Em vez de escrever regras para cada situação, mostra exemplos a um computador e deixa-o encontrar padrões. Isto é aprendizagem automática — algoritmos que aprendem com dados para fazer previsões. Um filtro de spam aprende com milhões de e-mails rotulados. Um mecanismo de recomendação aprende com o que assistiu e com o que ignorou.

A aprendizagem automática tem três paradigmas principais. A aprendizagem supervisionada utiliza dados rotulados. A aprendizagem não supervisionada encontra estrutura em dados não rotulados. A aprendizagem por reforço treina os agentes através de recompensas e penalizações. A aprendizagem profunda utiliza redes neuronais com muitas camadas para processar imagens, fala e texto.

Aplicações comuns

• Reconhecimento de imagem: rostos, objetos, exames médicos
• Linguagem natural: tradução, chatbots, análise de sentimentos
• Recomendação: produtos, filmes, música
• Detecção de fraudes: cartões de crédito, sinistros de seguros
• Sistemas autónomos: carros, drones, robôs

O machine learning é poderoso, mas imperfeito. Os modelos podem ser enviesados, frágeis e difíceis de interpretar. Necessitam de grandes quantidades de dados limpos. Falham de formas que os humanos consideram óbvias. A área está a avançar rapidamente. As salvaguardas, não.