Qual a diferença entre Inteligência Artificial, Machine Learning e Deep Learning?

Pyr Marcondes
8 de março de 2017 - 5h56

Essas coisas estão já transformando parcelas significativas de nossas vidas e negócios. E vão transformar ainda mais. Mas o que é cada uma?

Quando você compra um livro que a Amazon te ofereceu com base no seu perfil de consumo de outros livros, por similitude, você está usando Machine Learning. Quando você pede para o Google Translator traduzir algum texto, você está usando Deep Learning. Ambas as coisas são Inteligência Artificial. No nosso mundo do marketing, quando aqueles anúncios chatos te perseguem na sua navegação na internet, advinhando que é você que está ali e não outra pessoa, estamos usando também Inteligência Artificial.

De um modo bem genérico e superficial, todas essas coisas são partes de um mesmo todo, mas não são a mesma coisa e são usadas na prática hoje para atividades diferenciadas entre si, embora complementares.

Historicamente, o termo Inteligência Artificial foi criado e utilizado pela primeira vez em 1956 por John McCarthy. Em inglês, ele disse o seguinte … “AI involves machines that can perform tasks that are characteristic of human intelligence”.

Traduzindo, Inteligência Artificial envolve máquinas que conseguem performar tarefas que são características da inteligência humana.

McCarthy foi um cientista da computação norte-americano considerado um dos pioneiros nos estudos de computação avançada como base para a criação das primeiras experiências de Inteligência Artificial. E também as bases do que podemos chamar de teoria geral da Inteligência Artificial.

Então, Inteligência Artificial é um grande guarda-chuva que abriga toda ciência e programas e algoritmos que tornem máquinas capazes de realizar tarefas inteligentes típicas de seres humanos.

Já Machine Learning é a base operacional da Inteligência Artificial. É ela que “entrega” a viabilidade da Inteligência Artificial, faz as coisas acontecerem dentro dos sistemas de Inteligência Artificial. Ela é, por assim dizer, o motor (ou vários motores) da Inteligência Artificial e é aplicada para tarefas específicas, especializadas, digamos assim.

Não há programas de Machine Learning que resolvam tudo. Cada sistema é criado para uma tarefa ou para várias tarefas, desde que correlatas. Mas o espectro é específico, nunca genérico.

O truque aqui é que através de algoritmos inteligentes da tecnologia de Machine Learning, as máquinas não precisam ser programadas sempre, como os tradicionais programas de computadores que conhecemos. Depois de terem sido desenvolvidos originalmente, seus sistemas centrais vitais aprendem com a interação e sua própria experiência de uso. Ou seja, vão acumulando dados e mais dados e, além de armazená-los e cruzá-los, conseguem entregar para a experiência humana raciocínios e deduções de sua própria autoria, que não lhe foram “ensinados” previamente. É essa a parte inteligente do sistema.

E isso, em tese, não tem fim. A única limitação é a capacidade de processamento e essa está sendo acelerada todos os dias.

Já Deep Learning é um dos vários sistemas de Machine Learning. Aquele que tem como princípio criar Inteligência Artificial por processos que mimetizem os do cérebro humano, tipo, com sinapses interconectando cada pedaço de um pensamento. Ou dedução.

São as chamadas Redes Neurais, que como o nome explica, copia a lógica de raciocínio e os mecanismos dos nossos neurônios.

É hoje possivelmente a forma mais evoluída de Machine Learning e a que mais chama a atenção dos cientistas.

Ela teria, em tese, a capacidade de ser desenvolvida para ser de fato parecida com nosso cérebro, realizando não mais apenas tarefas específicas, mas raciocínios mais gerais,  como nós seres humanos fazemos.

Por exemplo, o prêmio anual da revista Wired em associação com a Audi para destacar soluções tecnológicas mais disruptivas foi ganho este ano pela empresa DeepMind, que como o próprio nome revela, é uma empresa de Deep Learning. Máquinas que copiam o jeito de pensar do cérebro humano. DeepMind seria uma espécie de estado da arte dessa tecnoloiga hoje.

Para ter um esqueminha histórico na cabeça quando precisar falar ou entender essas três coisas, veja o diagrama abaixo.

Alguns exemplos práticos de inteligência artificial … todos os chatbots e sisteminhas de assistência virtual de aplicativos e na web. Os carros inteligentes e conectados também. Idem os self-driver cars. Como dissemos já, todas as ofertas preditivas de e-commerce e de publicidade. Os sistemas anti-fraude, porque conseguem detectar com antecedência que uma invasão ou um mau uso dos sistemas foi realizado. As casas inteligentes também serão dotadas de sistemas de Inteligência Artificial.

Aprendeu?