1.3.3.2. Redes Neurais Artificiais e Aprendizado Profundo: Análise Aprofundada

neural network, ANN) e da tipologia conhecida como aprendizado profundo (deep learning), diretamente relacionada com aquelas112. As redes neurais artificiais, ou simplesmente ANNs, recebem esse nome pelo fato de imitarem certos aspectos dos processos neuroniais dos cérebros humanos, que processam informações através de neurônios, sinapses, dendritos e axônios.113 Assim, importante ressaltar, o termo “redes neurais” não significa a replicação dos sistemas neurais humanos, mas sim algoritmos que aprimoram seu desempenho ao analisar dados e identificar padrões, otimizando a tomada de decisões114. Atualmente, entre as redes mais avançadas – conhecidas por sua alta capacidade de resposta – encontram-se as redes de aprendizado profundo. Todas as redes de aprendizado profundo utilizam ANNs, embora nem todas as ANNs sejam consideradas aprendizado profundo115. Em breves palavras, uma rede neural artificial pode ser compreendida como um grande conjunto de unidades de processamento simples, que trabalham juntas para resolver problemas. Cada componente da rede (“neurônio”) processa informações e aprende com o ambiente por meio de um processo chamado aprendizado. Esse aprendizado é armazenado nas conexões entre os neurônios, que são ajustadas ao longo do tempo. Basicamente, a rede funciona como um sistema de algoritmos interconectados, onde cada neurônio analisa diferentes partes do problema, contribuindo para que o conjunto chegue a resultados melhores e mais precisos à medida que aprende116. 112 Em algumas catalogações, o Aprendizado Profundo é elencado como subcategoria das Redes Neurais. Em outras, como subcategoria de Machine Learning. A própria categoria de Redes Neurais é catalogada por alguns como subcategoria de Machine Learning e, por outros, como categoria paralela à Machine Learning. 113 Os especialistas em IA desenvolvem algoritmos que implementam redes neurais para reconhecer padrões nos dados. Contudo, isso não implica que as redes neurais artificiais funcionem exatamente como as biológicas (cf. Corvalán, Dávila e Simari, 2023, p. 51). 114 Surden, 2019, p. 1312. 115 Há redes neurais mais simples, formadas por poucas camadas ocultas ou até mesmo uma única camada, que não se enquadram na categoria de Aprendizado Profundo. Essas estruturas mais modestas são aplicadas em tarefas menos complexas e não necessitam da profundidade típica do Deep Learning. Para outros modelos de aprendizagem baseados em redes neurais, veja-se Felin e Holweg, 2023, p. 9. 116 Ver Haykin, Simon, Neural Networks: A Comprehensive Foundation. Nova Jersey: Prentice Hall, 1999. Ver também: Organização das Nações Unidas para a Educação, a Ciência e a Cultura, UNESCO, Inteligência artificial, promessas e ameaças, Paris, julho-setembro de 2018, p. 8. Disponível em: https://unesdoc.unesco.org/ark:/48223/pf0000265211.