Curso de Inteligência Artificial para todos - Aula 1

00:38:11
https://www.youtube.com/watch?v=Ze-Q6ZNWpco

الملخص

TLDREste video introduce un curso sobre inteligencia artificial, que se adapta de un programa de maestría en PUC São Paulo para ser accesible a diferentes públicos. El curso explica conceptos y técnicas de IA, analizando sus aplicaciones en la vida cotidiana y su impacto en la sociedad. Se discute la diferencia entre inteligencia artificial general, que es un concepto teórico, y la inteligencia artificial restringida, que se refiere a sistemas diseñados para tareas específicas. También se abordan categorías de aprendizaje: supervisado, no supervisado y por refuerzo, cada uno con métodos y aplicaciones únicos. Se realiza un recorrido histórico desde Alan Turing y se presentan ejemplos de aplicaciones prácticas de IA.

الوجبات الجاهزة

  • 📚 Curso accesible de IA para todos
  • 🤖 IA impacta en diversas áreas
  • 👨‍🏫 Enseñanza adaptada de PUC São Paulo
  • 🔍 Diferencia entre IA general y restringida
  • ⚙️ Técnicas de aprendizaje supervisado y no supervisado
  • 💡 Ejemplos prácticos de IA en la vida cotidiana
  • 🌐 Importancia de Alan Turing en la computación
  • 📊 Ética y sesgos en modelos de IA
  • 🎓 Aprendizaje por refuerzo en robótica
  • 💬 Conexiones y recomendaciones a través de IA

الجدول الزمني

  • 00:00:00 - 00:05:00

    En la introducción, el presentador habla sobre la creación de un curso en línea sobre inteligencia artificial, adaptado para ser accesible a un público amplio, no solo técnico. El curso se basa en su experiencia como profesor en la PUC de São Paulo y busca responder a preguntas comunes sobre la inteligencia artificial y su impacto en diversas áreas del conocimiento.

  • 00:05:00 - 00:10:00

    Se discute qué es la inteligencia artificial y sus aplicaciones actuales. Se menciona que está integrada en muchos aspectos de la vida diaria, desde aplicaciones de navegación hasta recomendaciones personalizadas en servicios como Spotify y Netflix. También se considera que estas tecnologías cambian la manera en que interactuamos con los dispositivos, aunque también plantean desafíos en términos de sesgo de información y privacía.

  • 00:10:00 - 00:15:00

    El presentador señala que la inteligencia artificial, aunque tiene beneficios, también conlleva desventajas, especialmente en cómo influye en el acceso a la información. Se habla de la importancia de una narrativa diversa y se crítica cómo algunas interfaces, como Siri, limitan la información presentada. Estas interacciones tienen el potencial de cambiar el comportamiento humano, lo que lleva a preguntas sobre la conciencia de los usuarios respecto a la influencia que tienen los algoritmos en sus vidas.

  • 00:15:00 - 00:20:00

    Se menciona que la historia de la inteligencia artificial está ligada al desarrollo de la computación y se cita a Alan Turing como una figura clave. Turing plantea la pregunta de si las máquinas pueden pensar y propone el 'Test de Turing' como un experimento mental sobre la inteligencia de las máquinas. Esta discusión establece las bases para entender la inteligencia artificial moderna y sus orígenes.

  • 00:20:00 - 00:25:00

    La presentación se centra en las distintas definiciones de inteligencia artificial y en la evolución de sus conceptos desde sus inicios en 1956. Esto incluye diferentes enfoques como la cibernética y el establecimiento de un campo académico específico para la inteligencia artificial, con un enfoque en la creación de máquinas que pueden imitar funciones cognitivas humanas.

  • 00:25:00 - 00:30:00

    El ponente explica que la inteligencia artificial contemporánea se clasifica principalmente en dos enfoques: aquellos basados en reglas y aquellos que utilizan métodos de aprendizaje estadístico. Este último, que incluye el aprendizaje automático, es el que domina la IA actual y se distingue por su capacidad de aprender de los datos sin reglas preestablecidas.

  • 00:30:00 - 00:38:11

    Se detallan los tipos de aprendizaje en inteligencia artificial: supervisado, no supervisado y por refuerzo. Cada uno tiene sus características y aplicaciones específicas, que se utilizan para resolver diversos problemas, desde reconocimiento de imágenes hasta modelos de predicción y abordajes en robótica, ilustrando la amplia variedad y adaptabilidad de estas técnicas en diferentes sectores.

اعرض المزيد

الخريطة الذهنية

فيديو أسئلة وأجوبة

  • ¿Qué es el curso de inteligencia artificial?

    Es un curso adaptado de un programa de mestrado que busca ser accesible a un público amplio.

  • ¿Cuáles son las principales técnicas de IA que se abordarán?

    Se presentarán principales abordajes y técnicas utilizadas en IA, con ejemplos prácticos.

  • ¿Quién es el presentador del curso?

    El curso es impartido por Diogo Cortizo, profesor del programa de tecnologías de inteligencia y diseño digital.

  • ¿Qué aplicaciones de IA se mencionan?

    Se mencionan aplicaciones en áreas como música (Spotify), navegación (Waze), y recomendaciones de contenido (Netflix).

  • ¿Qué diferencias hay entre inteligencia artificial general y restringida?

    La IA general es teórica y busca replicar la cognición humana; la IA restringida está diseñada para tareas específicas.

  • ¿Cuáles son los tipos de aprendizaje en IA?

    Existen aprendizaje supervisado, no supervisado y por refuerzo; cada uno tiene diferentes características y aplicaciones.

  • ¿Cómo puede afectar la IA la sociedad?

    La IA puede tener impactos sociales, económicos y psicológicos, modificando comportamientos y experiencias.

  • ¿Qué papel desempeña Alan Turing en la IA?

    Turing es considerado el padre de la computación y formuló la famosa pregunta sobre si las máquinas pueden pensar.

