Curso de Inteligência Artificial para todos - Aula 1

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

Zusammenfassung

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.

Mitbringsel

  • 📚 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

Zeitleiste

  • 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.

Mehr anzeigen

Mind Map

Video-Fragen und Antworten

  • ¿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.

Weitere Video-Zusammenfassungen anzeigen

Erhalten Sie sofortigen Zugang zu kostenlosen YouTube-Videozusammenfassungen, die von AI unterstützt werden!
Untertitel
pt
Automatisches Blättern:
  • 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
Tags
  • inteligencia artificial
  • curso online
  • tecnología
  • aprendizaje automático
  • Alan Turing
  • aplicaciones de IA
  • impacto social
  • aprendizaje supervisado
  • aprendizaje no supervisado
  • aprendizaje por refuerzo