Aprendizado de máquina (Machine learning)
Aprendizado de máquina (Machine learning) é um método de análise de dados que automatiza a construção de modelos analíticos. É um subcampo da Engenharia e da Ciência da computação que evoluiu do estudo de reconhecimento de padrões e da teoria do aprendizado computacional em inteligência artificial – IA.
Esse método do aprendizado de máquina possibilita que sistemas tenham a capacidade de aprender e otimizar processos sem ter que ser programado de forma consistente. Simplificando, o aprendizado de máquina usa dados, estatísticas e tentativa de acerto e erro para “aprender” uma tarefa específica sem nunca ter que ser especificamente codificado para a tarefa.
Aprendizado de máquina, o início de tudo!!!
O aprendizado de máquina é o processo pelo qual os programas de computador crescem com a experiência. E isso não é ficção científica, trata-se de uma realidade que cresce a todo momento com inovações constantes. Quando falamos sobre aprendizado de máquina, estamos nos referindo principalmente a algoritmos extremamente inteligentes.
A história nos diz que tudo começou por volta de 1950 com o matemático Alan Mathison Turing que ainda era cientista da computação, filósofo e biólogo. Influenciou sobremaneira no desenvolvimento da ciência da computação teórica.
Proporcionou uma formalização dos conceitos de algoritmo e computação com a máquina de Turing. Nessa época ele resolveu fazer testes para mensurar a capacidade de máquinas aprenderem por meio da comunicação humana. Alan Turing argumentou que era uma perda de tempo perguntar se as máquinas podem pensar.
Em vez disso, ele propôs um jogo: um jogador tem duas conversas escritas, uma com outro humano e outra com uma máquina. Esse *Jogo de Imitação, que foi título de um filme, serviria de teste para inteligência artificial.
*Jogo de Imitação (The Imitation Game) é baseado na história real do lendário criptoanalista inglês Alan Turing, considerado o pai da computação moderna. Narra a tensa corrida contra o tempo de Turing e sua brilhante equipe no projeto Ultra para decifrar os códigos de guerra nazistas e contribuir para o final do conflito.
Como programar as máquinas, segundo Alan Turing?
Esse jogo com uma máquina (computador) proposto por Alan Turing, parte da ideia que tal máquina deveria ser ensinada, assim como as crianças. Seria como instruí-las a seguir uma série de regras, permitindo-lhes fazer pequenos ajustes com base na experiência, jogo após jogo.
Para computadores, o processo de aprendizagem logicamente seria diferente, pois seria necessário primeiro, alimentá-los com muitos dados. Basicamente era que temos que dizer aos computadores o que fazer com todas essas informações.
Arthur Lee Samuel também tem parte nisso tudo!!!
Arthur Lee Samuel, foi um cientista da computação, pioneiro nos campos dos jogos de computador, inteligência artificial e aprendizado de máquina. Seu programa Game of Checkers é provavelmente o primeiro programa de auto- aprendizagem do mundo, e como tal, a primeira demonstração do conceito fundamental da inteligência artificial (IA).
Em 1959, Arthur Samuel definiu aprendizado de máquina como o “campo de estudo que dá aos computadores a habilidade de aprender sem serem explicitamente programados“. Essa definição ganhou forma quando Arthur Samuel criou um sistema que conseguiu aplicar os conceitos do jogo de “damas” melhor que ele.
Base de funcionamento do Aprendizado de máquina
O aprendizado de máquina explora o estudo e construção de algoritmos que podem aprender de seus erros e fazer previsões sobre dados. Esses algoritmos criam um modelo a partir de inputs amostrais.
A partir disso fazer previsões ou decisões guiadas pelos dados e não seguindo instruções estáticas programadas. Na inteligência artificial existem dois tipos de raciocínio (indutivo e o dedutivo). Já no aprendizado de máquina só se enfatiza o raciocínio indutivo.
Os especialistas em programação fazem essa construção escrevendo uma lista de instruções passo a passo ou algoritmos. Esses algoritmos ajudam os computadores a identificar padrões em uma vasta gama de dados. E com base nos padrões encontrados, desenvolvem uma espécie de “modelo” de como esse sistema funciona.
São modelos complexos que geralmente requerem muitas etapas computacionais ocultas. Para essa estrutura, os programadores organizam todas as decisões de processamento em camadas.
