20589
Em 1950, o matemático Alan Turing levantou pela primeira vez a questão: "As máquinas podem aprender a pensar?" Foi assim que começou a história do Machine Learning. Em 1952, Marvin Minsky criou o SNARC, a primeira máquina de autoaprendizagem artificial, que aprendeu a resolver uma tarefa sem ter sido explicitamente programada para tal.
No entanto, nessa época, a disponibilidade de dados e a capacidade de processamento eram limitadas, o que resultou no primeiro "inverno" da Inteligência Artificial. No final do século XX, com a chegada da internet, o aumento da capacidade de cálculo dos computadores e a disponibilidade de grandes quantidades de informação, esta tecnologia recebeu um grande impulso.
Em 1997, a história do Machine Learning mudou radicalmente com o sistema Deep Blue da IBM, que conseguiu derrotar o campeão mundial de xadrez, Garry Kasparov. Desde então, esta tecnologia tem continuado a evoluir e hoje podemos encontrar inúmeros exemplos de Machine Learning em vários setores.
O Machine Learning (ML) é uma forma de inteligência artificial (IA) que permite a um sistema aprender a partir dos dados, em vez de depender de programação explícita. À medida que o algoritmo processa os dados de treino, começa a fazer inferências sobre novos conjuntos de dados para os quais não foi previamente treinado, criando modelos mais precisos, prevendo cenários futuros e/ou realizando ações automáticas com base em certas condições.
Esta tecnologia permite automatizar diversas operações, reduzindo a necessidade de intervenção humana, o que representa uma grande vantagem em termos de tempo e recursos. Pode analisar, em poucos minutos, enormes quantidades de dados (big data[RH2] ), algo que a uma equipa de pessoas demoraria meses ou até anos.
Além disso, o Machine Learning consegue detetar padrões complexos que escapam às análises estatísticas tradicionais, pois examina grandes volumes de dados não estruturados de forma mais eficiente. Por isso, cada vez mais empresas utilizam esta tecnologia para analisar dados, encontrar significado, identificar novas oportunidades de negócio e tomar decisões mais estratégicas.
Estamos rodeados de exemplos práticos de Machine Learning. Os motores de recomendação, como os que são usados pela Netflix, Amazon ou Spotify, são um desses exemplos. Esta tecnologia não só tem em conta os nossos hábitos de consumo e preferências, mas também os de milhões de utilizadores com perfis semelhantes ao nosso, além das novas tendências, para recomendar produtos que se adequam aos nossos gostos, interesses e necessidades.
Os assistentes de voz, como a Siri e a Alexa, são outro exemplo de Machine Learning na vida quotidiana. Esta tecnologia é capaz de eliminar o ruído de fundo, captar os silêncios entre palavras e compreender o idioma para interpretar as nossas instruções. Se cometerem um erro ao responder, utilizam esses dados para melhorar da próxima vez e também registam se responderam corretamente.
Algumas redes sociais também utilizam Machine Learning. O Twitter, por exemplo, usa o sistema BotMaker para combater o spam, e o Facebook está a testar esta tecnologia para detetar notícias falsas.
O Machine Learning tem também um grande futuro no setor da Saúde. Um exemplo prático é o Watson, da IBM. Através desta tecnologia, hospitais como o Akershus University Hospital estão a otimizar o uso de exames de diagnóstico e tratamentos para melhorar o atendimento ao paciente. O Watson Imaging Clinical Review, por exemplo, é uma ferramenta de revisão retrospectiva de exames por imagem, que ajuda os médicos a fazer diagnósticos e a tomar decisões clínicas mais informadas.
Além disso, a aplicação Sugar.IQ é um assistente pessoal que analisa continuamente tudo o que afeta os níveis de glicose de uma pessoa diabética e identifica os seus padrões diários, permitindo prever alterações até três horas antes de ocorrerem. Assim, ajuda a manter os níveis de glicose dentro do intervalo normal.
As instituições financeiras também utilizam Machine Learning para analisar transações e detetar padrões anómalos que ajudem a combater fraudes. Esta tecnologia permite avisar os clientes sobre atividades anormais nas suas contas bancárias ou cartões de crédito, detetar sinais de possíveis incumprimentos ou reduzir o risco na concessão de créditos.
No entanto, se há um setor onde o Machine Learning será crucial, é o da condução autónoma. Esta tecnologia não será usada apenas para controlar o volante, mas também para analisar imagens, detetar outros veículos na estrada e até prever os seus movimentos para evitar acidentes, assim como para escolher rotas alternativas com base em previsões de tráfego.
Se tem interesse nesta tecnologia, com a Pós-Graduação Online em Inteligência Artificial para Negócios, a Pós-Graduação Online em Data Analytics & Big Data e a Pós-Graduação em Data Analytics for Business vai aprender a integrar a inteligência artificial e as melhores soluções no seu negócio.
Para aliar a Ciência de Dados com a Inteligência Artificial oferecemos a Licenciatura e Mestrado, em Ciência de Dados e Gestão.