عرض المزيد من ملخصات الفيديو

احصل على وصول فوري إلى ملخصات فيديو YouTube المجانية المدعومة بالذكاء الاصطناعي!
الترجمات
pt
التمرير التلقائي:
  • 00:00:00
    e fala aí pessoal então nesse momento de
  • 00:00:02
    quarentena no tédio de ficar em casa eu
  • 00:00:07
    decidi criar um crash course de
  • 00:00:10
    inteligência artificial na verdade vai
  • 00:00:13
    ser uma adaptação do curso de aqui eu
  • 00:00:16
    dobro os alunos de mestrado e doutorado
  • 00:00:18
    na do programa de tecnologias da
  • 00:00:20
    inteligência e design digital da puc são
  • 00:00:22
    paulo qual o seu professor orientador é
  • 00:00:25
    só que numa forma online aberta e
  • 00:00:29
    principalmente acessível para todas as
  • 00:00:32
    áreas o que tem motivado a fazer isso é
  • 00:00:35
    porque o converso com muita gente a
  • 00:00:37
    sociologia da psicologia da economia do
  • 00:00:40
    direito e eles me perguntam bastante
  • 00:00:42
    sobre o que é a igreja artificial que dá
  • 00:00:45
    realmente para fazer com aí a qual que
  • 00:00:47
    vai ser o impacto de tudo isso porque a
  • 00:00:49
    gente sabe que vai impactar socialmente
  • 00:00:52
    economicamente psicologicamente
  • 00:00:55
    cognitivamente mas muita gente ainda tem
  • 00:00:58
    dúvidas sobre o que é
  • 00:01:00
    bom então vou preparar esse curso vou
  • 00:01:02
    adaptar né num formato reduzido porque o
  • 00:01:05
    curso que eu dou na puc ele é mais
  • 00:01:09
    técnico e ele também é longo né vamos
  • 00:01:12
    ver mais vai ser um curso contato para
  • 00:01:14
    que você tem uma ideia do que a
  • 00:01:15
    inteligência artificial do que a gente
  • 00:01:16
    pode fazer com ela eu vou apresentar as
  • 00:01:19
    principais abordagens e as principais
  • 00:01:22
    técnicas que são utilizadas hoje e para
  • 00:01:25
    fazer um equilíbrio aí para todo o
  • 00:01:27
    público é para um público amplo pessoal
  • 00:01:30
    mais técnico e o pessoal menos técnico
  • 00:01:32
    eu vou apresentar as técnicas mostrar
  • 00:01:36
    casos de aplicação e para quem for da
  • 00:01:38
    área técnica eu vou deixar nos vídeos um
  • 00:01:42
    link para acessar o código-fonte das
  • 00:01:44
    técnicas que foram implementadas então
  • 00:01:47
    basicamente eu vou mostrar as técnicas
  • 00:01:49
    quem não for técnico vai conseguir
  • 00:01:52
    entender o que as técnicas eu espero vou
  • 00:01:55
    tentar fazer bem didático então vai
  • 00:01:56
    conseguir entender o que são as técnicas
  • 00:01:58
    aonde será possível
  • 00:02:00
    ah e quem for técnico pode entender as
  • 00:02:03
    técnicas e aí no link vai ter o acesso
  • 00:02:07
    ao código para implementar aquelas
  • 00:02:09
    técnicas tão para melhorar para
  • 00:02:11
    construir de uma forma mais colaborativa
  • 00:02:14
    todo esse universo de inteligência
  • 00:02:16
    artificial então é um curso que eu tô
  • 00:02:18
    fazendo decoração mesmo para toda a
  • 00:02:21
    comunidade e aí qualquer dúvida vocês
  • 00:02:24
    podem comentar no vídeo vocês podem
  • 00:02:28
    também conversar comigo nas redes
  • 00:02:30
    sociais tanto no instagram como no
  • 00:02:32
    twitter como linkedin a ideia ser um
  • 00:02:35
    curso mesmo que abrace todos só que eu
  • 00:02:37
    vou pedir só um favor para vocês
  • 00:02:39
    compartilhem um vídeo se inscrevam no
  • 00:02:42
    canal comente indique para os amigos
  • 00:02:44
    porque é importante a gente ter
  • 00:02:46
    audiência para gente continuar motivado
  • 00:02:48
    a produzir conteúdos que conteúdo de
  • 00:02:51
    qualidade para todos vocês então agora
  • 00:02:54
    já começa uma primeira aula sobre
  • 00:02:58
    inteligência artificial fica
  • 00:03:00
    o trem
  • 00:03:02
    [Música]
  • 00:03:04
    é uma pessoa conseguir fazer uma
  • 00:03:07
    adaptação aqui na minha sala é culpa
  • 00:03:11
    para transformar como se fosse numa sala
  • 00:03:13
    de aula né aqui a televisão vai ser a
  • 00:03:16
    minha luz ea gente vai conversar porque
  • 00:03:18
    na cidade é um lugar que eu me sinto bem
  • 00:03:20
    eu quero fazer um melhor conteúdo para
  • 00:03:22
    vocês e nessa primeira parte a gente vai
  • 00:03:25
    discutir então o que é realmente
  • 00:03:27
    inteligência artificial o que dá
  • 00:03:29
    realmente para fazer hoje com i.a. e o
  • 00:03:32
    que ainda é uma promessa para o futuro
  • 00:03:34
    né muita gente me perguntou sobre
  • 00:03:36
    singularidade o sobre a geral a gente
  • 00:03:38
    vai comentar hoje um pouco vamos
  • 00:03:40
    entender as principais abordagens e já
  • 00:03:44
    nas próximas nas próximas partes aí já
  • 00:03:46
    vai começar olhar cada vez mais
  • 00:03:48
    tecnicamente para tudo isso o ponto que
  • 00:03:52
    a gente tem que ter hoje é que
  • 00:03:55
    inteligência artificial está em quase
  • 00:03:57
    tudo né o brinco que inteligência
  • 00:03:59
    artificial is the new black não é o novo
  • 00:04:01
    pretinho básico ou seja você tem
  • 00:04:04
    o smartphone quando você vai usar um
  • 00:04:06
    waze por exemplo para calcular rota você
  • 00:04:10
    tem no seu spotify na hora de
  • 00:04:12
    recomendação de música você tem no
  • 00:04:15
    google para você receber anúncios enfim
  • 00:04:18
    a inteligência artificial tá abraçando
  • 00:04:20
    todas as áreas e aí o que acontece a
  • 00:04:24
    gente também tem que ter ideia de que a
  • 00:04:26
    inteligência artificial vai criar novas
  • 00:04:29
    experiências e novos tipos de interação
  • 00:04:31
    por exemplo a interface por voz que a
  • 00:04:35
    interface mais natural que a gente tem e
  • 00:04:38
    você tá popularizando muito isso com uso
  • 00:04:42
    de tecnologias como o google home como a
  • 00:04:47
    amazon alexa como a siri isso traz uma
  • 00:04:52
    experiência muito boa para os olhos que
  • 00:04:54
    ele não precisa mais digitar mas ele dá
  • 00:04:56
    um comando por voz e recebe a informação
  • 00:04:58
    que ele quer e isso vai mudar muito a
  • 00:05:01
    forma como a gente vai interagir com a
  • 00:05:03
    tecnologia
  • 00:05:04
    é isso que é um lado positivo né que
  • 00:05:06
    essa interface e cada vez mais natural
  • 00:05:08
    mas também tem um lado negativo que a
  • 00:05:10
    gente tem ainda hoje por exemplo se você
  • 00:05:13
    faz uma busca no google ele vai te
  • 00:05:15
    mostrar ele apesar do filtro bolha né
  • 00:05:18
    você consegue ter acesso a um conteúdo
  • 00:05:21
    mais diverso na um debate maior enquanto
  • 00:05:24
    que quando você usa hoje pelo menos hoje
  • 00:05:26
