As máquinas estão evoluindo rapidamente e em alguns momentos parecem pensar melhor que os humanos. Como isso é possível?

Invenção do Neurônio Artificial

Tudo começou com pesquisas para entender o funcionamento do cérebro humano. De forma bem simples e resumida, o cérebro humano é formado por células chamadas de neurônios que se comunicam com outras células por meio de envio de sinais conhecidos como sinapses.

Foi tentando imitar o cérebro que em 1957 Frank Rosenblatt na imagem abaixo, criou o tipo mais simples de neurônio artificial, o Perceptron.

Na foto, Frank Rosenblatt

Ao contrário do que possa parecer, ele não era um matemático ou físico, mas um psicólogo americano pesquisador e líder do departamento de pesquisas em serviços cognitivos no campo de inteligência artificial no Cornell Aeronautical Laboratory.

Suas pesquisas resultaram no primeiro modelo de neurônio representado abaixo onde o neurônio recebe alguns valores de entrada: (x1, x2 e x3), faz um processamento (representado pelo círculo) e tem uma saída (representada por output).

Perceptron de Rosenblatt em 1957

Alguns anos depois foi incrementado no modelo perceptron a inserção de pesos. Veja na próxima imagem onde o neurônio recebe alguns valores de entrada: (x1, x2 e x3), recebe os pesos (w1, w2 e w3) faz um processamento (representado pelo círculo) e tem uma saída (representada por y).

Perceptron proposto por Minsky-Papert em 1969

O processamento de uma rede neural, conforme observamos na imagem acima, possui:

• Entrada de valores;
• Aplicação de valor de peso para cada valor de entrada;
• Processamento;
• Resultado

Mas afinal, o que é Inteligência Artificial?

A inteligência artificial nada mais é do que camadas de cálculo matemático que trazem resultados impressionantes com baixa taxa de erro.

Na prática, como isso acontece?

As redes neurais mais simples ocorrem por multiplicação de matrizes. No próximo exemplo, se eu tivesse um algoritmo de duas camadas (camada A e camada B), faria a multiplicação de matrizes, multiplicando cada linha da primeira matriz pela coluna da segunda matriz.

Multiplicação Matricial

Existem modelos mais complexos, mas todos envolvem cálculos em várias camadas. Por isso, o nome dos algoritmos de Inteligência Artificial é Deep Learning ou Aprendizado Profundo.

Hoje temos várias Redes Neurais que solucionam vários tipos de problema como probabilidade, classificação,  identificação de imagens, interpretação de linguagem natural, etc.

Existem funções prontas para fazer esse processamentos, porém é interessante saber como elas são calculadas e como são representadas.

Conheça o gráfico completo de Redes Neurais e veja como as camadas se relacionam.

Dica: Você também pode aprofundar seu aprendizado estudando individualmente cada algoritmo.

 
Gráfico Completo de Redes Neurais

Como são processadas as imagens?

As imagens são entendidas pelos algoritmos como marcações conforme disposição da imagens nos pixels (posicionamento de cada pedaço da imagem).

A máquina é treinada com uma imagem vista por vários ângulos através da representação de cor no pixel. Após ser treinada, a máquina “aprende” a identificar uma imagem. São feitas várias camadas de processamento até que seja possível fazer a classificação da imagem (output category). Neste momento, a máquina é capaz de dizer o que está na imagem. Veja o exemplo:

Redes Neurais Convolucionais

Inteligência Artificial não é mágica!

Máquinas não pensam. Elas não têm sentimentos, apenas recebem orientações para executarem processos. Ou seja, máquinas são programadas e suas ações são resultado de cálculos conhecidos como modelos ou algoritmos.

Os algoritmos estão ficando cada dia mais eficientes a ponto de conseguir imitar expressões e pensamento humano.

Concluo esse artigo citando uma frase de Tim Cook, CEO da Apple:

“Não me preocupa que as máquinas pensem como as pessoas. Eu me preocupo que haja pessoas que pensam como máquinas”.

Referências para você consultar:

• WIKIPEDIA. Perceptron. Disponível em: <https://pt.wikipedia.org/wiki/Perceptron>. Acesso em: 04 set. 2019.

• WIKIPEDIA. Frank Rosenblatt. Disponível em: <https://en.wikipedia.org/wiki/Frank_Rosenblatt>. Acesso em: 04 set. 2019.

• DEEP LEARNING BOOK. Capítulo 6 – O Perceptron – Parte 1. Disponível em: <http://deeplearningbook.com.br/o-perceptron-parte-1/>. Acesso em: 04 set. 2019.

• TOWARDS DATA SCIENCE. Perceptron: The Artificial Neuron (An Essential Upgrade To The McCulloch-Pitts Neuron) Disponível em: <https://towardsdatascience.com/perceptron-the-artificial-neuron-4d8c70d5cc8d>. Acesso em: 04 set. 2019.

• TOWARDS DATA SCIENCE. Rosenblatt’s perceptron, the first modern neural network. Disponível em: <https://towardsdatascience.com/rosenblatts-perceptron-the-very-first-neural-network-37a3ec09038a>. Acesso em: 04 set. 2019.

• TOWARDS DATA SCIENCE. The mostly complete chart of Neural Networks, explained. Disponível em: <https://towardsdatascience.com/the-mostly-complete-chart-of-neural-networks-explained-3fb6f2367464>. Acesso em: 04 set. 2019.

• YOUTUBE. Fazendo uma Rede Neural do Zero! #1 – FeedForward. Disponível em: <https://www.youtube.com/watch?v=d8U7ygZ48Sc&t=959s>. Acesso em: 04 set. 2019.

• WIKIPEDIA. Aprendizagem Profunda. Disponível em: <https://pt.wikipedia.org/wiki/Aprendizagem_profunda>. Acesso em: 04 set. 2019.

• DATA SCIENCE ACADEMY. O Que é Visão Computacional? Disponível em: <http://datascienceacademy.com.br/blog/o-que-e-visao-computacional/>. Acesso em: 04 set. 2019.

• NEWTRADE. ‘Não me preocupa que as máquinas pensem como as pessoas. Eu me preocupo que haja pessoas que pensam como máquinas’. Disponível em: <https://newtrade.com.br/tecnologia/nao-me-preocupa-que-as-maquinas-pensem-como-as-pessoas-eu-me-preocupo-que-haja-pessoas-que-pensam-como-maquinas/>. Acesso em: 04 set. 2019.