. [Inteligência Artificial] Módulo 1 - Introdução à Inteligência Artificial aula 3

00:11:31
https://www.youtube.com/watch?v=_JkzHJgYpeM

Zusammenfassung

TLDRLuciano Soler, professor de inteligência artificial, introduz a disciplina explicando como os computadores aprendem a partir de dados transformados em números. Ele detalha três tipos de aprendizado: supervisionado, onde o computador é ensinado com dados marcados; não supervisionado, onde o algoritmo classifica dados sem supervisão; e por reforço, que utiliza recompensas e punições para ensinar. Exemplos práticos incluem o reconhecimento de imagens e a classificação de objetos. O professor também menciona a aplicação da inteligência artificial em diversas áreas, como recomendações de filmes e reconhecimento de imagens.

Mitbringsel

  • 👨‍🏫 Luciano Soler é o professor de inteligência artificial.
  • 💻 Computadores aprendem transformando dados em números.
  • 🔍 Aprendizado supervisionado envolve dados marcados.
  • 📊 Aprendizado não supervisionado classifica dados sem supervisão.
  • 🏆 Aprendizado por reforço utiliza recompensas e punições.
  • 📸 Exemplo de reconhecimento de imagens com redes neurais.
  • 📚 Importância de marcar dados para o aprendizado supervisionado.
  • 🎬 Aplicações da IA incluem recomendações de filmes.
  • 🐶 Aprendizado por reforço é semelhante ao treinamento de animais.
  • 🔧 A IA pode ser aplicada em diversas áreas do cotidiano.

Zeitleiste

  • 00:00:00 - 00:05:00

    O professor Luciano Soler apresenta uma introdução à disciplina de inteligência artificial. Ele explica como os computadores aprendem a reconhecer vídeos, imagens e textos, transformando-os em números que são processados por algoritmos inteligentes, como redes neurais. Luciano ilustra isso com exemplos de identificação de imagens, enfatizando a transformação de dados em saídas compreensíveis, como texto ou áudio, e menciona a importância do ChatGPT nesse processo. O aprendizado de máquinas é dividido em três categorias: aprendizado supervisionado, não supervisionado e por reforço, começando com o aprendizado supervisionado em que um computador aprende com exemplos rotulados.

  • 00:05:00 - 00:11:31

    O aprendizado não supervisionado é abordado como um método em que o computador classifica dados sem supervisão externa, reconhecendo padrões e agrupando informações semelhantes. Luciano exemplifica isso com a categorização de frutas com base em suas características. Finalmente, o aprendizado por reforço é discutido, explicando como o comportamento é moldado por recompensas e punições, usando a analogia de um cachorro aprendendo com recompensas e penalidades. O exemplo de um robô resolvendo um problema também é usado para ilustrar como esse tipo de aprendizado opera na prática.

Mind Map

Video-Fragen und Antworten

  • Quem é o professor da disciplina?

    Luciano Soler.

  • Quais são os tipos de aprendizado em inteligência artificial?

    Aprendizado supervisionado, não supervisionado e por reforço.

  • Como os computadores aprendem?

    Através de dados transformados em números processados por algoritmos.

  • O que é aprendizado supervisionado?

    É quando o computador é ensinado com dados marcados.

  • O que é aprendizado não supervisionado?

    É quando o algoritmo classifica dados sem supervisão.

  • Como funciona o aprendizado por reforço?

    Baseia-se em recompensas e punições para ensinar o computador.

  • Qual é um exemplo de aprendizado supervisionado?

    Marcar imagens de insetos para que o computador aprenda a reconhecê-los.

  • Como a inteligência artificial é aplicada no dia a dia?

    Em recomendações de filmes, reconhecimento de imagens, entre outros.