    não está natural da tecnologia quando
  • 00:05:28
    você faz uma pergunta para siri ele
  • 00:05:30
    sempre vai te responder uma única
  • 00:05:32
    pergunta então se você pesquisar qual é
  • 00:05:36
    o presidente da venezuela no google ele
  • 00:05:38
    vai te mostrar vários links não é
  • 00:05:40
    possivelmente falando do maduro
  • 00:05:42
    reconhecido por um grupo de países o
  • 00:05:45
    guardou reconhecido por um outro grupo
  • 00:05:47
    você tem uma disputa de narrativa quando
  • 00:05:49
    você tem essas informações apesar do
  • 00:05:51
    futuro né de futebol também é uma
  • 00:05:53
    questão né mas você consegue ter um
  • 00:05:55
    conteúdo maior de informação e eu fiz
  • 00:05:57
    esse teste eu nas principais plataformas
  • 00:06:00
    entra no google home continuar alex
  • 00:06:01
    encontrou siri quando eu fiz essa
  • 00:06:03
    pergunta e
  • 00:06:04
    e como resposta que o presidente da
  • 00:06:07
    venezuela era uma dor na então apesar de
  • 00:06:09
    ter sinal dos tipos de interação a gente
  • 00:06:11
    também vai ter em novos desafios e faz
  • 00:06:14
    parte na tecnologia é esse avanço e
  • 00:06:16
    sempre criando salvaguardas para gente
  • 00:06:18
    construir um futuro melhor e isso traz
  • 00:06:22
    impactos também para o nosso
  • 00:06:24
    comportamento né então a medida que você
  • 00:06:27
    cria novas experiências você vai também
  • 00:06:29
    de alguma forma modulando o
  • 00:06:32
    comportamento das pessoas que será que
  • 00:06:34
    as pessoas têm consciência disso então
  • 00:06:37
    uma das pesquisas de mestrado que o
  • 00:06:40
    autor entender justamente isso né uma
  • 00:06:42
    pesquisa que vai entender se as pessoas
  • 00:06:45
    por faixa etária se as pessoas entendem
  • 00:06:48
    que os algoritmos tão modulando suas
  • 00:06:50
    vidas e se ela se importam com isso ou
  • 00:06:53
    não se elas entendem a questão da
  • 00:06:55
    privacidade dos dados os dados então a
  • 00:06:57
    pesquisa bem rica que está sendo
  • 00:06:59
    construída mas a inteligência artificial
  • 00:07:02
    tá aí para criar novas
  • 00:07:04
    um dos exemplos também bem famoso é da
  • 00:07:07
    netflix a netflix ela usa inteligência
  • 00:07:10
    artificial não só para entender o nosso
  • 00:07:13
    comportamento não só para nos recomendar
  • 00:07:16
    filme mas inclusive para recomendar um
  • 00:07:19
    filme com capas específicas então aqui é
  • 00:07:24
    um exemplo de stranger things a netflix
  • 00:07:28
    ela produz capas diferentes né com tipos
  • 00:07:32
    de abordagens diferentes e de acordo com
  • 00:07:36
    o perfil de cada usuário ela indica uma
  • 00:07:39
    dá uma das capas na então se você gosta
  • 00:07:42
    mais de aventuras de caça fantasmas
  • 00:07:47
    tartaruga ninja talvez ele vai te
  • 00:07:49
    mostrar uma capa assim se você gosta de
  • 00:07:51
    algo mais suspense talvez assim se você
  • 00:07:55
    assistir muito sobre terror talvez algo
  • 00:07:57
    assim assim então a netflix ele consegue
  • 00:08:01
    entender o seu comportamento para te
  • 00:08:03
    fazer indicar
  • 00:08:04
    ah e não só as indicações mas também
  • 00:08:06
    customizar até mesmo a capa isso é
  • 00:08:09
    positivo porque você recebe conteúdos
  • 00:08:14
    que tem a ver com o seu perfil mas por
  • 00:08:16
    outro lado essa cor íntimo tá modulando
  • 00:08:17
    seu comportamento e aí já se fala até em
  • 00:08:20
    contente loop né então você fica dentro
  • 00:08:22
    desse sistema tanto da netflix como no
  • 00:08:25
    spotify escutando e consumindo mesmo
  • 00:08:27
    tipo de conteúdo sem conseguir
  • 00:08:29
    experimentar novas coisas muitas vezes
  • 00:08:31
    você mesmo navegando no menu você não
  • 00:08:33
    consegue acessar um tipo de conteúdos
  • 00:08:35
    tem que ir lá e buscar porque dentro
  • 00:08:37
    dessa bolha desse dessa bolha de
  • 00:08:40
    conteúdo foi criado para você você não
  • 00:08:41
    tem acesso ao novo então esse é um dos
  • 00:08:43
    um dos pontos também que tem que ser
  • 00:08:46
    discutido é e aí você deve ter escutado
  • 00:08:50
    muito de inteligência artificial nos
  • 00:08:52
    últimos anos focando muito na questão
  • 00:08:55
    prática né nos últimos quatro anos para
  • 00:08:58
    cá só que assim inteligência artificial
  • 00:09:00
    para quem não é da área de ciência da
  • 00:09:01
    computação não é uma área nova
  • 00:09:04
    é a história da igreja artificial ela
  • 00:09:06
    surge junto com a história da computação
  • 00:09:09
    praticamente e uma pessoa super
  • 00:09:12
    importante é o touring talvez vocês
  • 00:09:15
    conheçam dure por conta do filme né do
  • 00:09:17
    jogo da imitação que é muito famoso que
  • 00:09:21
    conta a história do alan turing como ele
  • 00:09:23
    quebrou o código da máquina enigma né
  • 00:09:24
    todos os esforços ali para isso
  • 00:09:26
    inclusive eu fiz um vídeo sobre o alan
  • 00:09:29
    turing no science luzia de londres uma
  • 00:09:31
    exposição que tava tendo especificamente
  • 00:09:33
    sobre a máquina enigma chama top secret
  • 00:09:35
    deixa o card aqui para quem quiser
  • 00:09:37
    assistir youtube e ele é considerado o
  • 00:09:39
    pai da computação a computação que a
  • 00:09:42
    gente tem hoje nesse modelo de contração
  • 00:09:45
    que a gente tem hoje só que em 1950 ele
  • 00:09:48
    publicou esse tempero aqui inclusive o
  • 00:09:51
    capítulo um chama de imitation game e
  • 00:09:54
    ele começa esse artigo de uma forma já
  • 00:09:58
    matadora ele eu proponho a seguinte
  • 00:10:01
    questão né podem as máquinas pensar
  • 00:10:04
    bom então ele traz essa primeira questão
  • 00:10:06
    de uma forma mais vamos assim organizada
  • 00:10:11
    e ele até propõe um modelo mental um
  • 00:10:16
    experimento mental que hoje apresenta
  • 00:10:18
    como o teste de turing para pensar e
  • 00:10:20
    para refletir sobre a sua pergunta essas
  • 00:10:23
    máquinas podem pensar ou não e nesse
  • 00:10:26
    exercício mental nessa nesse experimento
  • 00:10:28
    mental ele propõe algo super simples ele
  • 00:10:31
    facial imagina que pega uma pessoa
  • 00:10:33
    coloco ela para conversar com outra
  • 00:10:36
    pessoa mas por meio de terminal e não
  • 00:10:40
    não pessoalmente é mais grande terminal
  • 00:10:42
    chat
  • 00:10:43
    bom e depois de um tempo de conversa de
  • 00:10:46
    diálogo de perguntas e respostas se ela
  • 00:10:49
    não souber se ela não souber diferenciar
  • 00:10:53
    com quem ela tá conversando a um
  • 00:10:55
