Redes neurais
Redes neurais são modelos baseados em uma representação matemática do cérebro humano. Elas consistem em camadas de nós (neurônios artificiais) conectados, onde cada conexão tem um peso que é ajustado durante o treinamento.
Uma rede neural tem três tipos de camadas:
| Camada | Função |
|---|---|
| Entrada (Input) | Recebe os dados brutos |
| Ocultas (Hidden) | Processam e transformam os dados |
| Saída (Output) | Produzem o resultado final |
Características principais das redes neurais:
- Requerem treinamento — aprendem ajustando pesos com base em exemplos
- São caixas-pretas — é difícil explicar como chegaram a um resultado
- Aprendem a partir de dados estruturados e não estruturados
- Necessitam de muitos recursos computacionais
- Resultados promissores em bioinformática, reconhecimento de fala, processamento de imagens e processamento de linguagem natural
Exemplos para fixar
Exemplo 1: Uma rede neural treinada para reconhecer gatos em fotos recebe milhões de imagens rotuladas ("gato" e "não gato"). A camada de entrada recebe os pixels, as camadas ocultas aprendem a detectar bordas, depois formas, depois orelhas e bigodes — e a camada de saída diz "gato" ou "não gato".
Exemplo 2: Quando você fala "Ok Google" para o assistente do smartphone, uma rede neural processa o áudio, identifica os padrões sonoros e converte sua fala em texto. Ela foi treinada com milhões de amostras de voz em diferentes sotaques e idiomas.
Exemplo 3: Uma rede neural médica é treinada com milhares de radiografias para identificar pneumonia. Ela aprende padrões visuais que indicam a doença — mas como é uma caixa-preta, o médico pode ver o diagnóstico sem entender exatamente quais pixels levaram àquela conclusão. Essa falta de explicabilidade é um dos desafios das redes neurais.