartilhar alguns links interessantes caso gostem e queiram se aprofundar um pouco mais no assunto.

O que é Deep Learning ?

Deep Learning é uma área dentro do campo da IA (inteligência artificial) que usa entradas de dados para criar um padrão e a partir destes padrões apreendidos fazer predições.

Pense da seguinte forma, quando você por acidente bate seu dedinho do pé na quina da mesa, você recebe um estímulo de dor, porém dentro do seu cérebro você já possui um padrão para isso, como também há um padrão definido quando você escuta uma música da qual você gosta, é este tipo de padrão que a redes neurais que compõem a deep learning buscam aprender.

Um pouco de história

O primeiro modelo neural foi criado pelo Neurocientista, ele queria imitar o funcionamento do cérebro humano, ele fez uma parceria com o Lógico Walter Pitts, juntos criaram o primeiro modelo de rede neural.

Fonte: 1: Biological Neuron versus Artificial Neural Network  | Download Scientific Diagram (researchgate.net)

As redes neurais foram inspiradas no cérebro humano, são compostas por neurônios, o neurônio por sua vez é composto por 3 partes:

Dendritos: recebem sinais de outros neurônios

Corpo: Processa o sinal recebido

Axônio: Transmite o sinal para outros neurônios. Sua ativação ou não depende da força do sinal.

As redes neurais irão aprender padrões de ativações de acordo com os estímulos recebidos.

Os Dendritos recebem as entradas, binárias, o Corpo computa as entradas, e o Axônio a partir destas entradas decide se o neurônio será ativado ou não, de acordo com o limiar proposto.

Apenas com as entradas binárias é possível realizar diversas operações lógicas como AND e OR 

Fonte: Chapter 3 – Logic gates and logic circuits | Frank’s IGCSE Computer Science Blog (wordpress.com)

Frank Rosenblatt, Especialista em Psicologia Cognitiva, propôs uma versão aprimorada deste modelo, associando pesos a cada entrada. Os pesos podem ser calibrados de acordo com o problema a ser resolvido. O nome deste modelo melhorado é Perceptron e ele é usado até os dias atuais.

O modelo era equivalente a um hardware, que implementava uma rede de Perceptron, usados para a classificação de padrões visuais.

O grande problema do Perceptron é que ele só aprender equações lineares (retas), então se o problema puder ser resolvido separando os conjuntos por uma reta o Perceptron irá conseguir resolver, porém há problemas, dentre eles o XOR (OU EXCLUSIVO 1 – 0 / 0 – 1), que o Perceptron não consegue resolver.

Geoffrey Hinton, Psicólogo Cognitivo e Cientista da Computação, propôs um novo método de aprendizado, o Backpropagation, sendo possível que redes com várias camadas de Perceptron aprendam funções complexas.

Agora que conhecemos um pouco da história e teoria por trás das redes neurais vamos falar um pouco do uso destas redes em nosso dia a dia.

Presente

Nos dias de hoje as redes neurais são usadas para diversos fins, desde o mercado financeiro até a busca pela cura de determinados tipos de câncer, por trás da indicação de um filme na Netflix há uma rede neural, no sistema antifraude de uma operadora de cartão de crédito há uma rede neural, capaz de prever e evitar vários tipos de fraudes.

As redes neurais possuem um futuro promissor, graças a este aprendizado alguns futurólogos dizem que teremos uma grande revolução, com a Inteligência Artificial assumindo cada vez mais um papel importante, seja descobrindo cura para enfermidades ou seja automatizando serviços burocráticos.

Futuro

Há o começo de uma grande corrida para acelerar a evolução da deep learning, bem como da IA como um tudo, há dezenas de startup’s buscando criar GPU’s (Unidade de Processamento Gráfico, em Português) mais robustas, que possam impulsionar o avanço da IA, as big tech’s também estão nessa corrida, a Tesla por exemplo vem investindo na criação de uma GPU para melhorar a eficiência de seus carros autônomos.

A Microsoft recentemente firmou uma parceria com a open IA, criadora da GPT-3 (third generation Generative Pre-trained Transformer), que é a maior inteligência artificial criada até hoje, o foco desta IA é a linguagem natural, sendo capaz até de escrever uma peça de teatro, a Microsoft fará uso desta revolucionária rede para criar novas features (funcionalidades) para sua plataforma de Power Apps.

Considerações

Há um futuro promissor para IA como um todo,  cada vez mais ela estará presente em nosso cotidiano, transformando nossa rotina, seja ela simples ou complexa.

Em breve trarei mais um artigo sobre este tema, porém irei focar os usos mais promissores para IA e como isso pode impactar nosso futuro.

Recomendações de leitura

Abaixo seguem alguns link’s (textos em inglês) para quem quiser se aprofundar um pouco mais nesse assunto tão vasto …

Blog da Microsoft, esse texto fala sobre a parceria exclusiva entre a Microsoft e a OpenAI, para que a Microsoft tenho direito de uso sobre a GPT-3.

Site da open AI, lá é possível ler mais a respeito dos projetos desenvolvidos por eles, e também fazer um cadastro para usar a API da GPT-3.

Vídeo demonstrando a GPT-3 em ação.

Compartilhe conhecimento

Caso tenha gostado deste artigo peço que compartilhe com ao menos um amigo ou colega, pois deste modo mais pessoas podem aprender e quem sabe ajudar a participar desta evolução.

Aproveite e siga a Konia Tecnologia nas redes sociais.