Inteligência artificial nada mais é do que um termo guarda-chuva para métodos de cálculos, alguns podendo ser programada com conhecimento prévio estático - contendo uma imensa quantidade de condições (if) - enquanto outros podem ser de aprendizado profundo, como redes neurais artificiais e modelos de linguagens.
Esse tipo de IA é treinada para uma tarefa específica. É excelente em uma função particular como: reconhecimento de voz, reconhecimento de imagem e IAs jogadoras de videogame.
É um conjunto de IA que se concentra na construção de sistemas que podem aprender com os dados. Inclui técnicas como aprendizagem supervisionada, aprendizagem não supervisionada e aprendizagem por reforço.
O NLP se concentra na interação entre computadores e a linguagem humana. Inclui tarefas como compreensão da linguagem, análise de sentimentos e geração de linguagem.
É um subcampo do aprendizado de máquina que envolve redes neurais com múltiplas camadas (redes neurais profundas). Tem sido bem-sucedido em tarefas como reconhecimento de imagem e fala.
Visão Computacional é um campo que permite às máquinas interpretar e tomar decisões com base em dados visuais. É usado em aplicações como reconhecimento de imagem, detecção de objetos e reconhecimento facial.
São sistemas de IA que imitam a capacidade de tomada de decisão de um especialista humano em um domínio específico. Eles usam bases de conhecimento e mecanismos com if e else para fornecer soluções ou recomendações.
A IA é aplicada na robótica para permitir que as máquinas percebam o seu ambiente, tomem decisões e realizem tarefas físicas.
Podem operar de forma independente, sem intervenção humana. Isto inclui veículos autônomos, drones e outros sistemas que podem navegar e tomar decisões em ambientes dinâmicos.
Fonte: https://www.linkedin.com/pulse/types-ia-paulo-victor-gama-gross-de-souza-d0k0f/
Vídeos Interessantes:
O presente trabalho de conclusão de curso pretende compreender o impacto das inteligências artificiais em cotejo com a literatura acadêmica atual. Estas páginas têm por objetivo buscar compreender como tais tecnologias vêm modificando as práticas pedagógicas, e criar, com base em um modelo de linguagem grande (LLM), uma IA para auxiliar na educação e realizar testes vocacionais.
O aprendizado de máquina pode ser categorizados genericamente em 4 categorias:
Onde o algoritmo é treinado com um conjunto de dados rotulados, ou seja, cada exemplo de entrada do conjunto de dados possui uma saída desejada associada. Suponha que exista um conjunto de imagens de animais, onde cada imagem é rotulada com o tipo de animal que contém. O algorítimo supervisionado é bom em identificar com precisão que animal está na foto.
Onde o algorítimo é treinado com um conjunto de dados sem rótulos, não servindo para classificação por não ser rotulado.
É aquele cujo é baseado em técnicas de tentativas e erros em ambientes controlados onde a máquina é punida com uma reação incorreta.
Sendo uma mistura de técnicas de aprendizado supervisionado com não supervisionado. O que gera um novo comportamento, que é a abundância de dados não rotulados e a escassez de dados rotulados.
O NLP diz respeito à interação entre computadores e linguagem humana, abrangendo a capacidade dos sistemas computacionais de compreender, interpretar e produzir texto ou fala em linguagem natural. Referido processamento abrange uma variedade de tarefas, incluindo análise de sentimento, tradução automática, reconhecimento de fala, extração de informações, entre outras.
Os sistemas de NLP utilizam técnicas de aprendizado de máquina e análise de dados para compreender e gerar linguagem humana eficazmente. É possível criar linguagens de processamento natural utilizando Python, TensorFlow e PyTorch.