Machine Learning

Imagine um sistema computacional que adquira conhecimento de forma independente e seja capaz de tomar decisões baseando-se em experiências anteriores. Hoje já existem não apenas um, mas diversos desses em funcionamento e outros tantos sendo desenvolvidos.

O Machine learning (aprendizado de máquina) é o campo da Inteligência Artificial que diz respeito aos softwares com capacidade de aprender de forma autônoma. Quanto mais utilizado ele é, maior o número de referências disponíveis para análise, tornado-o mais preciso. Através de dados e parâmetros fornecidos pelos algoritmos que os compõem, esses sistemas identificam padrões que permitem realizar determinações e predições relacionadas às mais diversas áreas, de saúde a comunicação.

Vários dos exemplos práticos mais recentes relacionados à aplicação dessa tecnologia já estão inseridos no cotidiano, seja através dos assistentes virtuais como Siri (Apple), Google Now e Amazon Alexa, ou das plataformas que sugerem determinados conteúdos aos usuários baseadas nos temas acessados anteriormente, como YouTube e Netflix.

Outros diversos empregos do aprendizado de máquina estão em desenvolvimento e são capazes de ilustrar alguns dos rumos por quais a ciência tem caminhado no que diz respeito ao tema. No campo da saúde, por exemplo, um algoritmo do tipo machine learning está sendo utilizado em pesquisa para diagnosticar doenças de forma mais eficiente do que os métodos padrões médicos atuais. Publicados em abril de 2018 pelo Frontiers in Bioengineering and Biotechnology, os resultados da pesquisa de doutorado de Carlos Fernando Odir Rodrigues Melo (Unicamp-SP) apresentaram precisão diagnóstica superior a 95% na detecção do vírus Zika. Para que esses resultados fossem possíveis, foram incrementados cerca de 42 biomarcadores que são chaves de identificação para o vírus, aos dados do algoritmo utilizado pelo machine learning.

Outro sistema, composto por algoritmo que analisa características linguísticas a fim de identificar notícias falsas, está sendo desenvolvido na Universidade de Michigan e também já demonstrou maior taxa de sucesso se comparado à análise realizada por editores humanos. Através da análise da estrutura gramatical, das palavras escolhidas e forma de pontuação, por exemplo, o sistema é capaz de fornecer informações sobre a veracidade da notícia.

O machine learning se apropria, entre outros procedimentos, da deep learning – técnica estatística para classificar padrões, baseada em dados amostrais, através de redes neurais de múltiplas camadas – . Por isso, existe uma preocupação quanto às limitações dessa tecnologia. Para que essas redes neurais artificiais consigam bons resultados de análise é necessário abastecê-las com grande quantidade de dados. Além disso, elas se mostram mais precisas quando há um número reduzido de categorias para classificação dos resultados, tornando-as menos eficientes em casos com grande número de variáveis ou com objetivos e pensamentos a longo prazo.

Provavelmente algumas décadas nos separam do dia em que as máquinas derrotarão humanos em jogos de video game altamente complexos como do DotA que é um mapa utilizado para jogar o Warcraft 3 Frozen Throne, e que permite cerca de 86 diferentes heróis, onde cada jogador de um time de 5 pode utilizar até 8 heróis diferentes, que ou tomarão decisões muito antecipadas, mas esse cenário certamente está por vir. Desenvolvedores e pesquisadores parecem dispostos a isto e elas estão aprendendo.

 

Autores

Joyce Andrade

Julia Broens

Pamella Biernaski

 

Referências

 

MARCUS, G. Deep Learning: A Critial Appraisal. New York University, Nova Iorque, 2018.

 

MONARD, M.C.; BARANAUSKAS, J. A. Conceitos sobre Aprendizagem de Máquina. In: Sistemas Inteligentes para Engenharia: Pesquisa e Desenvolvimento. Anais III Workshop de Sistemas Inteligentes para Engenharia. Belo Horizonte: Editora UFMG, 1999. p. 39-56. Disponível em: <http://dcm.ffclrp.usp.br/~augusto/publications/2003-sistemas-inteligentes-cap4.pdf>. Acesso em 30 ago. 2018.

 

LUNA,  Disponível em: <https://dotabr.wordpress.com/2007/12/01/o-que-e-dota-para-leigos/>. Acesso em 08 set. 2018.

 

 

MELO, Carlos Fernando Odir Rodrigues. A Machine Learning Application Based in Random Forest for Integrating Mass Spectrometry-Based Metabolomic Data: A Simple Screening Method for Patients With Zika Virus. Disponível em: <https://www.frontiersin.org/articles/10.3389/fbioe.2018.00031/full>. Acesso em 08 set. 2018.

 

 

Pérez-Rosas, Verónica & Kleinberg, Bennett & Lefevre, Alexandra & Mihalcea, Rada. (2017). Automatic Detection of Fake News. Disponível em:  <https://arxiv.org/pdf/1708.07104.pdf>. Acesso em 08 set. 2018.

Leave a Comment

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *