O que é Deep Learning?
O aprendizado profundo é uma função de inteligência artificial que imita o funcionamento do cérebro humano no processamento de dados e na criação de padrões para uso na tomada de decisões. O aprendizado profundo é um subconjunto de aprendizado de máquina em inteligência artificial (AI) que possui redes capazes de aprender sem supervisão de dados não estruturados ou não rotulados. Também conhecido como aprendizado neural profundo ou rede neural profunda.
Como funciona o aprendizado profundo
O aprendizado profundo evoluiu de mãos dadas com a era digital, que provocou uma explosão de dados em todas as formas e em todas as regiões do mundo. Esses dados, conhecidos simplesmente como big data, são extraídos de fontes como mídias sociais, mecanismos de busca na internet, plataformas de comércio eletrônico e cinemas on-line, entre outros. Essa enorme quantidade de dados é facilmente acessível e pode ser compartilhada através de aplicativos fintech, como a computação em nuvem.
No entanto, os dados, que normalmente não são estruturados, são tão vastos que podem levar décadas para os seres humanos compreendê-los e extrair informações relevantes. As empresas percebem o incrível potencial que pode resultar da descoberta dessa riqueza de informações e estão cada vez mais se adaptando aos sistemas de IA para suporte automatizado.
O aprendizado profundo aprende com vastas quantidades de dados não estruturados que normalmente podem levar décadas para que os seres humanos entendam e processem.
Aprendizado profundo versus aprendizado de máquina
Uma das técnicas de IA mais comuns usadas para processar big data é o aprendizado de máquina, um algoritmo auto-adaptável que obtém análises e padrões cada vez melhores com a experiência ou com os dados adicionados recentemente.
Se uma empresa de pagamentos digitais quisesse detectar a ocorrência ou o potencial de fraude em seu sistema, poderia empregar ferramentas de aprendizado de máquina para esse fim. O algoritmo computacional incorporado em um modelo de computador processará todas as transações que acontecem na plataforma digital, encontrará padrões no conjunto de dados e apontará qualquer anomalia detectada pelo padrão.
O aprendizado profundo, um subconjunto de aprendizado de máquina, utiliza um nível hierárquico de redes neurais artificiais para realizar o processo de aprendizado de máquina. As redes neurais artificiais são construídas como o cérebro humano, com nós de neurônios conectados juntos como uma teia. Enquanto os programas tradicionais constroem análises com dados de maneira linear, a função hierárquica dos sistemas de aprendizado profundo permite que as máquinas processem dados com uma abordagem não linear.
Uma abordagem tradicional para detectar fraudes ou lavagem de dinheiro pode depender da quantidade de transações que se segue, enquanto uma técnica não linear de aprendizado profundo incluiria tempo, localização geográfica, endereço IP, tipo de varejista e qualquer outro recurso que possa apontar para atividades fraudulentas. A primeira camada da rede neural processa uma entrada de dados brutos como a quantidade da transação e a passa para a próxima camada como saída. A segunda camada processa as informações da camada anterior, incluindo informações adicionais, como o endereço IP do usuário, e transmite seu resultado.
A próxima camada pega as informações da segunda camada e inclui dados brutos, como localização geográfica, e melhora o padrão da máquina. Isso continua em todos os níveis da rede de neurônios.
Principais Takeaways
- O aprendizado profundo é uma função da IA que imita o funcionamento do cérebro humano no processamento de dados para uso na tomada de decisões.A aprendizagem profunda A IA é capaz de aprender com dados não estruturados e não-rotulados. para ajudar a detectar fraudes ou lavagem de dinheiro.
Um exemplo de aprendizagem profunda
Usando o sistema de detecção de fraude mencionado acima com o aprendizado de máquina, é possível criar um exemplo de aprendizado profundo. Se o sistema de aprendizado de máquina criou um modelo com parâmetros construídos em torno do número de dólares que um usuário envia ou recebe, o método de aprendizado profundo pode começar a desenvolver os resultados oferecidos pelo aprendizado de máquina.
Cada camada de sua rede neural se baseia em sua camada anterior, com dados adicionais como revendedor, remetente, usuário, evento de mídia social, pontuação de crédito, endereço IP e vários outros recursos que podem levar anos para serem conectados se processados por humanos. ser. Os algoritmos de aprendizado profundo são treinados para não apenas criar padrões de todas as transações, mas também saber quando um padrão está sinalizando a necessidade de uma investigação fraudulenta. A camada final transmite um sinal para um analista que pode congelar a conta do usuário até que todas as investigações pendentes sejam finalizadas.
O aprendizado profundo é usado em todos os setores para várias tarefas diferentes. Aplicativos comerciais que usam reconhecimento de imagem, plataformas de código aberto com aplicativos de recomendação do consumidor e ferramentas de pesquisa médica que exploram a possibilidade de reutilizar medicamentos para novas doenças são alguns dos exemplos de incorporação de aprendizado profundo.
Fato rápido
A fabricante de eletrônicos Panasonic vem trabalhando com universidades e centros de pesquisa para desenvolver tecnologias de aprendizado profundo relacionadas à visão computacional.
