10 coisas que você precisa saber sobre aprendizado de máquina

Como uma pessoa que costuma explicar a aprendizagem de máquina para os não-profissionais, eu compilou os seguintes dez pontos como algumas explicações sobre a aprendizagem de máquina:

• #### O que é aprendizado de máquina? 1. Aprendizado de máquina significa aprender com dados; AI é uma palavra de moda.

A aprendizagem de máquina não é o que é publicamente difundido: você pode resolver inúmeros problemas fornecendo dados de treinamento apropriados para os algoritmos apropriados. Chame-o de IA, se isso ajudar a vender seu sistema de IA. Mas saiba que IA é apenas uma palavra de moda que representa apenas as expectativas das pessoas sobre ele.

• #### O aprendizado de máquina envolve principalmente dados e algoritmos, mas principalmente dados.

Os avanços em algoritmos de aprendizagem de máquina, especialmente em aprendizagem profunda, têm muitas coisas para ser emocionantes. Mas os dados são o fator chave para tornar a aprendizagem de máquina possível. O aprendizado de máquina pode ser feito sem algoritmos complexos, mas não sem bons dados.

• #### 3 - A menos que você tenha uma grande quantidade de dados, você deve continuar usando modelos simples.

O aprendizado de máquina treina modelos com base em padrões nos dados, explorando o espaço de modelos possíveis definidos por parâmetros. Se o espaço de parâmetros for muito grande, ele se encaixará exageradamente nos dados de treinamento e treinará um modelo que não pode se generalizar. Se isso for explicado em detalhes, mais cálculos matemáticos serão necessários, e você deve usar isso como uma regra para manter seu modelo o mais simples possível.

• #### A qualidade do aprendizado de máquina está fortemente relacionada com a qualidade dos dados usados no treinamento.

Há um ditado que diz: “Se você envia um monte de lixo para um computador, o resultado é um monte de lixo de dados”. Embora essa frase tenha surgido antes do aprendizado de máquina, essa é a principal limitação do aprendizado de máquina. O aprendizado de máquina só pode encontrar padrões que existem nos dados de treinamento.

• #### 5. O aprendizado de máquina só funciona se os dados de treinamento forem representativos.

Como o prospecto do fundo adverte, o desempenho passado não garante resultados futuros. A aprendizagem de máquina deve emitir uma declaração de advertência semelhante: ela só pode trabalhar com base em dados distribuídos da mesma forma que os dados de treinamento. Portanto, é necessário estar atento aos desvios entre os dados de treinamento e os dados de produção e repetir o modelo de treinamento com frequência para garantir que ele não seja desatualizado.

• #### A maior parte do trabalho de aprendizagem de máquina é a conversão de dados.

Com toda a publicidade da tecnologia de aprendizagem de máquina, você pode pensar que o que a aprendizagem de máquina faz é principalmente selecionar e ajustar algoritmos. Mas a realidade é simples: a maior parte do seu tempo e energia será gasto na limpeza de dados e na engenharia de características, ou seja, na conversão de características originais em características que melhor representam os dados do sinal.

• #### A aprendizagem profunda é um avanço revolucionário, mas não é uma panacea.

A aprendizagem profunda também é muito divulgada, pois a aprendizagem de máquina é aplicada e desenvolvida em muitas áreas. Além disso, a aprendizagem profunda promove a automação de alguns trabalhos tradicionalmente feitos por engenharia de características, especialmente para dados de imagens e vídeos. Mas a aprendizagem profunda não é uma panaceia. Não há nada pronto para você usar, você ainda precisa investir muito esforço para limpar e transformar dados.

• #### 8 - Os sistemas de aprendizagem de máquinas são vulneráveis a erros de manipulação.

Desculpem a NRA, mas os algoritmos de aprendizagem de máquina não matam, são os humanos que matam. Quando um sistema de aprendizagem de máquina falha, raramente é porque há um problema com o algoritmo de aprendizagem de máquina. É mais provável que um erro artificial tenha sido introduzido nos dados de treinamento, resultando em desvios ou outros erros no sistema.

• #### 9 - A aprendizagem de máquina pode inadvertidamente criar uma profecia auto-realizável.

Em muitas aplicações de aprendizagem de máquina, as decisões que você toma hoje afetam os dados de treinamento coletados amanhã. Uma vez que o sistema de aprendizagem de máquina integra o desvio no modelo, ele pode continuar a gerar novos dados de treinamento aumentados pelo desvio. Além disso, alguns desvios podem destruir a vida das pessoas.

• #### 10. A IA não se despertará, não se rebelará e não destruirá a humanidade.

Muitas pessoas parecem ter aprendido o conceito de inteligência artificial a partir de filmes de ficção científica. Devemos nos inspirar na ficção científica, mas não podemos ser tão estúpidos e confundir a ficção com a realidade. De seres humanos malvados conscientes a modelos de aprendizagem de máquinas com defeitos inconscientes, há muita realidade e perigos a se preocupar.

A aprendizagem de máquina envolve muito mais do que os dez pontos que mencionei acima. Espero que esses conteúdos introdutórios sejam úteis para os não-profissionais.

A partir de agora, o mundo inteiro será um espaço de inteligência artificial e grandes dados.