    interlocutor de humano de uma máquina
  • 00:10:57
    isso talvez indique que a máquina está
  • 00:11:03
    sendo capaz de imitar o comportamento
  • 00:11:05
    humano não é por isso que eu evitei chão
  • 00:11:07
    game jogo de habitação e talvez isso
  • 00:11:10
    indique que a máquina tem algum tipo de
  • 00:11:12
    inteligência obviamente que isso depois
  • 00:11:14
    é acaba sofrendo críticas por outros
  • 00:11:17
    pesquisadores e a ser um debate aberto
  • 00:11:19
    até hoje que a gente pode discutir mais
  • 00:11:22
    mas em 1950 então aí traz esse paper com
  • 00:11:25
    uma um paper assim seminal muito famoso
  • 00:11:28
    que traz essa questão será que as
  • 00:11:30
    máquinas podem pensar e aí alguns chamam
  • 00:11:33
    o alan turing de pai da de pai da
  • 00:11:36
    computação o ambiente mais de pai da
  • 00:11:38
    inteligência artificial só que aí tem um
  • 00:11:40
    detalhe importante o touring ele num
  • 00:11:43
    e usou o termo inteligência artificial o
  • 00:11:47
    termo de inteligência artificial na
  • 00:11:48
    verdade ele surge em 1956 nessa
  • 00:11:52
    conferência que o datsun we search
  • 00:11:54
    project on artificial intelligence que
  • 00:11:58
    foi organizado pelo de uma carne uminski
  • 00:12:01
    o rochester e o xênon e eles utilizaram
  • 00:12:04
    o nome inteligência artificial para se
  • 00:12:09
    descolar de uma área que tava também
  • 00:12:11
    ganhando força na época chamava-se
  • 00:12:13
    cibernética então cibernético também uma
  • 00:12:15
    área que tem o seu valor que trabalha
  • 00:12:18
    com sistema de controle feedback que foi
  • 00:12:21
    criada pelo pelo viner tem algumas
  • 00:12:25
    intersecções com que eles estavam
  • 00:12:27
    querendo fazer só que eles queriam ir
  • 00:12:28
    além com escopo maior então para não
  • 00:12:31
    confundir
  • 00:12:32
    e eles usaram termo inteligência
  • 00:12:34
    artificial
  • 00:12:36
    e de lá para cá muita coisa aconteceu
  • 00:12:38
    muita coisa evoluiu e aí só uma
  • 00:12:41
    curiosidade um mês que foi um dos
  • 00:12:44
    organizadores dessa conferência e foi um
  • 00:12:47
    dos principais nomes de inteligência
  • 00:12:48
    artificial ele era muito amigo do clube
  • 00:12:51
    então o cubo que quando ele foi fazer o
  • 00:12:53
    filme na o 2011 série espaço na hora de
  • 00:12:57
    materializar o ou 9000 ele tava com
  • 00:13:02
    dificuldade de como seria o personagem
  • 00:13:05
    no filme e aí conversou com lins que o
  • 00:13:08
    mitológico e no futuro o computador vai
  • 00:13:11
    ser só uma interface em como a luz de
  • 00:13:13
    feedback e vai ser tudo comando por voz
  • 00:13:15
    tal e algo que a gente tem muito
  • 00:13:17
    parecido hoje como assistentes pessoais
  • 00:13:19
    na google como alexa enfim né então só
  • 00:13:24
    um disclaimer e aí o ponto que a gente
  • 00:13:27
    tem que organizar agora né nossa nossa
  • 00:13:31
    time line é que 1959 156 começa a surgir
  • 00:13:35
    na então
  • 00:13:36
    e traz a questão será que a máquina pode
  • 00:13:38
    pensar em 56 tem essa conferência que
  • 00:13:43
    foi a primeira né com o nome
  • 00:13:45
    inteligência artificial e de lá para cá
  • 00:13:47
    duas abordagens surgiram uma que a gente
  • 00:13:50
    vai ver depois que é mais é decodificar
  • 00:13:55
    mesmo conhecimento escrevendo né no
  • 00:13:58
    código aquele conhecimento então bacana
  • 00:14:00
    é capaz de aprender mas era muito
  • 00:14:01
    especialista e uma outra abordagem que
  • 00:14:04
    eu vou usar métodos estatísticos para
  • 00:14:06
    máquina aprender que também é teve o seu
  • 00:14:10
    momento de euforia mas depois da década
  • 00:14:13
    de 70 80 90 ela acabou ficando
  • 00:14:18
    totalmente esquecida é isso avança de
  • 00:14:23
    uma forma muito grande e um dos marcos
  • 00:14:25
    que a gente tem né então o que a gente
  • 00:14:27
    ela foi e voltou várias vezes é e o
  • 00:14:31
    marco assim que trouxe de novo uma
  • 00:14:33
    esperança tão inteligente artificial foi
  • 00:14:35
    talvez no projeto de pi
  • 00:14:36
    e da ibm que ela criou uma máquina para
  • 00:14:39
    jogar com kasparov e conseguiu vencer no
  • 00:14:43
    kasparov hero vencedor mundial bate em
  • 00:14:46
    todo mundo mas não conseguiu bater tanto
  • 00:14:48
    assim na máquina e isso trouxe um novo
  • 00:14:50
    as fotos pra chamar quem tá conseguindo
  • 00:14:52
    pensar então porque o xadrez seria né o
  • 00:14:55
    atividade mais cognitiva na época se
  • 00:14:58
    pensava isso né mas com esforço
  • 00:15:00
    cognitivo maior que o ser humano pudesse
  • 00:15:02
    te e a máquina conseguiu ganhar e aí se
  • 00:15:05
    eu trouxe vários debates na academia e
  • 00:15:08
    aí a gente vê que é um escopo muito
  • 00:15:10
    limitado assim o que a ibm fez com o
  • 00:15:12
    deep blue era um processo de computação
  • 00:15:14
    por força bruta né fazendo vários
  • 00:15:17
    cálculos mas a máquina ali não tinha ela
  • 00:15:20
    tinha assim calculado as probabilidades
  • 00:15:22
    das jogadas mas ela mas ela não aprende
  • 00:15:27
    a novas jogadas diferente do que a gente
  • 00:15:29
    tem hoje nem tem um alphago que foi o
  • 00:15:33
    software do seu ele pode pintar indique
  • 00:15:36
    a ganhar do maior jogo do maior vencedor
  • 00:15:39
    do gol nelson do lisador que é um jogou
  • 00:15:43
    muito mais complexa do ponto de vista de
  • 00:15:45
    probabilidade que cada jogada que você
  • 00:15:46
    faz você abre um leque muito maior de
  • 00:15:48
    probabilidades ela aprendeu a jogar e
  • 00:15:50
    que eu uma lógica própria mas sim isso
  • 00:15:53
    foi um momento importante que moço assim
  • 00:15:56
    olhar máquina consegue ganhar do homem
  • 00:15:58
    no xadrez é
  • 00:15:59
    oi e aí muita gente começou a trazer a
  • 00:16:02
    ideia da singularidade a inteligência
  • 00:16:06
    artificial vai evoluir ea gente vai
  • 00:16:08
    chegar numa inteligência artificial
  • 00:16:10
    geral que aquela inteligência artificial
  • 00:16:12
    que tem o mesmo assim o mesmo a mesma
  • 00:16:16
    experiência cognitiva do que o ser
  • 00:16:19
    humano e que aí ela vai conseguir se
  • 00:16:21
    replicar e ela vai se programar né para
  • 00:16:24
    se melhorar cada vez mais e o mano vai
  • 00:16:25
    ficar obsoleta é o ponto é que não
  • 00:16:28
    existe pelo menos ainda uma inteligência
  • 00:16:31
    artificial geral e pelo estado da arte
  • 00:16:35
    que a gente tem hoje tá muito longe é
  • 00:16:38
    hoje que a gente tem é uma inteligência
  • 00:16:41