Essas camadas imitam a estrutura do cérebro humano, onde os neurônios disparam sinais para outros neurônios. Daí o termo muito usado na inteligência artificial e aprendizado de máquina quando chamadas de “redes neurais”.
Aprendizado de máquina parecido com o cérebro humano
Como dito anteriormente, isso não se trata de ficção científica, é uma realidade que continua crescente. Com isso o aprendizado de máquina está tornando os computadores mais parecidos com os humanos.
A maioria dos programas de computador depende de código para dizer o que executar ou quais informações reter (conhecimento explícito). Este conhecimento contém qualquer coisa que seja facilmente escrita ou registrada, como livros, vídeos ou manuais.
Com o aprendizado de máquina, os computadores agora estão ganhando *conhecimento tácito ou o conhecimento que ganhamos com a experiência e o contexto pessoal. É difícil transferir esse tipo de conhecimento de uma pessoa para outra por meio de comunicação escrita ou verbal.
*Conhecimento tácito é um modelo subjetivo e individual de conhecimento, adquirido ao longo das experiências e vivências. Essa palavra “tácito” se originou a partir do latim tacitus, que significa “silencioso” ou “não expresso em palavras”.
Os computadores não precisam mais depender de bilhões de linhas de código para realizar cálculos. O aprendizado de máquina dá aos computadores o poder do conhecimento tácito que permite que essas máquinas façam conexões, descubram padrões e façam previsões com base no que aprenderam.
O uso de conhecimento tácito pelo aprendizado de máquina o tornou uma tecnologia indispensável. E quem tem aproveitado bastante dessa tecnologia são as máquinas e equipamentos industriais.
A diferença entre Aprendizado de máquina e Inteligência artificial
O aprendizado de máquina e a inteligência artificial estão criando uma grande revolução em todo o mundo. A infinidade de aplicações desses modelos inteligentes mudou a visão que temos sobre tecnologia.
Os termos Aprendizado de Máquina e Inteligência Artificial são frequentemente usados alternadamente. No entanto, existe uma diferença marcante entre os dois que precisa ser entendida.
Enquanto a inteligência artificial (IA) pode ser definida, de modo amplo, como a ciência capaz de adotar/imitar as habilidades humanas, o Machine learning é uma vertente específica da IA que treina máquinas para aprender com dados.
Para entender essa diferença, temos como exemplo de aplicação da Inteligência artificial, os assistentes virtuais. Cortana por exemplo, é um assistente da Microsoft, são assistentes pessoais digitais inteligentes em plataformas como iOS e Android.
A função desse assistente é ajudar a encontrar informações relevantes quando solicitadas por voz. A IA é crítica nesses aplicativos, pois eles reúnem dados de momento a pedido do usuário. Esses assistentes virtuais processam uma grande quantidade de informações.
E de uma variedade de fontes para descobrir mais sobre os usuários para ajudá-los a organizar e rastrear seus dados. Já o aprendizado de máquina é uma parte vital desses assistentes pessoais, pois eles reúnem e refinam os dados com base na participação anterior do usuário com eles.
Assim, este arranjo de informações é usado para renderizar resultados que são feitos sob medida para as preferências do usuário. De modo amplo, Inteligência Artificial (IA) é quando um algoritmo de computador realiza um trabalho inteligente.
Já o Aprendizado de Máquina é uma parte da IA que aprende com os dados que também envolvem as informações coletadas de experiências anteriores. Isso permite que o programa de computador mude seu comportamento de acordo com as informações que vão chegando.
Conclusão
Portanto a diferença entre ambos é que todo o Aprendizado de Máquina é uma Inteligência Artificial, mas nem toda IA é um Aprendizado de Máquina.
São avanços tecnológicos que tem sido extremamente utilizados para predizer as condições de equipamentos, peças e componentes das máquinas em geral. Entender o que pode acontecer e tomar as devidas ações antes disso é o que tem levado muitas empresas a adotar a manutenção preditiva.
Mais especificamente com as técnicas de análise de vibração e temperatura via monitoramento online. Entendo que a adoção das estratégias de manutenção devem trabalhar com o dueto “Preventiva e Preditiva“, o que um não consegue prever, o outro consegue, são estratégias a meu ver que se complementam.
Fonte:
https://www.geeksforgeeks.org/machine-learning/
https://www.cs.virginia.edu/~evans/greatworks/samuel1959.pdf