Weitere Video-Zusammenfassungen anzeigen

Erhalten Sie sofortigen Zugang zu kostenlosen YouTube-Videozusammenfassungen, die von AI unterstützt werden!
Untertitel
pt
Automatisches Blättern:
  • 00:00:04
    Olá pessoal, tudo bem? Meu nome é
  • 00:00:06
    Luciano Soler, serei o professor de
  • 00:00:08
    vocês na disciplina de inteligência
  • 00:00:09
    artificial. Vou fazer uma breve
  • 00:00:11
    autodescrição. Eu sou um homem branco de
  • 00:00:13
    cabelo castanho escuro, vestindo uma
  • 00:00:16
    camiseta preta. Eu tô num cenário que o
  • 00:00:18
    fundo é preto com alguns livros, uma
  • 00:00:21
    mesa preta e um computador ao lado.
  • 00:00:23
    Inteligência artificial, módulo um,
  • 00:00:26
    introdução à inteligência artificial
  • 00:00:29
    três, pessoal.
  • 00:00:31
    Então, toda a parte de inteligência
  • 00:00:33
    artificial, como que os computadores
  • 00:00:35
    aprendem? Como que a gente ensina pro
  • 00:00:38
    computador vídeos, imagens e tudo mais?
  • 00:00:41
    Como que isso é feito? né? Nós pegamos
  • 00:00:43
    um monte de arquivos, pode ser texto,
  • 00:00:45
    pode ser imagem, pode ser vídeo, pode
  • 00:00:46
    ser áudio. A gente, quando a gente
  • 00:00:48
    coloca na inteligência artificial, tudo
  • 00:00:50
    isso é transformado em números e esses
  • 00:00:53
    números são processados ali pelo
  • 00:00:56
    algoritmo inteligente, pela rede neural,
  • 00:00:58
    e são devolvidos como números. Só que
  • 00:01:00
    esses números devolvidos são
  • 00:01:03
    retransformados em áudio, vídeo, texto.
  • 00:01:06
    A gente consegue fazer as entradas do
  • 00:01:08
    jeito que a gente precisa e ter uma
  • 00:01:10
    resposta do jeito que a gente precisa. E
  • 00:01:12
    no meio a gente tem programas
  • 00:01:14
    inteligentes que processam, assim como o
  • 00:01:17
    nosso cérebro, a gente recebe
  • 00:01:19
    informações visuais,
  • 00:01:22
    auditivas, textuais e a gente consegue
  • 00:01:25
    processar aquilo ali e gerar o resultado
  • 00:01:27
    de acordo com e o o que a gente recebeu.
  • 00:01:30
    Então, a rede neural é a mesma coisa.
  • 00:01:32
    Vamos ver um exemplo. Por exemplo, se eu
  • 00:01:34
    pego essa imagem, quando eu jogo essa
  • 00:01:37
    imagem da vaca, que a gente tem à
  • 00:01:38
    esquerda aqui, uma imagem de vaca com um
  • 00:01:40
    focinho bem próximo da câmera, quando eu
  • 00:01:43
    pego essa imagem da vaca com o focinho
  • 00:01:47
    bem próximo da câmera e jogo na rede
  • 00:01:50
    neural, a gente tá transformando essa
  • 00:01:52
    imagem em números. Essa rede neural que
  • 00:01:54
    parece um cérebro cheio de número lá
  • 00:01:55
    dentro, tá processando isso. E a saída
  • 00:01:59
    são números, mas que também depois podem
  • 00:02:01
    virar texto, podem virar áudio. E essa
  • 00:02:05
    saída pode virar áudio. Nesse caso aqui,
  • 00:02:08
    teve a saída ali que a gente viu, ó, a
  • 00:02:09
    imagem que você forneceu é uma vaca
  • 00:02:11
    vista de muito perto. Se nós colocarmos
  • 00:02:14
    isso na inteligência artificial, a gente
  • 00:02:15
    vai ter isso, ó. Se você fizer isso no
  • 00:02:16
    chat EPT agora, se você, a gente vai
  • 00:02:19
    falar um pouquinho mais sobre o chat