    artificial bem restrita que aplicado em
  • 00:16:43
    casos específicos muita gente falava mas
  • 00:16:45
    tem aí vindo a computação quântica tá
  • 00:16:48
    vindo a computação quântica mas a gente
  • 00:16:50
    não tem evidências e não sabe como a
  • 00:16:52
    inteligência artificial vai se comportar
  • 00:16:55
    na computação quântica mara supernova
  • 00:16:57
    também mas com que a gente tem hoje
  • 00:16:59
    a inteligência artificial geral tá longe
  • 00:17:02
    de acontecer e eu digo aí não nesse
  • 00:17:04
    século pode ser que surja novos modelos
  • 00:17:07
    computacionais novos computadores novas
  • 00:17:09
    formas de processar que mude totalmente
  • 00:17:11
    cenário sim mas não sou um pessimista e
  • 00:17:15
    também nunca digo não eu acho que a
  • 00:17:16
    ciência sempre avança nos traz surpresas
  • 00:17:18
    agradáveis mas hoje como que a gente tem
  • 00:17:21
    a inteligência artificial geral está
  • 00:17:23
    bastante longe e aí eu coloquei essa
  • 00:17:26
    frase para deixar bem claro isso porque
  • 00:17:28
    a inteligência artificial ela não sabe
  • 00:17:31
    os problemas que ela pode resolver ela é
  • 00:17:34
    muito efetiva para na solução de
  • 00:17:38
    problemas ela às vezes é mais efetiva do
  • 00:17:42
    que o próprio ser humanos mesmo em
  • 00:17:44
    tarefas cognitivas ou tipo orçamento de
  • 00:17:47
    imagem fazer um diagnóstico por imagem
  • 00:17:49
    ela pode ter um papel essencial nisso
  • 00:17:53
    mas ela não sabe o que ela tem que
  • 00:17:54
    resolver não existe um programa que eu
  • 00:17:56
    falo alguém resolva m ajude na vacina
  • 00:17:59
    e na vidas na não existe isso eu tenho
  • 00:18:03
    que entender os modelos e eu faço os
  • 00:18:06
    projetos de inteligência artificial
  • 00:18:08
    porque não existe aí a geral que existe
  • 00:18:10
    são modelos específicos que eu vou
  • 00:18:12
    treinar para resolver problemas bastante
  • 00:18:16
    específicos ok e a gente vai entender um
  • 00:18:19
    pouco melhor agora porque a inteligência
  • 00:18:21
    artificial ela tem duas grandes
  • 00:18:23
    abordagens então quando o pessoal fala
  • 00:18:25
    inteligência artificial eu fico meio
  • 00:18:28
    confuso forma que inteligência
  • 00:18:30
    artificial você tá falando porque não
  • 00:18:31
    existe inteligência artificial nervo que
  • 00:18:34
    existe são técnicas específicas então
  • 00:18:37
    inteligência artificial pessoal brinca
  • 00:18:38
    porque eu repito isso várias vezes é um
  • 00:18:40
    grande guarda-chuva e dentro dele tem
  • 00:18:43
    várias técnicas para organizar melhor a
  • 00:18:46
    gente pode pensar em que a gente
  • 00:18:48
    artificial como esse grande guarda-chuva
  • 00:18:50
    e dentro deste religiões artificial eu
  • 00:18:53
    vou ter duas grandes abordagens uma que
  • 00:18:56
    é baseada em conhecimento que fiz
  • 00:18:59
    no passado hoje essa abordagem baseada
  • 00:19:02
    em conhecimento baseado em regras até
  • 00:19:04
    chamada de golfe que é good old fashion
  • 00:19:07
    e ai ou seja aquela iate foi legal que
  • 00:19:10
    foi bacana mas está no passado aqui eu
  • 00:19:13
    tinha um esforço de mapear o
  • 00:19:16
    conhecimento dos especialistas por
  • 00:19:19
    exemplo de médicos e aí o cody ficava
  • 00:19:21
    todo aquele conhecimento dentro de um
  • 00:19:23
    programa mas é um processo de
  • 00:19:25
    decodificação mesmo eu tinha vários gifs
  • 00:19:27
    várias condições ali e a máquina não era
  • 00:19:30
    capaz de aprender e eu tenho o que o
  • 00:19:34
    aprendizado estatístico então quando eu
  • 00:19:36
    tô falando hoje de inteligência
  • 00:19:39
    artificial os maiores esforços estão
  • 00:19:41
    concentrados aqui na eu criar técnicas
  • 00:19:45
    métodos para máquina aprender por meio
  • 00:19:48
    de métodos estatísticos a gente pode
  • 00:19:51
    trocar o nome aprendizado estatístico
  • 00:19:53
    que é o nome mais acadêmico para uma
  • 00:19:56
    palavra que tá mais na moda e vocês
  • 00:19:58
    escutam bastante para aí que é machine
  • 00:19:59
    o aprendizado de máquina também funciona
  • 00:20:03
    bem essa troca então todas as fotos
  • 00:20:06
    estão aqui em a máquina aprender por si
  • 00:20:10
    como ela vai aprender a gente vai ver as
  • 00:20:12
    abordagens agora mas esse baseado em
  • 00:20:15
    conhecimento né o golf já ficou para
  • 00:20:17
    trás e aí uma coisa importante é que a
  • 00:20:22
    inteligência artificial que a gente tem
  • 00:20:24
    hoje né então aí acessa guarda-chuva mas
  • 00:20:26
    na verdade o aprendizado de máquina ele
  • 00:20:30
    vai inverter também o próprio papel da
  • 00:20:34
    programação tradicional porque
  • 00:20:36
    antigamente é como antigamente não né
  • 00:20:40
    mais com a programação tradicional eu
  • 00:20:43
    tenho um fluxo mais ou menos assim eu
  • 00:20:45
    tenho os meus dados e os modelos de
  • 00:20:47
    entrada e o meu programa gera saída
  • 00:20:51
    é um exemplo
  • 00:20:53
    e eu vou fazer um sistema para calcular
  • 00:20:57
    ok é o imposto de renda então eu vou ter
  • 00:21:03
    o modelo que eu sei né ai se a pessoa
  • 00:21:06
    ganha até aqui ela está isenta se ela
  • 00:21:08
    ganha daqui até aqui ela paga x por
  • 00:21:11
    cento e se ela ganha daqui até aqui ela
  • 00:21:13
    ela paga y por cento ok então isso é o
  • 00:21:16
    meu modelo são as regras eu cody fico
  • 00:21:19
    isso e coloca os dados de entrada então
  • 00:21:21
    diogo curtis cpf tal salário tal vai
  • 00:21:27
    pagar tanto de imposto a saída vai ser o
  • 00:21:29
    quanto eu vou pagar ok como aprendizado
  • 00:21:33
    de máquina eu inverto essa lógica porque
  • 00:21:35
    no aprendizado de máquina eu não vou
  • 00:21:38
    programar o algoritmo para ele tomar
  • 00:21:41
    decisões eu sim eu vou programar tem um
  • 00:21:43
    programa né tem um algoritmo mas esse
  • 00:21:46
    algoritmo aqui ele vai aprender
  • 00:21:49
    bom então ele vai aprender a partir dos
  • 00:21:52
    dados e das saídas esperadas então vamos
  • 00:21:56
    supor que eu vou fazer um sistema
  • 00:21:58
    antifraude eu não vou programar todas as
  • 00:22:00
    regras de fraude porque às vezes nem eu
  • 00:22:02
    sei a saída de flávia mas aí eu pego os
  • 00:22:05
    meus dados de entrada processo aqui e
  • 00:22:09
    ele ele traz not para mim o modelo
  • 00:22:14
    ou seja eles porta para mim um modelo
  • 00:22:17
    que classifica o que é fraude o que não
  • 00:22:20
    é fraude diferente aqui em que eu entro
  • 00:22:22
    com o modelo que eu vou indicar as
