1689a2fdf9
|
||
|---|---|---|
| .. | ||
| README.md | ||
| assignment.md | ||
README.md
Imagem por Dmitry Soshnikov
Com o passar do tempo, os recursos computacionais se tornaram mais acessíveis, e mais dados passaram a estar disponíveis, permitindo que abordagens baseadas em redes neurais demonstrassem um desempenho impressionante, competindo com seres humanos em diversas áreas, como visão computacional e compreensão de fala. Na última década, o termo Inteligência Artificial tem sido amplamente usado como sinônimo de Redes Neurais, já que a maioria dos sucessos em IA que ouvimos falar são baseados nelas.
Podemos observar como as abordagens mudaram, por exemplo, na criação de um programa de computador para jogar xadrez:
- Os primeiros programas de xadrez eram baseados em busca – o programa tentava explicitamente estimar os possíveis movimentos do oponente para um determinado número de jogadas futuras e selecionava o movimento ideal com base na melhor posição que poderia ser alcançada em algumas jogadas. Isso levou ao desenvolvimento do algoritmo de busca chamado poda alfa-beta.
- Estratégias de busca funcionam bem no final do jogo, onde o espaço de busca é limitado por um número reduzido de movimentos possíveis. No entanto, no início do jogo, o espaço de busca é enorme, e o algoritmo pode ser melhorado aprendendo com partidas existentes entre jogadores humanos. Experimentos subsequentes empregaram o chamado raciocínio baseado em casos, onde o programa buscava casos na base de conhecimento muito semelhantes à posição atual no jogo.
- Programas modernos que vencem jogadores humanos são baseados em redes neurais e aprendizado por reforço, onde os programas aprendem a jogar exclusivamente jogando contra si mesmos por um longo período e aprendendo com seus próprios erros – muito parecido com o que os seres humanos fazem ao aprender a jogar xadrez. No entanto, um programa de computador pode jogar muito mais partidas em muito menos tempo, aprendendo assim de forma muito mais rápida.
✅ Faça uma pequena pesquisa sobre outros jogos que já foram jogados por IA.
De forma semelhante, podemos observar como a abordagem para criar “programas que falam” (que poderiam passar no teste de Turing) mudou:
- Os primeiros programas desse tipo, como Eliza, eram baseados em regras gramaticais muito simples e na reformulação da frase de entrada em uma pergunta.
- Assistentes modernos, como Cortana, Siri ou Google Assistant, são todos sistemas híbridos que utilizam redes neurais para converter fala em texto e reconhecer nossa intenção, e depois empregam algum raciocínio ou algoritmos explícitos para realizar as ações necessárias.
- No futuro, podemos esperar um modelo completamente baseado em redes neurais para lidar com diálogos de forma autônoma. As recentes redes neurais da família GPT e Turing-NLG têm mostrado grande sucesso nesse sentido.
Imagem por Dmitry Soshnikov, foto por Marina Abrosimova, Unsplash
Pesquisas Recentes em IA
O enorme crescimento recente na pesquisa de redes neurais começou por volta de 2010, quando grandes conjuntos de dados públicos começaram a se tornar disponíveis. Uma vasta coleção de imagens chamada ImageNet, que contém cerca de 14 milhões de imagens anotadas, deu origem ao ImageNet Large Scale Visual Recognition Challenge.
Imagem por Dmitry Soshnikov
Em 2012, Redes Neurais Convolucionais foram usadas pela primeira vez na classificação de imagens, o que levou a uma queda significativa nos erros de classificação (de quase 30% para 16,4%). Em 2015, a arquitetura ResNet da Microsoft Research alcançou precisão em nível humano.
Desde então, as Redes Neurais demonstraram um desempenho muito bem-sucedido em diversas tarefas:
| Ano | Paridade com Humanos alcançada |
|---|---|
| 2015 | Classificação de Imagens |
| 2016 | Reconhecimento de Fala Conversacional |
| 2018 | Tradução Automática de Máquinas (Chinês para Inglês) |
| 2020 | Geração de Legendas para Imagens |
Nos últimos anos, testemunhamos grandes avanços com modelos de linguagem de grande escala, como BERT e GPT-3. Isso aconteceu principalmente devido ao fato de haver uma grande quantidade de dados textuais gerais disponíveis, permitindo treinar modelos para capturar a estrutura e o significado dos textos, pré-treiná-los em coleções de textos gerais e, em seguida, especializá-los para tarefas mais específicas. Vamos aprender mais sobre Processamento de Linguagem Natural mais adiante neste curso.
🚀 Desafio
Faça uma pesquisa na internet para determinar onde, na sua opinião, a IA é mais eficazmente utilizada. É em um aplicativo de mapeamento, em algum serviço de conversão de fala para texto ou em um videogame? Pesquise como o sistema foi construído.
Questionário pós-aula
Revisão e Autoestudo
Revise a história da IA e do aprendizado de máquina lendo esta lição. Escolha um elemento do sketchnote no início dessa lição ou desta e pesquise mais a fundo para entender o contexto cultural que influenciou sua evolução.
Tarefa: Game Jam
Aviso Legal:
Este documento foi traduzido utilizando o serviço de tradução por IA Co-op Translator. Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automáticas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte oficial. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.