  • 00:02:20
    EPT, mas vou mostrar um vídeo aqui. Se
  • 00:02:22
    você colocar essa imagem no chat EPT e
  • 00:02:25
    apertar para enviar lá para ele, ele vai
  • 00:02:27
    responder justamente isso, ó. Essa essa
  • 00:02:29
    imagem é de uma vaca vista de muito
  • 00:02:32
    perto, se destaca pelo focinho grande,
  • 00:02:34
    expressivo. Ele tá explicando para você
  • 00:02:36
    o que que é aquela imagem. Isso, ela
  • 00:02:40
    recebeu aquele aquela imagem, processou
  • 00:02:43
    e nos retornou de uma forma
  • 00:02:46
    diferenciada, tá? Solar, mas como que
  • 00:02:49
    esses computadores aprendem, né? Você me
  • 00:02:52
    falou ali que você vai colocar vários
  • 00:02:54
    arquivos e vai processar aquilo e vai
  • 00:02:57
    ter uma uma volta. Mas exatamente como
  • 00:03:00
    como que você ensina para ele? A gente
  • 00:03:03
    tem três tipos de formas de aprendizado
  • 00:03:05
    do computador. A gente tem o aprendizado
  • 00:03:08
    supervisionado, que a gente vai falar
  • 00:03:10
    como que funciona o aprendizado na
  • 00:03:12
    primeiro degrau aqui, né? Vamos pensar
  • 00:03:14
    assim que a gente tem uma imagem aqui,
  • 00:03:15
    nós temos três degrais, né? o
  • 00:03:18
    aprendizado supervisionado no primeiro
  • 00:03:21
    degrau, o segundo degrau é aprendizado
  • 00:03:23
    não supervisionado e o terceiro degrau
  • 00:03:26
    aprendizado por
  • 00:03:28
    reforço. Essa imagem que a gente tá
  • 00:03:29
    vendo, a gente pode imaginar ali o
  • 00:03:31
    primeiro degrau. Vamos falar um
  • 00:03:32
    pouquinho desse primeiro degrau
  • 00:03:33
    inicialmente. O que que é o aprendizado
  • 00:03:35
    supervisionado? O aprendizado
  • 00:03:37
    supervisionado é quando você acompanha o
  • 00:03:40
    computador no aprendizado dele. Vamos
  • 00:03:42
    pro próximo slide. Aqui a gente vai ver
  • 00:03:44
    um exemplo bem claro disso. Aqui a gente
  • 00:03:46
    tem uma imagem de um inseto. Ele chama é
  • 00:03:49
    um conhecido como percevejo, mas chama
  • 00:03:52
    euquistos. Eh, nesara virdula, né? Na
  • 00:03:56
    verdade, chama Nesara
  • 00:03:58
    virdula. Esse perceve e eu tenho para
  • 00:04:01
    mim fazer com que o computador reconheça
  • 00:04:04
    esse perceve, eu tenho que fazer uma
  • 00:04:06
    marcação nessa imagem, que essa imagem
  • 00:04:08
    de perceve que a gente tá vendo, eu
  • 00:04:10
    tenho que marcar um retângulo em volta
  • 00:04:11
    da imagem. Então, se você olhar, tem um
  • 00:04:14
    retângulo marcado em volta da imagem de
  • 00:04:17
    Percevejo. Esse retângulo, ele vai fazer
  • 00:04:20
    com que o computador entenda que aquela
  • 00:04:22
    área é uma área prioritária dentro da
  • 00:04:24
    imagem e que ele tem que aprender sobre
  • 00:04:26
    aquela área. Eu tenho que fazer isso
  • 00:04:29
    igual eu vou passar aqui o próximo
  • 00:04:30
    slide. Vocês estão vendo que tem muitas
  • 00:04:32
    imagens. A gente tem aqui nesse slide eh
  • 00:04:35
    um
  • 00:04:36
    site chama Roboflow. E esse site você
  • 00:04:39
    pode jogar as imagens para treinamento.
  • 00:04:41
    Então você joga várias imagens lá dentro
  • 00:04:43
    desse site aqui. A gente tá vendo várias