  • 00:22:23
    regras entendeu essa é uma mudança que
  • 00:22:27
    tem para programação tradicional e o
  • 00:22:29
    aprendizado de máquina na programação
  • 00:22:31
    tradicional eu vou programar o meu
  • 00:22:33
    modelo vou colocar todas as regras ali e
  • 00:22:36
    no aprendizado de máquina eu deixo que o
  • 00:22:39
    meu algoritmo aprende as regras e a
  • 00:22:41
    saída vai ser esse modelo que vai
  • 00:22:43
    classificar que vai fazer ligações para
  • 00:22:45
    fazer um monte de força
  • 00:22:47
    oi e aí sim agora a gente começa a
  • 00:22:50
    entender quais são os tipos de
  • 00:22:52
    aprendizado que têm então só voltando um
  • 00:22:57
    pouco para isso minuto é quando está
  • 00:23:00
    falando de inteligência artificial então
  • 00:23:01
    resistências dois mundos a gente tá
  • 00:23:03
    focando esse aprendizado estatístico ok
  • 00:23:06
    que é o aprendizado de máquina e o
  • 00:23:09
    aprendizado de máquina ele vai ter três
  • 00:23:14
    principais abordagens tem mais tem a
  • 00:23:16
    semi-supervisionada também mais próximo
  • 00:23:19
    ele ficar aqui no nosso parte corsa a
  • 00:23:21
    gente vai falar de três principais
  • 00:23:22
    abordagens que eu aprendizado
  • 00:23:24
    supervisionado e não-supervisionado e
  • 00:23:27
    por reforça e aí qualquer ideia de cada
  • 00:23:30
    um deles o aprendizado supervisionado é
  • 00:23:32
    aquele aprendizado que eu tenho bastante
  • 00:23:35
    dados ou seja um conjunto muito grande
  • 00:23:37
    de dados só que eles estão controlados
  • 00:23:39
    eles estão explicado seja eles estão
  • 00:23:41
    supervisionados por exemplo se eu tô
  • 00:23:44
    fazendo um sistema antifraude
  • 00:23:46
    oi e eu tenho um conjunto muito grande
  • 00:23:49
    de fraude e essas fraudes estão marcadas
  • 00:23:51
    isso foi fraude isso não foi fraude isso
  • 00:23:53
    foi fraude você não foi fraude eu
  • 00:23:55
    consigo ter um aprendizado
  • 00:23:55
    supervisionado agora se eu tenho o mesmo
  • 00:24:00
    conjunto de informação mais um conjunto
  • 00:24:02
    de transações na de dados de transações
  • 00:24:04
    só que eu não sei se foi fraldinha não
  • 00:24:07
    foi fraude eu não tenho um aprendizado
  • 00:24:09
    supervisionado eu tenho um aprendizado
  • 00:24:12
    não-supervisionado um outro exemplo se
  • 00:24:15
    eu tenho um conjunto muito grande fazer
  • 00:24:18
    por centenas de milhares de imagem e
  • 00:24:21
    essas imagens estão explicadas assim ó
  • 00:24:23
    isso daqui a maçã isso aqui é uma uva
  • 00:24:25
    isso daqui é uma pera eu tenho uma
  • 00:24:28
    aprendizado supervisionado ok agora se
  • 00:24:31
    eu tiver essa mesma quantidade de
  • 00:24:33
    imagens mas elas não estão rotulados
  • 00:24:35
    elas não estão infectadas então eu tenho
  • 00:24:38
    aprendizado não-supervisionado então se
  • 00:24:41
    eu tenho os dados organizados com os
  • 00:24:43
    fatos com as etiquetas
  • 00:24:46
    o mercado é supervisionado se eu tenho
  • 00:24:49
    um conjunto muito grande dados mas eles
  • 00:24:50
    não estão explicados não tem uma
  • 00:24:52
    etiqueta não tenho rótulo eles estão não
  • 00:24:54
    supervisionado e o aprendizado por
  • 00:24:57
    reforço é um aprendizado que eu preciso
  • 00:25:00
    de poucos dados às vezes eu não preciso
  • 00:25:03
    de dados nenhum e ele vai trabalhar por
  • 00:25:06
    meio de tentativa e erro e aí isso é
  • 00:25:09
    muito utilizado por exemplo em
  • 00:25:11
    simulações e robótica e jogos a gente
  • 00:25:14
    vai ver com mais detalhe já já só que o
  • 00:25:18
    importante é que a gente tem que ter na
  • 00:25:21
    cabeça de que eu tenho o meu modelo que
  • 00:25:24
    pode ser supervisionado ou não
  • 00:25:26
    supervisionado que ele precisa de dados
  • 00:25:30
    de entrada então vamos supor que eu tô
  • 00:25:32
    fazendo um classificador de imagem né de
  • 00:25:36
    maçãs plus para o problema hortifruti
  • 00:25:39
    por aí e aí ele eu preciso de um exemplo
  • 00:25:42
    muito grande de imagens de maçã para ele
  • 00:25:45
    aprender
  • 00:25:46
    eu não sei então eu vou pegar centenas
  • 00:25:48
    de milhares de imagens de maçã e nesse
  • 00:25:51
    caso por exemplo um aprendizado
  • 00:25:53
    supervisionado então cada uma das
  • 00:25:55
    imagens eu vou te explicar dois é uma
  • 00:25:56
    seleção na seção nasceu esse é uma uva
  • 00:25:58
    isso é uma pera e aí o meu modelo
  • 00:26:01
    conforme eu vou explicando né
  • 00:26:04
    apresentando esses exemplos ele vai
  • 00:26:07
    criando um mapeamento de uma entrada com
  • 00:26:10
    uma saída uma função de aproximação para
  • 00:26:12
    classificar como maçã então eu preciso
  • 00:26:15
    de uma quantidade muito grande de
  • 00:26:16
    exemplos porque quando a gente fala que
  • 00:26:19
    google a mas no facebook apple elas
  • 00:26:22
    dominam esse universo de inteligência
  • 00:26:24
    artificial mas não só ela também tem as
  • 00:26:26
    chinesas né baidu tem sentido porque
  • 00:26:28
    eles têm uma um conjunto muito grande
  • 00:26:30
    idade às vezes a gente tem técnicas
  • 00:26:32
    muito avançadas às vezes a gente tem um
  • 00:26:35
    poder computacional até adequado mais
  • 00:26:36
    falta os dados para treinar e aí é um
  • 00:26:39
    exemplo que eu dou mas eu tava como
  • 00:26:42
    professor visitante na queen mary
  • 00:26:45
    university of london
  • 00:26:46
    a inglaterra e tava trabalhando numa
  • 00:26:49
    pesquisa de pra frente linguagem natural
  • 00:26:52
    para reconhecimento de discurso de ódio
  • 00:26:55
    nas redes sociais então assim observa de
  • 00:26:57
    sentenças que fossem anotados por
  • 00:27:00
    anotadores especialistas humanos é sobre
  • 00:27:05
    o que era ódio que não era ódio o que
  • 00:27:07
    acontece que tava trabalhando com o
  • 00:27:09
    português e a gente é muito poucos dados
  • 00:27:12
    em português muito mais em inglês então
  • 00:27:14
    esse é um exemplo de que a quantidade de
  • 00:27:17
    dados a importância dos dados importa na
  • 00:27:19
    inteligência artificial e aí a gente
  • 00:27:22
    começa agora a desmistificar que lá
  • 00:27:25
    existe inteligência artificial geral não
  • 00:27:27
    então se eu voltar aqui ó não tenho
  • 00:27:31
    essas abordagens né dentro dessas
  • 00:27:34
    abordagens eu vou eu vou ter um conjunto
  • 00:27:36
    de técnicas específicas então no
  • 00:27:38
    aprendizado supervisionado eu vou ter
  • 00:27:40
    uma técnica y a tecla uma técnica z aqui
  • 00:27:43
    eu vou ter outras técnicas e aqui o teu
