Capítulo 39 Inteligência artificial
39.1 Inteligência artificial
39.1.2 Qual é a unidade básica de IA?
A unidade básica de IA é o neurônio artificial, que simula o comportamento de um neurônio biológico, recebendo entradas, aplicando pesos e uma função de ativação para produzir uma saída.REF?
A rede neural é uma coleção de neurônios artificiais organizados em camadas, onde cada camada processa informações e passa para a próxima, permitindo o aprendizado de padrões complexos.REF?
39.2 Neurônios artificiais
39.2.1 O que são neurônios artificiais?
- Neuronios artificiais (ou perceptrons) são modelos matemáticos que imitam o funcionamento dos neurônios biológicos, recebendo entradas, aplicando pesos e uma função de ativação para produzir uma saída.309–311
Figura 39.1: Representação esquemática de um neurônio computacional.
Figura 39.2: Exemplo de um perceptron (regressão logística) para classificação linear.
39.3 Rede neural artificial
39.3.2 Quais são as funções de ativação mais comuns?
- As funções de ativação introduzem não-linearidades nas redes neurais, permitindo que aprendam padrões complexos, tais como a sigmoide (39.1), ReLU (39.2) e tangente hiperbólica (39.3).REF?
\[\begin{equation} \tag{39.1} f(x) = \frac{1}{1 + e^{-x}} \end{equation}\]
\[\begin{equation} \tag{39.2} f(x) = \max(0, x) \end{equation}\]
\[\begin{equation} \tag{39.3} f(x) = \frac{e^x - e^{-x}}{e^x + e^{-x}} \end{equation}\]
Figura 39.4: Gráficos das funções de ativação mais comuns.
39.4 Espaço de decisão
39.4.1 O que é espaço de decisão?
- O espaço de decisão é a região do espaço de entrada onde o modelo classifica as entradas em diferentes categorias. Ele é definido pelas fronteiras de decisão aprendidas pelo modelo durante o treinamento.REF?
39.4.2 Como ele é visualizado?
- O espaço de decisão pode ser visualizado graficamente, especialmente em problemas de classificação binária ou multiclasse, onde as regiões correspondem às classes previstas pelo modelo.REF?
Figura 39.5: Comparação do espaço de decisão entre um modelo linear (regressão logística) e um modelo não linear (MLP).
39.5 Áreas da IA
39.5.1 Quais são as principais áreas de aplicação da IA?
Percepção: visão computacional, reconhecimento de fala.REF?
Raciocínio: sistemas especialistas, inferência lógica.REF?
Aprendizado: aprendizado de máquina e reforço profundo.REF?
Interação: processamento de linguagem natural, agentes conversacionais.REF?
39.7 IA generativa e grandes modelos de linguagem
39.7.2 Como funcionam modelos como GPT, BERT e similares?
- .REF?
Figura 39.6: Representação esquemática de um modelo de linguagem grande (LLM)
O pacote keras@keras funções para criar, treinar e avaliar modelos de redes neurais.
O pacote torch312 permite criar e treinar redes neurais com alto desempenho.
O pacote reticulate313 integra R e Python em um mesmo ambiente de trabalho, permitindo chamar funções Python a partir de R e facilitar o uso de bibliotecas de IA disponíveis nesse ecossistema.
O pacote text2vec314 fornece ferramentas para modelagem de texto em R, incluindo pré-processamento, vetorização, embeddings e outros modelos úteis para processamento de linguagem natural.
Ferreira, Arthur de Sá. Ciência com R: Perguntas e respostas para pesquisadores e analistas de dados. Rio de Janeiro: 1a edição,