Diferenças entre Inteligência Artificial e Machine Learning

Diferenças entre Inteligência Artificial e Machine Learning

12 Mar 2020

Inteligência artificial e machine learning tem ganhado muita atenção da mídia recentemente pela sua capacidade de aprender padrões e gerar resultados que seriam difíceis ou até mesmo impossíveis de serem obtidos por abordagens analíticas tradicionais. Mas, apesar da visibilidade, essa tecnologia ainda parece algo distante de nossas vidas. Muitos mitos ainda são criados em volta dessa tecnologia e suas aplicações muitas vezes não são claras também.

O que é Inteligência Artificial e Machine Learning? Quais são suas diferenças?

Existem diversas definições para ambos os termos e eles não são estritamente definidos. De maneira geral, quando se fala em inteligência artificial estamos nos referindo ao estudo de tornar os computadores e máquinas capazes de interagir com o ambiente de forma flexível. Isso é algo extremamente amplo e engloba diversas aplicações, como robôs autônomos que cuidam de idosos, oponentes em jogos eletrônicos que devem conhecer as regras do jogo e interagir de forma otimizada, programas capazes de ler e catalogar documentos, entre outros.

Por sua vez, machine learning é o estudo de fazer computadores aprenderem de forma autônoma, normalmente através de dados históricos. É importante frisar: estes termos não são sinônimos. Machine learning é um ramo de inteligência artificial, mas inteligência artificial pode ser construída de diversas outras maneiras.

Como Machine Learning é feito?

Novamente existem diversas técnicas de modelagem e análise diferentes que atualmente são caracterizadas como machine learning. Uma das mais notáveis é chamada de Redes Neurais, que foi propulsora – junto da disponibilidade de dados criada pela Indústria 4.0 – da grande proliferação do machine learning na indústria e no mercado. Essa técnica possibilitou a grande revolução em identificação de imagens que vem ocorrendo; entretanto, é importante ressaltar que existem diversos algoritmos diferentes para cada tipo de situação, alguns inclusive que predatam os próprios computadores.

Há exceções, mas as técnicas mais comuns seguem um padrão similar onde dados são utilizados para ensinar a um algoritmo um determinado comportamento. O algoritmo nesses casos é simplesmente uma função matemática genérica feita para encontrar padrões de comportamento – diferentes algoritmos são capazes de encontrar diferentes tipos de padrões. Então, os coeficientes dessa função são otimizados usando os dados para que algum comportamento presente historicamente nesses dados seja encontrado.

Aplicações de Machine Learning

Existem diversas aplicações de machine learning que começaram a entrar nas nossas vidas. Exemplos incluem algoritmos de recomendação de produtos de lojas virtuais e ferramentas de busca que ajudam a fazer pesquisas online.

Naturalmente, esse tipo de tecnologia pode trazer diversos benefícios para o setor de automação, permitindo que uma gama ainda maior de processos seja automatizado. Na Altus, pesquisas vêm sendo desenvolvidas para disponibilizar para nossos clientes essas soluções, como forma de adicionar a Industria 4.0 cada vez mais no nosso portfólio. Recentemente, criamos um sistema de prevenção de paradas – atualmente em fase de testes – capaz de identificar anomalias no processo de produção em plataformas offshore que poderiam ocasionar uma potencial parada do processo. Esse sistema conseguiu, em diversas simulações, enviar um alerta com mais de 6 horas de antecedência.

Com certeza estaremos vendo machine learning permear cada vez mais as nossas vidas em um futuro próximo, trazendo consigo novas soluções e comodidades, mas, também, diversos potenciais de negócios.

Luis Gustavo Schabarum

Sobre o autor:

Luiz Frederico Villalobos entrou para família Altus em 2019, ocupando a posição de Analista de Dados na equipe de P&D, onde atua no desenvolvimento de pesquisas e na implementação de novas tecnologias relacionadas com machine learning nos clientes, além de gerar diagnósticos e apontar soluções a partir de métodos baseados em dados.