Artigos e Análises
Conteúdo especializado sobre Direito e Tecnologia, derivado do livro "Responsabilidade Civil por Inteligência Artificial" e da prática profissional.
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...
1.3.3.2. Redes Neurais Artificiais e Aprendizado Profundo: Conceitos Fundamentais
O aprendizado autossupervisionado (self-supervised learning) também pode ser entendido como uma abordagem intermediária que combina elementos dos dois métodos, embora de forma distinta: o modelo...
1.3.3.1. Aprendizado de Máquina (Machine Learning): Considerações Críticas
A vantagem da auto-organização traz, por outro lado, riscos e problemáticas. Esse é um ponto nuclear do aprendizado de máquina não supervisionado: o processo não permite que os programadores...
1.3.3.1. Aprendizado de Máquina (Machine Learning): Fundamentos Jurídicos
No processo de preparação dos dados, são os humanos que etiquetam os modelos, como palavras, imagens e voz, para que a máquina possa aprender a identificá-los corretamente. Isso é crucial para a...
1.3.3.1. Aprendizado de Máquina (Machine Learning): Aplicações e Implicações
Envolve, para tanto, a automatização do processo de construção, treinamento, avaliação e o ajuste dos diferentes modelos de aprendizado de máquina. Busca desenvolver técnicas para que as máquinas...
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...
1.3.3.1. Aprendizado de Máquina (Machine Learning): Aspectos Práticos
aprimora sua atuação e se adapta a condições para as quais não foi precisamente programada. A partir de experiências e do incremento do acervo de seus dados, os algoritmos têm a capacidade de...
1.3.3.1. Aprendizado de Máquina (Machine Learning): Análise Aprofundada
em tarefas específicas, embora o façam examinando novos dados e identificando padrões adicionais, de maneira distinta da cognição humana92. Ainda que as técnicas e ferramentas que fundamentam o...
1.3.3.1. Aprendizado de Máquina (Machine Learning): Conceitos Fundamentais
Mineração de Dados (Data Mining) e o Aprendizado Estatístico, entre outros.91 Nas próximas páginas deste capítulo, e para o objetivo que nos interessa, colocaremos nossa atenção na tipologia de...
1.3.3. IA Simbólica e IA Subsimbólica: Aspectos Práticos
que fornecem ao computador as regras do conhecimento de qualquer atividade que os mesmos estejam tentando modelar e automatizar87. Como resultado, as decisões são mais transparentes e explicáveis,...
1.3.3. IA Simbólica e IA Subsimbólica: Análise Aprofundada
Essa categoria engloba, portanto, qualquer sistema que utiliza o conhecimento humano para resolver problemas. O objetivo por detrás dos sistemas simbólicos é “modelar” (criar modelos para)...
1.3.3. IA Simbólica e IA Subsimbólica: Conceitos Fundamentais
rar que a diferença entre IA forte e IA fraca é meramente conjectural e está fortemente correlacionada com o âmbito atribuído à inteligência humana80. 1.3.3. IA Simbólica e IA Subsimbólica A...