Inteligência Artificial e Aprendizado de Máquina - Atividade 3

Prévia do material em texto

A aprendizagem máquina trás aspectos comportamentais que atualmente estão sendo aplicados nos robôs inteligentes. Existem robôs que já imitam comportamentos humanos, como abrir portas, correr, saltar, outros com aparência humana. Através da inteligência artificial é possível ensinar os sistemas inteligentes a trabalhar, pensar e raciocinar, e mais ainda, ensinam a ensinar. Como exemplo, são os aplicativos tutores que forçam o aprendizado do vocabulário e apoio ao aprendizado de várias ciências através da inteligência do Watson da IBM. Os tutores auxiliam alunos nos seus estudos, através de perguntas e o direcionam para a resposta certa, perguntando de outra maneira ou através de dicas. Watson irá adaptar para cada aluno um melhor ensino aprendizado através de técnicas diferenciadas. Outras tecnologias que utilizam a inteligência artificial de aprendizado são os dispositivos que guardam informações biométricas, como o reconhecimento facial para o desbloqueio de smartphones, identificação de similaridades em redes sociais, análise facial para o acesso a sistemas e em ambientes restritos. Através  do reconhecimento facial os sistemas inteligentes podem localizar criminosos e acionar as autoridades sobre sua localidade. O aprendizado máquina está também apoiando a área da saúde através mineração de dados a partir de bases médicas na descoberta de novos medicamentos para o tratamento de doenças complexas.
Diante deste contexto, em um texto escrito, explique como ocorre o aprendizado máquina, através da mineração de dados, no caso do Watson da IBM, para realizar, um melhor ensino aprendizado ou, na área da saúde descobrindo novos medicamentos para o tratamento de doenças? Que tipo de ferramentas computacionais são utilizadas para realizar tal aprendizado máquina?
O Aprendizado de Máquina, ou Machine Learning, é a técnica onde as máquinas adquirem conhecimento e conseguem executar uma ação com base em aprendizado e não somente com sustento de entrada de instruções. De uma forma bem simplificada, o aprendizado da máquina se equipara com qualquer aprendizado humano envolve a prática. Bem como aprender a andar de bicicleta que envolve a tentativa e erro.
Em oposição a desenvolver cada instrução que a máquina executará, a mesma aprenderá o que fazer. Dessa mesma forma funciona o projeto Watson, que já passou por vários estágios, desde aplicações na área da saúde até competições em programas de televisão e atualmente é dividido em várias API’s disponibilizadas na infraestrutura da IBM. Watson é uma plataforma de serviços cognitivos para negócios, capaz de aprender processos e funções através de informações recebidas. 
Ao entender o significado de aprendizado de máquina e conhecer mais sobre o projeto Watson da IBM, será mais claro abordar o assunto data mining. A mineração de dados é o método usado para localizar irregularidades, padrões e correlações em conjuntos grandes de dados para que uma projeção de resultados seja notada com mais clareza. Tal analise massiva requer principalmente regras de associação ou sequências temporais para detectar as conexões entre variáveis e organizar subconjuntos de dados. 
Substancialmente, com finalidade de se aprender um processo, a máquina necessita de tempo. Tal período representa a sua calibragem e sintonia com os dados que está comportando, lapidando a sua capacidade de resposta. Em virtude da mesma lógica funciona o Watson ou qualquer outra máquina no que se refere o machine learning. 
Tomando como modelo o uso do Watson na área da saúde, a ferramenta correlacionaria dados existentes gerando subconjuntos e se aproximando da possibilidade de descoberta de novos medicamentos. O processo em si não é tão diferente de um pesquisador realizando seu trabalho, no entanto a máquina possui poder de processamento não equiparável ao da humanidade.
As ferramentas computacionais utilizadas sempre serão algoritmos para o aprendizado de máquina. Classificando-os em três classes distintas temos o aprendizado supervisionado, aprendizado sem supervisão e aprendizado de reforço. Quando temos dados de um conjunto específico, mas falta um segmento, utiliza-se o aprendizado supervisionado. Para descobrir apenas relações implícitas em um conjunto de dados, emprega-se o aprendizado não supervisionado. Entretanto o aprendizado de reforço está presente no aprendizado supervisionado e no não supervisionado, sendo empregado como forma de realimentação para cada passo ou ação preditiva.
Em conclusão, o aprendizado de máquina realiza o que uma pessoa praticaria, porém com maior velocidade e precisão. Quanto mais tempo exposta aos dados, melhor será a análise e conforme ao seu processo de construção, geralmente é preliminarmente acompanhado, correlacionado na metade do processo e no fim implementado reforços de aprendizado para que a máquina não se interrompa com erros.