Aprendizado de máquina
Ramo da inteligência artificial em que o computador aprende a fazer uma tarefa a partir de exemplos, em vez de receber todas as regras escritas à mão.
Aprendizado de máquina (em inglês, machine learning) é o jeito mais comum de fazer inteligência artificial hoje. A ideia é simples de contar: em vez de um programador escrever cada regra (“se o e-mail tiver tal palavra, mande para o spam”), o computador recebe muitos exemplos e descobre sozinho os padrões que separam uma coisa da outra.
O glossário do governo federal resume assim: é a área que permite aos computadores melhorar o desempenho numa tarefa com base em experiência, sem serem explicitamente programados para isso.
Pense em quem aprende a escolher melancia na feira. Ninguém decora uma tabela. A pessoa bate em várias, abre algumas, erra, acerta, e com o tempo “pega o jeito”. O computador faz algo parecido, só que com números e muitos, muitos exemplos. Essa fase de estudo é o treinamento de modelo, e o material de estudo são os dados de treinamento.
Está por trás de coisas bem cotidianas: o filtro que segura propaganda enganosa no e-mail, a recomendação de vídeos, o aviso do banco quando uma compra parece fora do seu padrão.
Dentro do aprendizado de máquina há várias técnicas. Uma das mais usadas é a rede neural, base do chamado aprendizado profundo.
O ponto de atenção: a máquina aprende o que os exemplos ensinam, inclusive os defeitos. Se os dados forem tortos, o resultado também pode sair torto, e aí entra o viés algorítmico.