  • 00:04:45
    imagens. É um conjunto de imagens aqui.
  • 00:04:48
    E essas imagens todas elas eu tenho que
  • 00:04:51
    marcar uma por uma. Se você observar
  • 00:04:54
    nesse site que a gente tá olhando, eh,
  • 00:04:56
    são
  • 00:04:57
    7.263 imagens. São muitas imagens, né? E
  • 00:05:01
    e daí você tem que marcar todas as
  • 00:05:03
    imagens de todos os insetos.
  • 00:05:06
    É todo o mesmo, todas as imagens é do
  • 00:05:08
    mesmo inseto, porque eu tô treinando
  • 00:05:09
    inteligência artificial neste tipo de
  • 00:05:12
    inseto. Se eu quiser treinar para outra
  • 00:05:14
    coisa, quiser treinar para ele
  • 00:05:15
    reconhecer carros, eu teria que ter
  • 00:05:17
    imagens do carro, dos carros ou do
  • 00:05:19
    carro, se for um modelo específico, em
  • 00:05:22
    diversas posições diferente para que ele
  • 00:05:24
    reconheça aquele carro em qualquer
  • 00:05:26
    posição. O caso aqui das imagens do
  • 00:05:29
    Percevejo, eu tô estou treinando ela de
  • 00:05:33
    várias maneiras diferentes. Veja em
  • 00:05:35
    posições diferentes com idades
  • 00:05:36
    diferentes, porque o os insetos eles
  • 00:05:39
    mudam, igual a gente muda na nossa
  • 00:05:41
    idade, os insetos também mudam. Então a
  • 00:05:42
    gente tem que colocar várias imagens de
  • 00:05:44
    formas diferentes pra inteligência
  • 00:05:45
    artificial conseguir reconhecer. É um
  • 00:05:48
    trabalho manual que a gente faz para
  • 00:05:50
    treinar ela. Isso daqui é o aprendizado
  • 00:05:52
    supervisionado, porque a gente ensina
  • 00:05:54
    passando exatamente o que a gente quer
  • 00:05:55
    que ela aprenda. Eu não vou colocar uma
  • 00:05:57
    imagem de um outro inseto, por exemplo,
  • 00:05:59
    de uma formiga aqui, porque senão eu vou
  • 00:06:01
    treinar errado a inteligência
  • 00:06:02
    artificial.
  • 00:06:04
    eu tenho que marcar exatamente o que eu
  • 00:06:06
    quero que ela saiba. Então, nesse caso,
  • 00:06:07
    é um aprendizado
  • 00:06:08
    supervisionado. Eu tenho no segundo
  • 00:06:10
    degrau agora, voltando aqui para aquela
  • 00:06:12
    nossa nossa imagem que tem o os três
  • 00:06:15
    degrais n aprendizado supervisionado,
  • 00:06:17
    não supervisionado e por reforço, a
  • 00:06:19
    gente vai falar do aprendizado não
  • 00:06:20
    supervisionado. O que que o aprendizado
  • 00:06:22
    não supervisionado traz? O aprendizado
  • 00:06:24
    não supervisionado, ele faz o tal da que
  • 00:06:26
    a gente chama de classificação. Vamos
  • 00:06:28
    pro próximo slide aqui, fica mais fácil.
  • 00:06:30
    Eu só tenho vários objetos, objetos
  • 00:06:32
    diferentes. Então a gente tá pegando
  • 00:06:33
    frutas aqui. Então olhando pro lado
  • 00:06:34
    esquerdo, a gente tem várias frutas ali,
  • 00:06:36
    maçã, banana, eh eh pêssego. São várias
  • 00:06:41
    frutas diferentes, desculpa, maçã,
  • 00:06:42
    banana e
  • 00:06:43
    laranja. São várias frutas diferentes.
  • 00:06:45
    Ali a gente tem várias frutas
  • 00:06:47
    diferentes. Do lado esquerdo a gente tem
  • 00:06:49
    um cérebro com processamento e do lado
  • 00:06:51
    direito a gente vai ver três fileiras de
  • 00:06:53
