When you “work through” a problem or issue that requires a decision, you likely feel as if you’re going through a linear checklist. But that’s not how the human brain operates; it processes in a non-linear pattern. And this is essentially how deep learning, a subset of artificial intelligence (AI), works too.
O aprendizado profundo funciona como o cérebro humano
Aprendizagem profunda, em sua essência, aprende com exemplos - a maneira como o cérebro humano faz.Está imitando a maneira como os humanos adquirem certos tipos de conhecimento.Como o aprendizado profundo processa as informações de maneira semelhante, elas podem ser usadas para fazer coisas que as pessoas podem fazer - por exemplo, aprender a dirigir um carro ou identificar um cachorro em uma foto.
O aprendizado profundo também é usado para automatizar análises preditivas - por exemplo, identificar tendências e padrões de compra de clientes para que uma empresa possa ganhar mais clientes e manter mais delas.Você conhece aquelas seções em sites de varejo que mostram itens "freqüentemente comprados juntos" quando você está comprando uma nova chave de fenda?Esses são baseados em algoritmos preditivos de aprendizado profundo que consideraram sua pesquisa atual e padrões de compra passados para sugerir produtos adicionais que você também pode precisar.
Outras aplicações incluem vários encontros e atividades cotidianos, como assistentes virtuais, detecção de fraude, tradução de idiomas, chatbots e bots de serviço, colorização de imagens em preto e branco, reconhecimento facial e diagnóstico de doenças.
Um exemplo simples de aplicativo de uma rede neural está em análise de discurso.A rede leva sons do áudio bruto, que se combinam para fazer sílabas, que se combinam para fazer palavras, que se combinam para fazer frases que levam ações.A máquina descobre que esse som em particular significa que deve retirar um saldo de cartão de crédito e, quanto mais vezes é perguntado a mesma coisa, mais precisa fica.
Aprendizagem profunda tem aplicações entre as indústrias
As redes neurais não são novas;Eles estão por aí desde a década de 1940.Em 1943, dois cientistas da computação introduziram modelos de redes neurológicas, recriaram interruptores de limite com base em neurônios e mostraram que mesmo redes simples desse tipo são capazes de calcular quase qualquer função lógica ou aritmética.
Os primeiros precursores do computador foram desenvolvidos por um cientista da computação que estava cansado de calcular trajetórias balísticas manualmente.Hoje, mais de 70 anos depois, o Deep Learning explodiu em sofisticação e uso, principalmente por causa do poder de computação expandido (juntamente com custos bastante reduzidos por unidade de energia), melhor modelagem e a disponibilidade de dados.Aprendizagem profunda requer enormes quantidades de dados.Atualmente, estima -se que os dados que geramos todos os dias sejam 2.6 quintilhões de bytes.E pode analisar conjuntos de dados maciços muito mais rápido que um humano.Máquinas não sofrem de monotonia e fadiga.
Existem riscos com aprendizado profundo?
Vamos responder a essa pergunta usando o exemplo de veículos autônomos.A aprendizagem profunda nos deu esses carros autônomos, mas eles parecem improváveis de eliminar todos os acidentes rodoviários, algo que seria semelhante a uma utopia autônoma.De fato, um estudo recente do Instituto de Seguros de Segurança nas Rodovias (IIHS) diz que veículos autônomos podem impedir apenas cerca de um terço de todos os acidentes.Ainda assim, isso é mais bem -sucedido do que as pessoas.
No entanto, as preocupações com a adoção generalizada também podem incluir um aumento nas taxas de acidentes nos primeiros dias de lançamento, à medida que a tecnologia aprende, decisões morais deixadas para os fabricantes e dificuldade em atribuir responsabilidade por acidentes.E depois há hackers, porque, afinal, o aprendizado profundo é simplesmente a tecnologia envolvida em um veículo.Em março de 2019, dois hackers de "chapéu branco" (os mocinhos) precisavam de apenas alguns minutos para passar pelo navegador do sistema de infotainment para entrar no computador de um Tesla, executar seu próprio código e fazer com que o carro responda aos seus comandos.
Você leu?
Também devemos considerar o uso do aprendizado profundo do ponto de vista do consumidor.Se não "funcionar" - por exemplo, um telefone falha em desbloquear - pode criar um cliente infeliz ou frustrado, o que derrota o propósito.Compondo a questão, devido à complexidade das redes neurais em aprendizado profundo, pode ser difícil saber onde ou por que o sistema deu errado.Freqüentemente descrito como a caixa preta de aprendizado profundo, os cientistas de dados estão trabalhando para melhorar a visibilidade e a transparência em torno de como os modelos de aprendizado profundo funcionam.
Os modelos também podem ter preconceitos sem querer-e esses modelos de aprendizado profundo estão sendo usados para decisões significativas, incluindo quem recebe empréstimos, empregos ou liberdade condicional.Aprendizagem profunda precisa ter guardares claros com estruturas de governança apropriadas.
Aprendizagem profunda é o futuro dos negócios
O aprendizado profundo nos deu pesquisas de produtos baseadas em imagem-Pinterest, por exemplo-e maneiras eficientes de classificar frutas e vegetais para reduzir os custos de mão-de-obra.O primeiro é mais uma conveniência do consumidor, enquanto o último é um verdadeiro caso de negócios para produtividade.
Recursos significativos estão sendo colocados em aprendizado profundo em serviços financeiros, nos quais é usado para detectar fraudes, reduzir riscos, automatizar o comércio e fornecer "consultoria robótica" aos investidores.De acordo com um relatório da Unidade de Inteligência Economista (EIU), 86% das empresas de serviços financeiros planejam aumentar seus investimentos relacionados à IA até 2025.
How is the Forum helping governments to responsibly adopt AI technology?
O Centro para a Quarta Revolução Industrial do Fórum Econômico Mundial, em parceria com o governo do Reino Unido, desenvolveu diretrizes para compras mais éticas e eficientes do governo da tecnologia de inteligência artificial (AI).Governos da Europa, América Latina e Oriente Médio estão pilotando essas diretrizes para melhorar seus processos de compras de IA.
Nossas diretrizes não apenas servem como uma ferramenta de referência útil para os governos que desejam adotar a tecnologia de IA, mas também estabelecem padrões de linha de base para compras públicas eficazes e responsáveis e implantação de padrões de IA - que podem ser adotados por indústrias.
Convidamos organizações interessadas no futuro da IA e do aprendizado de máquina a se envolver nesta iniciativa.Leia mais sobre o nosso impacto.
A incorporação de IA em todo o seu negócio tem o poder de aumentar a diferenciação e a competitividade, aumentar a produtividade, influenciar a retenção e até mudar o curso da doença - e isso está acontecendo entre as indústrias e em todos os aspectos dos negócios.
Está influenciando tudo, desde a recriação de modelos de negócios e operacionais, até estratégias de contratação e retenção, a criar novas culturas corporativas que não apenas abraçam, mas também permitem o uso de aprendizado profundo.No entanto, em algumas estimativas, menos de 1% dos dados da maioria das organizações estão sendo usados, embora haja grandes quantidades de dados disponíveis para uso para tomada de decisão transformadora. Quando você começará a tocar - e usar - o seu?
