Deep learning (aprendizado profundo) é a parte do machine learning que usa redes neurais com muitas camadas. "Profundo" fala dessas camadas: cada uma pega o que a anterior encontrou e monta algo mais complexo, de bordas a formas e de formas a "gato". Assim ele aprende padrões úteis em fotos, áudio ou texto sem definir cada característica à mão.
Uma pergunta do app. Escolha uma resposta.
O que o deep learning tem de "profundo"?
O nome não fala de compreensão. Uma rede profunda encontra padrões em números e pode errar num caso só um pouco diferente dos que viu.
É só isso: camadas empilhadas, cada uma monta algo sobre a anterior. Em fotos, de bordas a formas e de formas a "gato".
Aprende com dados. "Profundo" descreve as camadas, não a quantidade de exemplos.
Pense em quatro bonecas, uma dentro da outra. A maior é a inteligência artificial: toda tentativa de fazer uma máquina realizar tarefas que parecem pedir inteligência. Dentro dela está o machine learning, que aprende com exemplos em vez de regras escritas à mão. Dentro dele, o deep learning, que faz isso com redes neurais de muitas camadas.
A menor é um LLM, como o que está por trás de um chat de IA: uma rede profunda enorme treinada com texto. Todo LLM é deep learning, mas nem todo deep learning é um LLM: o reconhecimento de rosto do celular e as legendas automáticas também são.
Você dá uma foto a uma rede treinada para reconhecer gatos. A primeira camada só vê números: quão claro é cada ponto. As primeiras camadas costumam reagir a bordas e manchas; as do meio, a formas como uma orelha pontuda ou um olho; as últimas juntam tudo e dão a resposta: gato.
Isso é o "profundo": muitas camadas empilhadas, cada uma construindo sobre a anterior. Não quer dizer que entenda mais a fundo. Ninguém programou o que é uma orelha: a rede achou sozinha ao ajustar seus pesos com milhares de fotos.
Para estimar o tempo de entrega com um modelo clássico, você pode montar colunas como distância, horário e chuva. O modelo aprende padrões nesses dados.
Uma foto não tem colunas óbvias: qual número diz "bigodes"? O deep learning recebe os dados brutos e monta sozinho o que precisa olhar. Por isso brilha com fotos, voz e texto. Com uma tabela organizada e poucos exemplos, por outro lado, um modelo clássico muitas vezes basta, sai mais barato e é mais fácil de explicar.
Redes neurais com camadas são uma ideia de décadas atrás. O que faltava era comida e força: muitíssimos exemplos para aprender e muitíssimas contas para treinar. A internet trouxe a primeira, com milhões de fotos, áudios e textos.
As GPUs trouxeram a segunda. São os chips feitos para desenhar os gráficos dos videogames, e fazem milhares de multiplicações ao mesmo tempo: justo o que treinar uma rede pede. Por isso hoje treinar um modelo grande pede salas cheias de GPUs, e isso pesa no custo da IA.