Direito em Movimento - Volume 17 - Número 1 - 1º semestre/2019

175 Direito em Movimento, Rio de Janeiro, v. 17 - n. 1, p. 142-199, 1º sem. 2019 ARTIGOS liderando a explosão de IA hoje, por sua capacidade de trato com BigData e geração de melhores resultados nesse contexto 48 . 48 Em termos gerais, tanto Machine Learning como Deep Learning são formas de Inteligência Artificial. Machine learning é um tipo de inteligência artificial que favorece a forma como um computador compreende e aprende quando é apresentado a novos dados, que estão em constante alteração. Nessa hora, entra em ação o trabalho do cientista de dados (humano), que realiza o pré-processamento e oferece aos algoritmos informações brutas que possam ser exploradas à procura de padrões. O aprendizado de máquina ( Machine Learning ) é uma forma de conseguir a inteligência artificial. É um ramo da inteligência artificial que envolve a criação de algoritmos que podem aprender automaticamente a partir de dados. Ao invés de os desenvolvedores de software elaborarem enormes códigos e rotinas com instruções específicas para que a máquina possa realizar determinadas tarefas e conseguir resultados (e com isso limitar drasticamente o seu campo de atuação e resultados), no aprendizado de máquina, treina-se o algoritmo para que ele possa aprender por conta própria, e até mesmo conseguir resultados que os desenvolvedores dos algoritmos nem mesmo poderiam imaginar. Neste treinamento, há o en- volvimento de grandes quantidades de dados que precisam ser alimentadas para o algoritmo (ou aos algoritmos envolvidos), permitindo que ele (o algoritmo) se ajuste e melhore cada vez mais os seus resultados. Exemplo: o aprendizado de máquina foi utilizado para melhorar significativamente a visão por computadores (a capacidade de uma máquina reconhecer um objeto em uma imagem ou vídeo). Os seres humanos podem marcar imagens que têm um gato versus aquelas que não os possuem. O algoritmo tenta construir um modelo que pode marcar com precisão uma imagem como contendo um gato ou não, assim como um ser humano. Uma vez que o nível de precisão é alto o suficiente, a máquina agora “aprendeu” como é um gato, como ele se parece (ELIAS, Paulo Sá. Algoritmos, Inteligência Artificial e o Direito . Disponível em: <https://www.conjur.com.br/dl/algoritmos- -inteligencia-artificial.pdf>. Acesso em 05 Ago 2018) Já o deep learning é inspirado na capacidade de apren- dizagem do cérebro humano ao utilizar as chamadas redes neurais profundas, que aceleram as máquinas de aprendizado. Ele também elimina a intervenção do cientista de dados, que gasta menos tempo na preparação das informações e pode se concentrar no ajuste e otimização do software, alcançando resultados muito mais precisos. As redes neurais profundas são a primeira família de algoritmos que não requerem engenharia de re- cursos manual. Elas aprendem por conta própria, processando recursos de alto nível a partir de dados brutos. O aprendizado profundo ( Deep Learning ), segundo PAULO S. ELIAIS (op. cit.) “é uma das várias abordagens para o aprendizado de máquinas. Outras abordagens incluem aprendizagem por meio de árvores de decisão ( de- cision tree learning ), programação de lógica indutiva ( inductive logic programming ), agrupamento ( clustering ), aprendizagem de reforço ( reinforcement learning ), redes bayesianas ( Bayesian networks ), entre outros. A apren- dizagem profunda foi inspirada na estrutura e nas funções do cérebro humano, na interligação dos neurônios. As redes neurais artificiais ( Artificial Neural Networks –ANNs ) são algoritmos que imitam a estrutura biológica do cérebro humano. Nas ANNs, existem “neurônios” (entre aspas) que possuem várias camadas e conexões com outros “neurônios”. Cada camada ( layer ) escolhe um recurso específico para aprender, como curvas e bordas no reconhecimento de uma imagem, por exemplo. A aprendizagem profunda tem o seu nome em razão dessas várias camadas. A profundidade é criada com a utilização de múltiplas camadas em oposição a uma única camada de aprendizado pelo algoritmo. Esses algoritmos de aprendizado profundo formam as “redes neurais” e estas rapidamente podem ultrapassar a nossa capacidade de compreender todas as suas funções”. Dito de outra forma, o deep learning dispensa de certo modo o auxílio humano na feature extraction .