O que é Machine Learning ?


De educador para educadores

Vivemos cercados por máquinas que facilitam a nossa vida, em casa, na rua ou no local de trabalho. Basta olhar ao redor para identificar a quantidade delas presentes no nosso dia a dia. Elas vêm evoluindo e se modernizando cada vez mais, a ponto de já existir um aspirador de pó robô que, além de realizar seu trabalho de forma autônoma, ao detectar que sua carga de bateria está baixa, vai sozinho até o carregador para se abastecer, sem precisar de nenhuma ajuda humana. Esse é um exemplo, dentre muitos, como você pode concluir observando as imagens abaixo…

 

Nesse contexto de inovações constantes, nasce um novo e revolucionário conceito, o de Machine Learning, ou Aprendizado de Máquina, muito mais interessante e complexo do que os nossos robôs ajudantes (aspirador, limpa-vidros etc.)

Mas que negócio é esse? Vamos entender começando por esclarecer conceitos embutidos na definição de MACHINE LEARNING:

UM PROGRAMA DE COMPUTADOR é um conjunto de instruções (O QUE FAZER), de comandos, que descrevem uma tarefa a ser realizada por um computador. Essas instruções são dadas por alguma linguagem de programação, que é uma forma própria de registro, denominada código-fonte.

 

O que é um algoritmo?

Quando um computador é utilizado, realiza as atividades solicitadas, mas como ele faz isso? Simplesmente responde aos comandos dados por você. Mas, para que ele entenda o que você está lhe dizendo, é preciso haver uma interpretação daquilo que foi dito para uma linguagem específica da máquina, a linguagem da programação de computadores, que é escrita dentro de uma lógica própria, chamada de ALGORITMO. Podemos compará-lo a uma receita, o passo a passo de COMO FAZER.

Enquanto o programa de computador aponta o que fazer, o algoritmo descreve como fazer. Empregando uma analogia, imagine o seguinte exemplo:

PROGRAMA DE COMPUTADOR / O que fazer? Trocar um chuveiro.

ALGORITMO / Como fazer? 1º) Compre um chuveiro; 2º) Verifique se a chave geral da energia está desligada; 3º) Pegue uma escada; 4º) Leve a escada até o local; 5º) Suba os degraus da escada… 9º) Retire o chuveiro queimado; 10º) Instale o chuveiro novo…

Algoritmo pode ser entendido como um conjunto de procedimentos para realizar determinada tarefa. Por isso que, para funcionar, o computador precisa dos algoritmos, isto é, do passo a passo para a realização da tarefa. Então, escrever bons algoritmos é trabalho fundamental para que se tenha programas importantes e interessantes. Exemplo: Como o Google Maps verifica o trajeto para ir da cidade de Brasília até o Jardim Botânico, em Curitiba? É utilizado um algoritmo para traçar rotas.

Por exemplo, para calcular o valor da MÉDIA EM NOTAS ESCOLARES, criou-se o algoritmo1 demonstrado abaixo, utilizando-se da linguagem de programação:

Início real : nota1 , nota2 , nota3 , nota4 , media ;

escreva ( “Inserir quatro notas” ) ;

leia ( nota1 , nota2 , nota3 , nota4 ) ;

media <− ( nota1 + nota2 + nota3 + nota4 ) / 4 ;

escreva ( “Valor da media : ” , media ) ;

Fim

 

Agora, com esses termos esclarecidos – Programa de Computador e Algoritmo – fica mais fácil entender o que é Machine Learning.

 

 

Em 1952, Arthur Lee Samuel, um habilidoso cientista da computação, escreveu um programa computacional para que um ser humano pudesse jogar damas com o computador. A máquina analisava cada jogada da pessoa e aprendia tanto com os erros quanto com os acertos. Cada partida disputada dava ao computador a chance de se aperfeiçoar, pois ele fazia previsões sobre as táticas do jogo. Foi em 1959, após essa experiência, que o engenheiro Samuel criou o termo Machine Learning, que nada mais é do que a capacidade de o computador aprender sozinho.

 

 

O aprendizado de máquina2 explora o estudo e a elaboração de algoritmos que, além de proporcionarem o aprendizado a partir de erros, fazem previsões sobre dados. Como isso se dá? Os algoritmos, nesse caso, não funcionam seguindo de forma rígida as instruções programadas. Eles recebem os chamados “inputs amostrais”, a partir dos quais constroem um modelo e então fazem previsões ou apontam decisões para problemas, baseados em dados. Incrível, não é? Agora imagine o que podemos fazer com esse recurso fantástico na área da educação…

1 Disponível em: <http://www.decom.ufop.br/romildo/cea030.2011-1/slides/03-portugol.pdf>. Acesso em: 20 dez. 2017.
2 Tradução livre: KOHAVI, Ron; PROVOST, Foster. Glossary of terms. Machine Learning, v. 30, p. 271-274, 1998.

Por Andréa Schoch | Mestre em educação, especializada em formação de professores e consultora Appai por meio da EAD.