  • 00:27:45
    draft
  • 00:27:46
    o que resolvem tipos específicos de
  • 00:27:50
    problema então aqui é para deixar claro
  • 00:27:53
    isso por exemplo eu vou ter um modelo
  • 00:27:57
    específico e uma técnica específica só
  • 00:28:00
    para fazer o reconhecimento de fala
  • 00:28:03
    então se eu pegar o exemplo a siri e
  • 00:28:06
    agora que você dá o comando de voz para
  • 00:28:07
    ela como que funciona esse sabe como é
  • 00:28:10
    que funciona tem um modelo que vai só
  • 00:28:12
    reconhecer só fala então ele reconhece
  • 00:28:14
    que você disse e transcreve isso no
  • 00:28:18
    texto e aí pode existir um segundo
  • 00:28:21
    modelo de processamento de linguagem
  • 00:28:23
    natural que vai pegar o que está escrito
  • 00:28:25
    e vai entender o que você quer e assim
  • 00:28:28
    por diante então são vários modelos
  • 00:28:30
    comum então se eu tenho um modelo que
  • 00:28:33
    classifica a maçã ele só vai funcionar
  • 00:28:36
    para classificar maçã sei que cê
  • 00:28:38
    precisar classificar luva eu vou ter que
  • 00:28:41
    treinar com uvas também o mesmo modelo
  • 00:28:43
    pode ser mas ele só que vai ser o tener
  • 00:28:46
    con
  • 00:28:46
    e vai conhecer mas agora se eu quiser
  • 00:28:48
    treinar com uva eu vou ter que adicionar
  • 00:28:51
    esse exemplo para o meu modelo aprender
  • 00:28:55
    que existe maçã e uva também só que esse
  • 00:28:57
    modelo de reconhecimento de imagem ele
  • 00:28:59
    só reconhece imagem ele é uma técnica
  • 00:29:01
    específica de reconhecimento de imagem o
  • 00:29:04
    impedimento de fala só reconhece só
  • 00:29:06
    reconhece fala o tipo de linguagem
  • 00:29:09
    natural também são técnicas específicas
  • 00:29:12
    ele também só vou fazer isso são modelos
  • 00:29:14
    separados então eu tenho os modelos
  • 00:29:17
    específicos né então o reconhecimento de
  • 00:29:20
    fala ele tá treinando para reconhecer o
  • 00:29:22
    português por exemplo eu tenho outro
  • 00:29:24
    reconhecimento de fala para o inglês e
  • 00:29:25
    assim por diante e a mesma coisa foi
  • 00:29:28
    conhecimento de imagem então são
  • 00:29:29
    técnicas mais específicas e depois eu
  • 00:29:31
    posso combinar elas né de alguma forma
  • 00:29:33
    só que elas trabalham de forma
  • 00:29:35
    independente e depende do tipo de dados
  • 00:29:38
    que eu vou treinar e aí só para deixar
  • 00:29:40
    claro por exemplo de reconhecimento de
  • 00:29:42
    imagem 1311 caso que já entra na questão
  • 00:29:44
    de ética
  • 00:29:46
    o pênis de discriminação do sistema de
  • 00:29:50
    reconhecimento de imagem do google que
  • 00:29:52
    tava reconhecendo negros como gorilas
  • 00:29:56
    então hora que dependendo da imagem ele
  • 00:29:59
    marcava as fotos dos negros como gorilas
  • 00:30:02
    ou sejam um erro gravíssimo e aí tem um
  • 00:30:07
    conceito aqui em cima de black box seja
  • 00:30:09
    às vezes é difícil explicar esses
  • 00:30:10
    modelos e o google teve que vir a
  • 00:30:13
    público fora não sei o que tá
  • 00:30:14
    acontecendo então para evitar que o
  • 00:30:17
    modelo fosse né que um negro fosse
  • 00:30:19
    classificado como o murilo que eles
  • 00:30:21
    fizeram eles re treinaram modelo só que
  • 00:30:24
    agora sem exemplos de gorila ok e o
  • 00:30:27
    google já fez uma outra mudança
  • 00:30:28
    recentemente é no sistema de
  • 00:30:32
    reconhecimento de imagem também porque
  • 00:30:34
    antes pela imagem e marcava se era homem
  • 00:30:37
    ou mulher e a questão do gênero não é
  • 00:30:40
    muito mais complexa do que isso então
  • 00:30:42
    eles são hoje por uma simples imagem eu
  • 00:30:46
    não
  • 00:30:46
    a ferir o gênero na se é um homem ou se
  • 00:30:49
    é uma mulher então agora diz o marco
  • 00:30:51
    como pessoas estiveram que jeito aí não
  • 00:30:54
    modelo para se comportar desta forma e
  • 00:30:57
    aqui talvez não esteja tão claro para
  • 00:31:03
    vocês não deu para ver também mas é um
  • 00:31:06
    mapa esse mapa bem famoso assim sobre
  • 00:31:08
    diferentes técnicas então aqui eu tenho
  • 00:31:10
    aprendizado supervisionado e aqui um
  • 00:31:13
    conjunto de técnicas e modelos que eu
  • 00:31:15
    posso aplicar aqui o aprendizado
  • 00:31:18
    não-supervisionado também um outro
  • 00:31:19
    conjunto de técnicas e modelos e aqui o
  • 00:31:23
    por reforço também um conjunto grande de
  • 00:31:26
    técnicas modelos e ao longo do curso é
  • 00:31:28
    que a gente vai ver algumas das técnicas
  • 00:31:30
    de forma um pouco mais aprofundada o
  • 00:31:34
    ponto importante é o que eu consigo
  • 00:31:37
    fazer com cada uma dessas abordagens
  • 00:31:39
    instante viu que a gente tem um
  • 00:31:40
    aprendizado supervisionado que é aquele
  • 00:31:43
    aprendizado em que eu tenho um conjunto
  • 00:31:44
    de dados controlados
  • 00:31:46
    e eu tenho aprendizado
  • 00:31:48
    não-supervisionado quando eu não tenho
  • 00:31:49
    dados calculados e eu tenho aprendizado
  • 00:31:51
    por reforço que que eu consigo fazer com
  • 00:31:54
    cada uma delas como aprendizado
  • 00:31:57
    supervisionado ou seja seu tem os dados
  • 00:32:00
    rotulados eu consigo fazer classificação
  • 00:32:04
    e o que é classificação é justamente por
  • 00:32:07
    exemplo reconhecimento de imagem então
  • 00:32:09
    assim se por uma por um sistema de
  • 00:32:12
    reconhecimento de imagem reconheceu o
  • 00:32:13
    diogo ele tem que ter exemplos do meu
  • 00:32:16
    rosto e tem que tá marcado que é o diogo
  • 00:32:17
    se não ele não vai reconhecer então
  • 00:32:19
    reconhecendo de imagem é um caso
  • 00:32:21
    específico um sistema antifraude né foi
  • 00:32:24
    fraude ou não foi é o sistema de
  • 00:32:27
    classificação só que pra ele aprender o
  • 00:32:29
    que é fraude não é fraude no tratasete
  • 00:32:31
    tem que tá explicado atualizações que
  • 00:32:32
    são fraude e as transações que não são
  • 00:32:35
    fraude então a gente consegue fazer
  • 00:32:37
    sistemas de classificação ainda não
  • 00:32:40
    aprendizado supervisionado quando eu
  • 00:32:42
    tenho esses dados organizados turauto
  • 00:32:45
    lados eu
  • 00:32:46
    e também sistemas de regressão regressão
  • 00:32:49
    é são técnicas que eu vou utilizar para
  • 00:32:53
    predizer alguma coisa mas então em conta
  • 00:32:56
    a classificação eu uso o valores que são
  • 00:33:00
    binários ou mas não sobe nariz né que
  • 00:33:02
    são discretos aqui no aprendizado
  • 00:33:05
    supervisionado eu uso valores contínuos
