O que significa “inteligência” e o que significa “aprender”? Pergunte para um filósofo, um neurologista, um psicólogo, um professor (a lista de profissões vai longe) e você vai ter respostas diferentes, sombras de um objeto que ainda não sabemos definir.

Para um cientista de computação também não existe uma boa definição sobre “inteligência artificial”, até porque pra sermos capazes de modelar “inteligência” deveríamos entender como ela funciona.

Já para “aprendizado de máquina” existem definições muito boas.Uma das definições mais citadas é do professor Tom Mitchell da Carnegie Mellon University:

“Diz-se que um programa de computador aprende a partir de uma experiência E com respeito a uma classe de tarefas T e medida de performance P se sua performance nas tarefas em T, medidas por P, melhora com a experiência E”

Um exemplo do próprio livro:

Problema: aprendizado de Damas.

Tarefa T: Jogar Damas

Medida P: Percentual de vitórias contra oponentes

Experiência E: Jogar contra si próprio

A definição é clara, se apoia em métricas objetivas e delimita bem o campo de discussão e estudo.

E se aplica até pra coisas complexas. No fundo ainda é sobre y=f(x). Como você descobre um f “bom o bastante” a partir de um monte de x e y exemplos apresentados a um algoritmo?

A questão é que a função f hoje em dia é bem grande e complexa, precisa de datacenters enormes e x e y são textos, vídeos, música, you name it. 😅

Mas isso tudo pra dizer que o livro do Mitchell, “Machine Learning” de 1997 ainda é um clássico e está disponível para download na página do autor, linkada no primeiro comentário.

De nada.