    frutas, né? a gente vê maçã na primeira
  • 00:06:55
    fileira, na segunda fileira a gente vê
  • 00:06:57
    eh laranja e na última fileira a gente
  • 00:06:59
    vê banana. Que que acontece ali? a
  • 00:07:01
    gente, esse algoritmo de eh aprendizado
  • 00:07:04
    não supervisionado, ele consegue
  • 00:07:05
    reconhecer padrões diferentes. Então ele
  • 00:07:08
    observa vários várias coisas misturado e
  • 00:07:10
    consegue separar eles, que a gente chama
  • 00:07:11
    de classificação. Então, de acordo com o
  • 00:07:13
    comportamento, de acordo com o
  • 00:07:16
    o a cor, no caso, o cor e forma do
  • 00:07:19
    objeto, de acordo com a idade, a gente
  • 00:07:22
    consegue fazer esse tipo de
  • 00:07:23
    classificação. O próprio Netflix faz,
  • 00:07:25
    ele analisa o seu padrão de acordo com o
  • 00:07:27
    padrão de comportamento. a pessoa gosta
  • 00:07:28
    de filmes de ação, eu vou começar a
  • 00:07:31
    mostrar para ela mais filmes de ação
  • 00:07:32
    nesse estilo. Então é assim que a gente
  • 00:07:33
    trabalha com classificação,
  • 00:07:36
    né? E aqui a gente tem, por exemplo, o
  • 00:07:38
    exemplo da classificação. Classificação
  • 00:07:40
    a gente consegue separar e clusterização
  • 00:07:42
    a gente consegue também. É um tipo de
  • 00:07:44
    classificação diferenciada a gente pode
  • 00:07:46
    classificar, separar todos os bichos, um
  • 00:07:48
    separado, tipo, todas as galinhas, todos
  • 00:07:50
    os patos, todos os galos, né? E
  • 00:07:53
    separados. E a gente também pode eh na
  • 00:07:56
    classificação e também na clusterização
  • 00:07:58
    a gente pode separar mamíferos de aves,
  • 00:07:59
    por exemplo, é um cluster, é um conjunto
  • 00:08:01
    maior ali da
  • 00:08:03
    classificação. E por último, não menos
  • 00:08:06
    importante, a gente tem também o
  • 00:08:07
    aprendizado por reforço. Que que é
  • 00:08:09
    aprendizado por reforço? Aprendizado por
  • 00:08:10
    reforço é quando você ensina e você dá
  • 00:08:14
    pontos quando a inteligência aprende e
  • 00:08:16
    pune quando ela não
  • 00:08:18
    aprende. No último degrau aqui, a gente
  • 00:08:20
    vê ali uma pessoa ensinando um cachorro,
  • 00:08:23
    né? Ela ela vai jogar uma um um alguma
  • 00:08:26
    coisa pro cachorro, se ele devolver de
  • 00:08:28
    volta para ela, ele ganha algum algum
  • 00:08:33
    petisco. Ver um exemplo aqui também de
  • 00:08:35
    aprendizado por reforço. N nessa imagem
  • 00:08:37
    que a gente tá vendo na tela, do lado
  • 00:08:40
    direito, nós temos ali as ações que
  • 00:08:43
    temos para fazer e do lado esquerdo nós
  • 00:08:45
    temos o robô. Temos um robô bem no meio
  • 00:08:49
    da tela. Temos três linhas. A primeira
  • 00:08:51
    linha, a gente tem um robô bem no meio
  • 00:08:53
    da tela, que é o nosso agente, e ele tá
  • 00:08:55
    em um meio. Que que significa isso? Ele
  • 00:08:58
    tem um meio e ele tem duas opções
  • 00:09:00
    naquele meio. Do lado
  • 00:09:02
    direito, ele tem uma torneira com água e
  • 00:09:06
    um balde. E do lado esquerdo, ele tem o
  • 00:09:09
    fogo. Se nós falarmos para esse agente
  • 00:09:11
    que ele tem que resolver o problema, o
  • 00:09:14
