Aprendizado de Máquina (Machine Learning)
Se a IA é o campo geral, o Aprendizado de Máquina é uma de suas subáreas mais importantes.
Aprendizado de Máquina (ML) é o estudo de algoritmos computacionais que permitem que programas de computador melhorem automaticamente por meio da experiência.
— Tom Mitchell
A palavra-chave aqui é experiência. Diferente de um programa tradicional, onde o desenvolvedor escreve regras explícitas, um sistema de ML aprende padrões a partir de dados e melhora com o tempo.
| Programação tradicional | Aprendizado de Máquina |
|---|---|
| Humano escreve as regras | Máquina descobre as regras |
| Entrada: dados + regras → saída | Entrada: dados + saídas esperadas → regras |
| Comportamento fixo | Comportamento melhora com mais dados |
Exemplos para fixar
Exemplo 1: O Netflix recomenda filmes com base no que você já assistiu. Ele não foi programado com uma regra para cada usuário — ele aprendeu seus padrões de preferência a partir de dados. Isso é Aprendizado de Máquina.
Exemplo 2: Um sistema de detecção de fraude bancária analisa milhares de transações legítimas e fraudulentas para identificar padrões suspeitos. Ele melhora automaticamente à medida que vê mais dados. Isso é ML.
Exemplo 3: Um semáforo com temporizador fixo de 60 segundos. Ele aprende com a experiência? Não — seu comportamento é sempre o mesmo, independentemente do fluxo de carros. Isso não é ML.