Aprendizado de máquina (ML) vs. inteligência artificial (IA) - Qual é a diferença?
Quem se importa com a diferença entre Inteligência Artificial e aprendizado de máquina?
Eu, francamente, não me importo muito e não vi razão para perder meu tempo tentando descobrir o que certamente seria uma pequena e inútil trivialidade.
Com certeza, assim que analisei o assunto com mais detalhes, minha noção pré-concebida se mostrou muito errada.
A essa altura, está bem claro que A IA é o futuro portanto, deve ser lógico que ser bem versado no assunto é uma coisa boa. Inversamente, a ignorância é uma coisa ruim.
Para nos prepararmos para uma realidade inundada por essas tecnologias, é hora de nos certificarmos de que entendemos os noções básicas de IA
- uma das forças centrais preparadas para remodelar nossa sociedade.
Compreender as diferenças entre esses termos e, por extensão, compreender o escopo do que eles implicam, proporciona clareza imediata e a capacidade de aplicar melhor as ferramentas à nossa disposição. Em resumo, informação é poder.
Então... vamos começar!
Qual é a diferença entre ML e IA?
Em termos gerais, inteligência artificial é uma máquina capaz de exibir alguma(s) característica(s) ou forma(s) de inteligência humana.
Devido à amplitude dessa definição, tudo está incluído, desde o aprendizado básico de máquina (explicado em breve) até um robô dominador totalmente senciente.
Portanto, é prudente começarmos definindo algumas distinções importantes entre inteligência artificial e aprendizado de máquina.
Como a inteligência artificial é o mais amplo dos termos, é hora de sermos mais específicos.
**Vamos falar sobre aprendizado de máquina e aprendizado profundo
Primeiro, vamos dar uma olhada em um rápido visual da relação entre todos esses conceitos.
Em sua essência, o aprendizado de máquina é apenas um "modelo de previsão". Ele tem (a) dados com os quais aprende e (b) um algoritmo que faz o aprendizado real.
O algoritmo é apenas um conjunto de regras que informa ao código o que esperar (dados sobre X ou Y) e o que fazer com eles.
A qualidade de um algoritmo de aprendizado de máquina é tudo para determinar sua utilidade. Se as regras forem ilógicas ou muito limitadas, ele não poderá fornecer percepções úteis.
É fácil se sentir intimidado pela enorme profundidade técnica desse campo - árvores de decisão, aprendizado por reforço e redes bayesianas são apenas algumas das muitas áreas - mas você ficará bem se se lembrar disso:
**O aprendizado de máquina é, fundamentalmente, apenas um conjunto de regras sobre como dar sentido aos dados recebidos
Se você deseja criar uma ferramenta que aprende rotas de GPS para ajudar os motoristas, ela precisa conhecer as leis sobre estradas de mão única. Caso contrário, ela poderá começar a aprender algumas rotas realmente rápidas que não são tão convenientes quanto parecem à primeira vista.
Entretanto, quando as regras refletem uma compreensão profunda e diferenciada de cada variável em jogo, o aprendizado de máquina pode fazer o que parece impossível.
Tradicionalmente, fornecer estimativas de tempo precisas tem sido uma das partes mais complicadas do trabalho de um gerente de projeto. No entanto, muitos ficam surpresos ao descobrir que as máquinas são capazes de realizar um trabalho de nível comparável. ClickUp está atualmente testando a funcionalidade de ML com vários de nossos usuários para prever quais ações um indivíduo provavelmente realizará. Isso permite previsões de tarefas que, com o tempo, são capazes de imitar características humanas, como a estimativa subjetiva de tarefas, com precisão suficiente para serem extremamente úteis.
Essa abordagem agiliza o ciclo de feedback e vimos equipes passarem de ações limitadas semiautomatizadas para totalmente automatizadas em apenas algumas semanas. Alguns itens que nossos algoritmos podem realizar são:
- Prever e atribuir tarefas aos membros corretos da equipe
- Marcação automática de usuários em comentários que sejam relevantes para eles
- Visualizar notificações e atualizações com base em sua relevância para um determinado usuário
- Prever e determinar quando os prazos não serão cumpridos e corrigir as estimativas de tempo das tarefas.
bônus:_ *Alternativas de cópia de IA* As plataformas de gerenciamento de projetos e produtividade estão mudando rapidamente, mas o ML/AI é definitivamente uma tendência de gerenciamento de projetos que veio para ficar.
Será uma questão de tempo até entendermos completamente como essas novas tecnologias afetarão o gerenciamento de projetos, mas quanto mais rápido sua empresa se adaptar, mais alinhados estarão os membros da sua equipe para o sucesso do projeto.
Acreditamos que o futuro pertencerá àqueles mais capazes de aproveitar as oportunidades disponíveis, sendo que o ML e, efetivamente, a IA estão entre as mais imediatas.