Desmistificando AI, ML e Deep Learning para gerentes de produto

Quando comecei minha jornada como gerente de produto, sabia que queria continuar sendo mais prático e mergulhar mais fundo nas soluções com os engenheiros. Como gerentes de produto, somos solicitados a focar mais no “o quê” e no “por quê”, mas também queria entender e saber o “como” e “quando” a pilha de tecnologia é aproveitada. Esta foi uma escolha consciente e sempre aspirei fazer parte de uma empresa com uma visão futurista e um ambiente altamente técnico e académico.

Desnecessário dizer que fiquei em êxtase quando consegui o cargo de gerente de produto no espaço totalmente novo de IA/ML, pois isso me deu a oportunidade de aprender esse domínio e resolver problemas usando tecnologia de ponta. Obviamente, como um novato sem nenhum conhecimento anterior de IA/ML, entender “tudo” do zero foi um desafio. Foi um processo gradual e, após leituras regulares e sessões de brainstorming com nossos cientistas e engenheiros internos nos últimos dois anos, consegui entender melhor esses termos. Mal consegui arranhar a superfície, mas queria começar a compartilhar o conhecimento que acumulei nos últimos anos, para torná-lo menos desafiador para quem está começando agora.

Então, o que são Inteligência Artificial, Machine Learning e Deep Learning? Ouvimos sobre esses termos o tempo todo ao nosso redor - desde o uso em carros autônomos até o recebimento de recomendações de filmes no Netflix, a IA está sendo usada para tornar nossas vidas mais fáceis e gratificantes. A Inteligência Artificial, em termos simples, é o que faz as máquinas agirem ou pensarem como humanos. Como o nome “Inteligência Artificial” sugere, é a ciência que permite que os computadores imitem a inteligência humana.

AI é o guarda-chuva mais amplo, e Machine Learning e Deep Learning são subconjuntos dele. Se a IA tem tudo a ver com inteligência, então é o Machine Learning que ajuda a construir essa inteligência. Como o nome sugere, “Aprendizado de Máquina” é a ciência do “aprendizado” dos computadores e, assim, “melhorando” em uma determinada tarefa com experiência, ajudando a construir a inteligência da máquina ou IA. Todas as tarefas de aprendizado de máquina são tarefas de IA, mas o inverso não é verdadeiro.

Portanto, a IA imita as habilidades de pensamento humano. Assim como os humanos que aprimoram suas capacidades de pensamento e tomada de decisão ao longo do tempo com experiências, as máquinas aprenderam a fazer o mesmo usando o “Machine Learning”. No centro do pensamento e da tomada de decisão de um homem está sua mente poderosa, o cérebro humano que fortalece suas habilidades cognitivas. O aprendizado profundo imita o cérebro humano em máquinas (sim, esses conceitos estão todos inter-relacionados e mais fáceis de entender se falados nesta sequência!)

Então, Deep Learning é o campo do Machine Learning que imita o cérebro humano em todas as suas complexidades. Um cérebro humano é afinal uma “Rede” de milhões e milhões de neurônios que estão todos conectados e se comunicam entre si usando sinais (elétricos e químicos) para fazer os humanos pensarem, comerem, viverem. Bem, o Deep Learning depende do treinamento de “Redes Neurais” semelhantes, também chamadas de “Redes Neurais Artificiais” que sobrepõem algoritmos e unidades de computação também chamadas de “Neurônios” para se comunicarem de maneira complexa para resolver problemas mais desafiadores.

A maior diferença entre Machine Learning e Deep Learning é que, ao contrário do Machine Learning, onde a maioria dos recursos precisam ser identificados por um especialista para reduzir a complexidade dos dados e tornar os padrões mais visíveis para os algoritmos funcionarem, o Deep Learning aprende alto -level dos dados de maneira incremental, eliminando a necessidade de experiência no domínio e qualquer forma de extração de recursos. Discutirei mais sobre isso em minhas postagens futuras, portanto, fique atento.

Espero que você tenha gostado deste artigo rápido sobre os fundamentos de AI, ML e Deep Learning e notado como eles estão todos inter-relacionados e, muitas vezes, também usados ​​de forma intercambiável. Mas, como gerentes de produto, é imperativo que entendamos as nuances que tentei capturar no artigo acima.

Obrigado por chegar até o fim. Se você gostou deste artigo, siga-me para mais artigos sobre IA, ML e gerenciamento de produtos.