{"id":35293,"date":"2019-10-31T22:03:28","date_gmt":"2019-10-31T19:03:28","guid":{"rendered":"https:\/\/prohoster.info\/blog\/lopnul-li-puzyr-mashinnogo-obucheniya-ili-nachalo-novoj-zari\/"},"modified":"2019-10-31T22:03:28","modified_gmt":"2019-10-31T19:03:28","slug":"lopnul-li-puzyr-mashinnogo-obucheniya-ili-nachalo-novoj-zari","status":"publish","type":"post","link":"https:\/\/prohoster.info\/pt\/blog\/news\/lopnul-li-puzyr-mashinnogo-obucheniya-ili-nachalo-novoj-zari","title":{"rendered":"Estourou a bolha de aprendizado de m\u00e1quina ou come\u00e7amos uma nova era?","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

Recentemente foi lan\u00e7ada artigo<\/a><\/noindex>, que mostra bem a tend\u00eancia do aprendizado de m\u00e1quina nos \u00faltimos anos. Em resumo: o n\u00famero de startups na \u00e1rea de aprendizado de m\u00e1quina caiu drasticamente nos \u00faltimos dois anos.<\/p>\n

\"Estourou
\nEnt\u00e3o, vamos analisar se a \"bolha estourou\", como viver a partir de agora e discutir de onde veio essa situa\u00e7\u00e3o.
\n<\/a><\/noindex>
\nPara come\u00e7ar, vamos falar sobre o que foi o impulsionador dessa curva. De onde ela surgiu. Provavelmente todos v\u00e3o se lembrar da vit\u00f3ria<\/a><\/noindex> do aprendizado de m\u00e1quina em 2012 no concurso ImageNet. Afinal, esse foi o primeiro evento global! Mas, na realidade, n\u00e3o \u00e9 bem assim. E o crescimento da curva come\u00e7a um pouco antes. Eu dividiria em v\u00e1rios momentos.<\/p>\n

    \n
  1. O ano de 2008 marcou a apari\u00e7\u00e3o do termo \u201cbig data\u201d. Produtos reais come\u00e7aram a surgir<\/a><\/noindex> a partir de 2010. Big data est\u00e1 diretamente relacionado ao aprendizado de m\u00e1quina. Sem big data, n\u00e3o \u00e9 poss\u00edvel o funcionamento est\u00e1vel de algoritmos que existiam na \u00e9poca. E n\u00e3o se tratava de redes neurais. At\u00e9 2012, as redes neurais eram um campo para uma minoria marginal. No entanto, foi nessa \u00e9poca que come\u00e7aram a funcionar algoritmos completamente diferentes, que j\u00e1 existiam h\u00e1 anos, ou at\u00e9 d\u00e9cadas: SVM<\/a><\/noindex>(1963, 1993), Random Forest<\/a><\/noindex> (1995), AdaBoost<\/noindex> (2003),\u2026 As startups daquela \u00e9poca estavam principalmente ligadas ao processamento autom\u00e1tico de dados estruturados: caixas registradoras, usu\u00e1rios, publicidade, entre outros.\n

    A derivada dessa primeira onda \u00e9 um conjunto de frameworks, como XGBoost, CatBoost, LightGBM, etc.\n<\/li>\n

  2. Entre 2011 e 2012 as redes neurais convolucionais<\/a><\/noindex> ganharam uma s\u00e9rie de competi\u00e7\u00f5es de reconhecimento de imagem. O uso real delas demorou um pouco. Eu diria que as startups e solu\u00e7\u00f5es com real significado come\u00e7aram a surgir em 2014. Foram necess\u00e1rios dois anos para entender que as redes neurais realmente funcionam, criar frameworks que pudessem ser instalados e executados em um tempo razo\u00e1vel, desenvolver m\u00e9todos que estabilizassem e acelerassem o tempo de converg\u00eancia.\n

    As redes convolucionais permitiram resolver tarefas de vis\u00e3o computacional: classifica\u00e7\u00e3o de imagens e objetos em imagens, detec\u00e7\u00e3o de objetos, reconhecimento de objetos e pessoas, melhoria de imagens, entre outros.<\/li>\n

  3. 2015-2017. O auge dos algoritmos e projetos baseados em redes recorrentes ou seus an\u00e1logos (LSTM, GRU, TransformerNet etc.). Apareceram algoritmos que funcionam bem para \u201cfala-para-texto\u201d e sistemas de tradu\u00e7\u00e3o autom\u00e1tica. Parte deles \u00e9 baseada em redes convolucionais para extrair recursos b\u00e1sicos. Outra parte \u00e9 resultado do aprendizado em reunir realmente grandes e bons conjuntos de dados. <\/li>\n<\/ol>\n

    \n\"Estourou
    \n
    \n\u201cA bolha estourou? O hype est\u00e1 superaquecido? Eles morreram como o blockchain?\u201d
    \nVai por mim! Amanh\u00e3, o Siri do seu telefone vai parar de funcionar, e depois de amanh\u00e3, um Tesla n\u00e3o vai diferenciar uma curva de um canguru.<\/p>\n

    As redes neurais j\u00e1 est\u00e3o funcionando. Elas est\u00e3o em dezenas de dispositivos. Elas realmente permitem ganhar dinheiro, mudam o mercado e o mundo ao seu redor. O hype parece um pouco diferente:<\/p>\n

    \"Estourou
    \n
    \nSimplesmente, as redes neurais deixaram de ser algo novo. \u00c9 verdade que muitas pessoas t\u00eam expectativas exageradas. Mas um grande n\u00famero de empresas aprendeu a aplicar redes neurais e a criar produtos com base nelas. Redes neurais oferecem nova funcionalidade, permitem reduzir postos de trabalho e diminuir o custo dos servi\u00e7os:<\/p>\n