Respostas
Resposta:
Redes neurais são sistemas de computação com nós interconectados que funcionam como os neurônios do cérebro humano. Usando algoritmos, elas podem reconhecer padrões escondidos e correlações em dados brutos, agrupá-los e classificá-los, e – com o tempo – aprender e melhorar continuamente.
Explicação:
A primeira rede neural foi concebida por Warren McCulloch e Walter Pitts em 1943. Eles escreveram um artigo seminal sobre como os neurônios devem funcionar e, então, modelaram suas ideias criando uma rede neural simples com circuitos elétricos.
Esse modelo inovador pavimentou o caminho para pesquisas de redes neurais em duas áreas:
Processos biológicos no cérebro.
A aplicação de redes neurais em inteligência artificial (AI).
Pesquisas em IA aceleraram rapidamente, com Kunihiko Fukushima a primeira rede neural multicamada de verdade em 1975.
O objetivo original da abordagem de rede neural era criar um sistema computacional capaz de resolver problemas como um cérebro humano. No entanto, com o passar do tempo, os pesquisadores mudaram o foco e passaram a usar redes neurais para resolver tarefas específicas, desviando-se de uma abordagem estritamente biológica. Desde então, as redes neurais têm oferecido suporte às mais diversas tarefas, incluindo visão computacional, reconhecimento de fala, tradução de máquina, filtragem de redes sociais, jogos de tabuleiro ou vídeo-game e diagnósticos médicos.
Conforme o volume de dados estruturados e não-estruturados aumentou a níveis de big data, as pessoas desenvolveram sistemas de deep learning que são, essencialmente, redes neurais com muitas camadas. Deep learning permite a captura e a mineração de mais e maiores volumes de dados, incluindo dados não-estruturados.
As redes neurais também são idealmente desenvolvidas para ajudar as pessoas a resolver problemas complexos em diversas situações da vida real. Elas podem aprender e modelar relações entre entradas e saídas de dados que são não-lineares e complexos; realizar generalizações e inferências; revelar relacionamentos, padrões e predições ocultas e modelar dados altamente voláteis (como dados de séries temporais financeiras) e variâncias necessárias para prever eventos raros (como detecção de fraudes). Como resultado, as redes neurais podem melhorar processos de decisão em diversas áreas, como:
Detecção de fraude em cartões de crédito e assistência médica;
Otimização de logística para redes de transporte;
Reconhecimento de caracteres e de voz, também conhecido como processamento de linguagem natural;
Diagnósticos médicos;
Marketing direcionado;
Predições financeiras de ações de mercado, moeda, opções, futuros, falência e classificação de títulos;
Sistemas de controle robóticos;
Previsão de carga elétrica e demanda de energia;
Controle de qualidade e de processos;
Identificação de compostos químicos;
Avaliação do ecossistema;
Visão computacional para interpretar fotos e vídeos não-tratados (por exemplo, na obtenção de imagens médicas, robótica e reconhecimento facial).