Rede neural
Tipo de modelo de aprendizado de máquina organizado em camadas de pequenas unidades de cálculo, inspirado de forma bem livre nos neurônios do cérebro.
Rede neural é uma das técnicas mais usadas no aprendizado de máquina. O nome vem da inspiração no cérebro, mas calma: não tem cérebro nenhum dentro do computador. É matemática organizada em camadas.
Funciona mais ou menos como uma linha de produção. Na primeira camada entram as informações brutas. As camadas do meio vão combinando essas informações em pistas cada vez mais elaboradas. A última camada dá o veredito.
A IBM usa um exemplo bom de entender: decidir se um e-mail é spam. Palavras como “prêmio” ou “ganhar” entram na rede; as primeiras camadas avaliam a importância de cada uma; as seguintes juntam tudo para captar contexto e tom; e a camada final calcula a probabilidade de aquilo ser spam.
Cada ligação tem um “peso”, que funciona como um botão de volume: diz quanto aquela pista conta na decisão. “Prêmio” pode valer mais do que “olá”. No treinamento, a rede compara o próprio palpite com a resposta certa, mede o erro e ajusta esses botões, um pouquinho de cada vez, até errar menos.
A ideia não é nova: segundo a IBM, o primeiro modelo matemático de um neurônio foi proposto em 1943. Quando a rede tem muitas camadas, fala-se em aprendizado profundo (deep learning), que, conforme o glossário do governo federal, é capaz de aprender representações com vários níveis de abstração. É desse tipo de rede que são feitos os modelos de linguagem atuais.