1.3.3.1. Aprendizado de Máquina (Machine Learning): Perspectivas e Desafios

Aprendizado Automático e Aprendizado Automatizado Embora, na maioria dos casos, a expressão “aprendizado automático” seja utilizada como uma tradução direta de machine learning, a técnica de aprendizado automático (automatic learning) pode assumir um significado mais específico em determinados contextos, descrevendo a automação do próprio processo de aprendizado, indo além do aprendizado de máquina tradicional. Esse conceito inclui técnicas99 que eliminam a necessidade de intervenção humana em determinadas etapas que, no machine learning clássico, exigiriam ajustes manuais. O termo aprendizado automático refere-se à capacidade dos algoritmos de detectar padrões significativos nos dados de forma autônoma e modificar seu funcionamento com base nos dados recebidos, sem a intervenção humana. O foco está na criação de sistemas que identificam padrões complexos e fazem previsões de forma independente, utilizando dados históricos para aprender e melhorar continuamente. A ferramenta que aprende é um algoritmo que prevê comportamentos futuros, reagindo e oferecendo soluções, observando dados históricos de forma autônoma, sem a intervenção humana. Essa autonomia e capacidade de operar sem programação ou intervenção humana contínua caracterizam o aprendizado como automático100. Assim, os algoritmos de aprendizagem automática são, em certo sentido, capazes de se programarem a si mesmos, porque têm a capacidade de detectar – “sozinhos” – regras de decisões úteis, à medida em que examinam os dados101. Dessa forma, não precisam que as regras sejam estabelecidas para eles, de forma antecipada, por programadores humanos – caracterizando uma das técnicas envolvidas no tipo de aprendizado não-supervisionado, a ser verificado logo adiante. O aprendizado automatizado (automated learning), por sua vez, é um processo mais complexo que o automático, sendo uma aplicação mais avançada dentro do espectro do aprendizado automático. Engloba um conjunto mais amplo de processos, na medida em que busca automatizar todo o ciclo de desenvolvimento e implementação de modelos de machine learning.

---

Notas

97. Corvalán, Dávila e Simari, 2023, p. 50. 98. Porto, Fábio; Shuenquener, Valter; Gabriel, Anderson. Inteligência Artificial Generativa no Direito: um Guia de Como Usar os Sistemas (ChatGPT, Google Gemini, Claude, Mistral e Bing) na Prática Jurídica. São Paulo: Thomson Reuters, 2024, p. 2.4. Grifo nosso.