  • 00:33:08
    então muito utilizado por exemplo para
  • 00:33:10
    calcular preço de ação o valor de metro
  • 00:33:16
    quadrado em regiões e também na área de
  • 00:33:19
    policiamento então eu consigo eu pego os
  • 00:33:22
    dados do passado aplica o técnica de
  • 00:33:24
    reversão que a gente vai vê no próximo
  • 00:33:26
    vídeo ele consegue estimar para mim
  • 00:33:28
    aonde eu preciso de mais polícia por
  • 00:33:31
    exemplo então aprendizado supervisionado
  • 00:33:33
    eu consigo fazer o que a classificação e
  • 00:33:36
    a regressão
  • 00:33:38
    em ipu aprendizado não-supervisionado o
  • 00:33:40
    que eu consigo fazer são outras coisas
  • 00:33:42
    porque se os dados não estão rotulados
  • 00:33:45
    eu não consigo fazer classificação
  • 00:33:47
    porque ele se eu tenho um conjunto de
  • 00:33:49
    transações mas essas transações não
  • 00:33:52
    estão explicando o que é fraldinha não é
  • 00:33:54
    fraude então esquece eu não consigo para
  • 00:33:57
    o meu computador aprendi o que é fraude
  • 00:33:59
    isso eu não tô explicando para ele o que
  • 00:34:00
    é fraude correto faz sentido e mas eu
  • 00:34:03
    consigo fazer outras coisas né quando os
  • 00:34:05
    dados não estão supervisionados com eles
  • 00:34:06
    não estão rotulados do tipo segmentação
  • 00:34:09
    então eu pego todas as minhas transações
  • 00:34:11
    aqui e ele agropop tem esse conjunto de
  • 00:34:14
    transações que se comportam dessa forma
  • 00:34:16
    tem esse outro grupo que se comporta de
  • 00:34:20
    uma outra forma e se você ainda chegas
  • 00:34:22
    pode falar então esse conjunto parece
  • 00:34:23
    ser fraude esse outro conjunto parece
  • 00:34:25
    não ser fraude ou até mesmo por exemplo
  • 00:34:28
    segmentações de clientes eu sou uma loja
  • 00:34:31
    nova recente com esse pouco dos meus
  • 00:34:33
    clientes mas toda vez que eles vão lá
  • 00:34:35
    eles deixam os dados cadastrais tal
  • 00:34:38
    há três meses eu posso rodar algum
  • 00:34:41
    modelo de aprendizado nosso pressionada
  • 00:34:43
    que ele vai segmentar para mim de acordo
  • 00:34:45
    com as pessoas que eu defini né com as
  • 00:34:48
    variáveis ao tem esse conjunto de
  • 00:34:50
    clientes que se comporta de uma forma
  • 00:34:51
    tem esse outro conjunto que se comporta
  • 00:34:53
    de outra forma e assim por gestor é
  • 00:34:56
    muito bom para tirar esses clusters
  • 00:34:57
    essas segmentações e a gente vai ver
  • 00:35:00
    algumas técnicas também é mais para
  • 00:35:03
    frente e por fim eu tenho aprendizado
  • 00:35:06
    por reforço na em que eu não preciso de
  • 00:35:08
    tantos dados eu deixo o meu sistema agir
  • 00:35:12
    e interagir com o ambiente e ele vai
  • 00:35:15
    aprendendo por tentativa e erro então
  • 00:35:19
    quando ele se comporta bem eu dou um
  • 00:35:21
    reforço para ele né muito estrada no
  • 00:35:24
    guerreiro orista mesmo e quando ele se
  • 00:35:26
    comporta mal eu dou uma posição ele sabe
  • 00:35:29
    que não tem que fazer isso só que assim
  • 00:35:31
    é tem que ser no ambiente controlado né
  • 00:35:34
    você não vai fazer um carro autônomo
  • 00:35:37
    total
  • 00:35:38
    é baseado no aprendizado por reforço ele
  • 00:35:40
    não pode sair por aí dirigir novo mas
  • 00:35:41
    tem alguém não pode né por isso não não
  • 00:35:44
    é sempre ambientes controlados e aí
  • 00:35:46
    muito utilizado por exemplo na robótica
  • 00:35:48
    tem um vídeo que muito interessante do
  • 00:35:53
    robô aprendendo a gira a panqueca na
  • 00:35:56
    então a primeira vez ele vai tudo torto
  • 00:35:57
    a segunda vez vai melhorando até que
  • 00:36:00
    depois de várias interações ele aprende
  • 00:36:04
    a gerar uma panqueca sem precisar ser
  • 00:36:06
    programado para isso sem precisar de ter
  • 00:36:08
    um conjunto muito grande de dados para
  • 00:36:11
    tentar pela interação
  • 00:36:13
    ah e também muito utilizado na hora de
  • 00:36:16
    games de jogos então você nas principais
  • 00:36:19
    competições todas conferências de aquele
  • 00:36:24
    competições específicas de jogos então
  • 00:36:26
    em que o cria um modelo treino meu
  • 00:36:28
    modelo e ele vai competir com o seu
  • 00:36:29
    modelo para jogar candy crush para jogar
  • 00:36:33
    a mário para jogar angry birds angry
  • 00:36:36
    birds é bem famoso e é a mesma coisa
  • 00:36:38
    então o meu modelo vai começar a
  • 00:36:40
    controlar o mário e na primeira vez ele
  • 00:36:42
    vai tudo nada a ver se vai ficar pulando
  • 00:36:45
    reto cai no buraco aliciador pera aí eu
  • 00:36:47
    fui punido eu não posso cair no buraco
  • 00:36:49
    então ele vai desenvolvendo estratégias
  • 00:36:52
    para tomar as melhores decisões sem
  • 00:36:56
    querer receba né a tomar as melhores
  • 00:36:58
    decisões é evitar as punições então a
  • 00:37:01
    medida o tempo que ele vai fazendo a
  • 00:37:03
    simulações e aqui são várias fases que
  • 00:37:05
    ele vai jogar lá então ele joga primeira
  • 00:37:07
    vez da tosqueira segunda vez da
  • 00:37:08
    tosqueira crescer às vezes também ruim
  • 00:37:11
    aí lá para mim
  • 00:37:13
    eu aviso ele tá jogando melhor então são
  • 00:37:15
    várias que a gente chama de épocas né
  • 00:37:19
    que ele precisa ser treinado para ter um
  • 00:37:21
    comportamento melhor e aí a gente vai
  • 00:37:23
    ver também algumas coisas disso mais
  • 00:37:25
    para frente ok então essa é para dar uma
  • 00:37:28
    introdução do que é a inteligência
  • 00:37:31
    artificial hoje então não existe nada
  • 00:37:34
    como uma inteligência artificial geral
  • 00:37:36
    ele está muito longe disso como vocês
  • 00:37:38
    viram o seu modelos específicos para
  • 00:37:40
    cada problema e aí nos próximos vídeos a
  • 00:37:43
    gente vai ver algumas técnicas as mais
  • 00:37:47
    usadas e eu vou deixar os códigos tem
  • 00:37:49
    para depois quem quiser implementar ok
  • 00:37:52
    então não se esqueça de escrever no
  • 00:37:54
    canal do youtube é compartilhar com os
  • 00:37:56
    amigos e também seguir no instagram
  • 00:37:58
    twitter então é sempre diogo cortizo em
  • 00:38:01
    tudo fica fácil e aí qualquer dúvida ou
  • 00:38:03
    sugestões fique à vontade para escrever
  • 00:38:06
    e vamos juntos nessa valeu e até mais
الوسوم
  • inteligencia artificial
  • curso online
  • tecnología
  • aprendizaje automático
  • Alan Turing
  • aplicaciones de IA
  • impacto social
  • aprendizaje supervisado
  • aprendizaje no supervisado
  • aprendizaje por refuerzo