    que que ele vai fazer? Pode ser que ele
  • 00:09:16
    vá igual na segunda linha, direto pro
  • 00:09:18
    fogo, porque o fogo é o problema. Se
  • 00:09:21
    isso acontecer, igual nós estamos vendo,
  • 00:09:23
    ele pode se queimar ali, né? Pode ter
  • 00:09:26
    problema. Então ele vai perder pontos
  • 00:09:28
    caso ele aja desse jeito. Pensando
  • 00:09:31
    assim, a gente vai pra terceira linha
  • 00:09:32
    ali que ele vai analisar, ó, se
  • 00:09:35
    acontecer de eu ir pro fogo direto, o
  • 00:09:37
    fogo é ruim. da próxima vez, evite.
  • 00:09:40
    Então, provavelmente ele vai estar ali,
  • 00:09:43
    vai ter entendido isso, né? A próxima
  • 00:09:45
    vez ele não vai repetir o mesmo o mesmo
  • 00:09:48
    erro, porque ele sabe que se ele for
  • 00:09:50
    fazer isso, ele do jeito que ele foi
  • 00:09:52
    direto, ele pode perder
  • 00:09:54
    pontos. Se nós formos olhar na coluna da
  • 00:09:57
    direita, a gente vai fazer assim:
  • 00:09:58
    primeira coisa, observar. Segunda coisa,
  • 00:10:00
    selecionar a opção usando política, né?
  • 00:10:04
    Que é, qual é a política que eu vou
  • 00:10:05
    usar? Eu vou pro fogo, vou resolver? Não
  • 00:10:07
    vou. Terceiro passo, ação. Eu vou para
  • 00:10:09
    uma ação específica. Quarto passo, obter
  • 00:10:13
    recompensa ou penalidade, que é o que a
  • 00:10:14
    gente pode acontecer. Se eu for direto
  • 00:10:16
    pro fogo, eu posso receber uma
  • 00:10:20
    penalidade. E a política é uma
  • 00:10:22
    atualização ou aprendizado.
  • 00:10:24
    Obrigatoriamente eu não preciso e eh
  • 00:10:27
    acertar, mas eu eu não preciso
  • 00:10:29
    obrigatoriamente acertar, mas eu tenho
  • 00:10:31
    que aprender. Se eu aprender que ir lá é
  • 00:10:33
    ruim, eu não faço de
  • 00:10:35
    novo. E por e por último é fazer essa
  • 00:10:38
    repetição até conseguir resolver isso.
  • 00:10:40
    Daí é uma forma de aprendizado. ele
  • 00:10:42
    aprende sendo punido ou sendo sendo
  • 00:10:46
    recompensado. Uma outra forma de
  • 00:10:47
    aprendizado que nós podemos ver são a
  • 00:10:50
    robôs de treinamento. A gente coloca
  • 00:10:51
    aqui, apesar de estar em 3D, né, a gente
  • 00:10:54
    pessoal usa para fazer a simulação, que
  • 00:10:56
    é col coloque algumas regras para
  • 00:10:58
    aprender, por exemplo, pro robô pular
  • 00:11:00
    alguns degraus. Como é que a gente pode
  • 00:11:02
    fazer para que ele aprenda a pular esse
  • 00:11:04
    tipo de coisa? A gente coloca algumas
  • 00:11:06
    regras, ele pode ir aprendendo, pode
  • 00:11:08
    tropeçar muitas vezes ali que a gente
  • 00:11:10
    vai ver, ó, tropeçou. Então aquela
  • 00:11:12
    aquela tentativa que ele fez não
  • 00:11:14
    resolveu. Às vezes segurar a perna mais
  • 00:11:16
    para trás resolve. Tudo isso então é
  • 00:11:18
    aprendizado por reforço. Vamos ver na
  • 00:11:21
    próxima aula onde mais a inteligência
  • 00:11:24
    artificial pode estar nas nossas vidas.
Tags
  • inteligência artificial
  • aprendizado supervisionado
  • aprendizado não supervisionado
  • aprendizado por reforço
  • rede neural
  • classificação
  • processamento de dados
  • reconhecimento de imagens
  • algoritmos
  • ensino de máquinas