Aprendizado de máquina, explicado

Por que a IA generativa precisa de um toque humano criativo

CEO da Blue Bottle Coffee fala sobre leite de aveia e inovação

CEO da HubSpot: 6 opções de carreira que levam ao topo

Crédito: Andrew Onufrienko / Getty Images

Ideias feitas para importar

Inteligência artificial

Por

Sara Brown

21 de abril de 2021

Essa forma penetrante e poderosa de inteligência artificial está mudando todos os setores. Aqui está o que você precisa saber sobre o potencial e as limitações do aprendizado de máquina e como ele está sendo usado.

O aprendizado de máquina está por trás de chatbots e texto preditivo, aplicativos de tradução de idiomas, programas sugeridos pela Netflix e como seus feeds de mídia social são apresentados. Ele alimenta veículos e máquinas autônomos que podem diagnosticar condições médicas com base em imagens.

Hoje, quando as empresas implantam programas de inteligência artificial, é mais provável que estejam usando aprendizado de máquina – tanto que os termos são frequentemente usados ​​de forma intercambiável e, às vezes, de forma ambígua. O aprendizado de máquina é um subcampo da inteligência artificial que dá aos computadores a capacidade de aprender sem serem explicitamente programados.

"Apenas nos últimos cinco ou 10 anos, o aprendizado de máquina se tornou uma maneira crítica, sem dúvida a maneira mais importante, de fazer a maioria das partes da IA", disse Thomas W. Malone, professor do MIT Sloan, diretor fundador do Centro de Inteligência Coletiva do MIT. . “É por isso que algumas pessoas usam os termos IA e aprendizado de máquina quase como sinônimos… a maioria dos avanços atuais em IA envolveu aprendizado de máquina”.

Com a crescente onipresença do aprendizado de máquina, todos os negócios provavelmente o encontrarão e precisarão de algum conhecimento prático sobre esse campo. Uma pesquisa da Deloitte de 2020 descobriu que 67% das empresas estão usando aprendizado de máquina e 97% estão usando ou planejando usá-lo no próximo ano.

Da manufatura ao varejo e do setor bancário às padarias, até mesmo as empresas tradicionais estão usando o aprendizado de máquina para gerar novos valores ou aumentar a eficiência. "O aprendizado de máquina está mudando, ou mudará, todos os setores, e os líderes precisam entender os princípios básicos, o potencial e as limitações", disse Aleksander Madry, professor de ciência da computação do MIT, diretor do MIT Center for Deployable Machine Learning.

Embora nem todos precisem conhecer os detalhes técnicos, eles devem entender o que a tecnologia faz e o que ela pode ou não fazer, acrescentou Madry. "Acho que ninguém pode se dar ao luxo de não estar ciente do que está acontecendo."

Isso inclui estar ciente das implicações sociais, sociais e éticas do aprendizado de máquina. "É importante se engajar e começar a entender essas ferramentas e depois pensar em como você as usará bem. Temos que usar essas [ferramentas] para o bem de todos", disse a Dra. Joan LaRovere, MBA '16 , médico pediátrico de cuidados intensivos cardíacos e cofundador da organização sem fins lucrativos The Virtue Foundation. "A IA tem muito potencial para fazer o bem, e precisamos realmente manter isso em nossas lentes enquanto pensamos nisso. Como usamos isso para fazer o bem e melhorar o mundo?"

O aprendizado de máquina é um subcampo da inteligência artificial, que é amplamente definido como a capacidade de uma máquina de imitar o comportamento humano inteligente. Os sistemas de inteligência artificial são usados ​​para executar tarefas complexas de maneira semelhante à maneira como os humanos resolvem problemas.

O objetivo da IA ​​é criar modelos de computador que exibam “comportamentos inteligentes” como os humanos, de acordo com Boris Katz, principal pesquisador e chefe do Grupo InfoLab da CSAIL. Isso significa máquinas que podem reconhecer uma cena visual, entender um texto escrito em linguagem natural ou realizar uma ação no mundo físico.

O aprendizado de máquina é uma maneira de usar a IA. Foi definido na década de 1950 pelo pioneiro da IA, Arthur Samuel, como "o campo de estudo que dá aos computadores a capacidade de aprender sem serem explicitamente programados".