Conheça 8 aplicações de deep learning no mercado

Udacity Brasil
20 de dez de 2017

Deep learning já está entre nós. Essa poderosa tecnologia dentro do campo de inteligência artificial é capaz de realizar feitos surpreendentes, como reconhecer objetos em imagens ou até mesmo diagnosticar câncer de pulmão melhor do que médicos.

O mais interessante sobre as ferramentas de aprendizagem profunda, no entanto, é o modo como elas funcionam. Conheça algumas aplicações muito relevantes do deep learning para o nosso dia a dia — mas, antes, saiba mais sobre essa tecnologia.

Como deep learning funciona?

O deep learning é, em essência, uma percepção apurada de inteligência artificial, que funciona de forma parecida com a nossa — combinada com a capacidade de gerar conteúdos baseados no aprendizado a partir dessa assimilação.

Os algoritmos de deep learning são capazes de analisar dados não-estruturados sem praticamente nenhum tipo de pré-processamento ou supervisão.

Essa tecnologia faz com que a máquina seja capaz de decifrar a linguagem natural e estabelecer modelos preditivos coerentes — preenchendo vazios em fotografias e diagnosticando doenças em exames médicos, por exemplo.

O deep learning é uma solução extremamente proveitosa, que pode ser aplicada em inúmeros campos. Suas possibilidades ainda estão sendo exploradas, mas o mais animador é que não temos de esperar o futuro para ver essa tecnologia explodir: ela já é utilizada em muitos setores e deve ganhar cada vez mais espaço.

Conheça agora algumas das aplicações mais interessantes de deep learning:

1. Gerar sons para filmes mudos

O deep learning é capaz de assistir a um vídeo sem som e gerar áudio que corresponda àquilo que pode ser enxergado.

Logo, se alguém bate com um martelo em um prego durante um filme mudo, por exemplo, a ferramenta consegue identificar qual barulho deveria ser aplicado à cena e elabora o áudio adequado para aquele momento.

2. Aumentar a resolução de imagens

Quem trabalha com imagens sabe que reduzir a resolução de uma fotografia é algo simples. Aumentar, por outro lado, é impossível. Na verdade, era impossível: já existem testes práticos da utilização do deep learning para aprimorar a qualidade de uma imagem, melhorando a sua resolução.

Quando isso é feito, a máquina também acrescenta detalhes que, teoricamente, seriam invisíveis em resoluções menores.

3. Dar cor a imagens em preto e branco

Colorir imagens antigas em preto e branco é um trabalho artesanal bem complexo e quase artístico — quando feito por humanos. Se deep learning é utilizado para executar essa tarefa, ele consegue resultados impressionantes em segundos, usando redes neurais para compreender a cor de cada elemento em uma fotografia antiga, por exemplo.

O mesmo vale para a colorização de longa-metragens antigos em preto e branco: a ferramenta analisa um filme mudo antigo em preto e branco e acrescenta cor e som à obra.

4. Replicar o estilo de um artista plástico em qualquer imagem

O aprendizado profundo também é capaz de criar verdadeiras obras de arte. Partindo de fotografias — ou até mesmo de simples rascunhos —, o deep learning pode usar redes neurais para replicar o estilo de Van Gogh ou Botticelli, por exemplo. Os resultados são bem interessantes, como podem ser vistos neste artigo sobre a técnica.

5. Gerar textos automáticos

A tecnologia permite que o computador gere textos sozinho — inclusive obras que, na teoria, precisariam da criatividade humana. A máquina é capaz de escrever peças de teatro seguindo o estilo de Shakespeare ou até mesmo um romance completo, além de artigos da Wikipédia e textos para blogs.

A ferramenta usa redes neurais imensas para relacionar palavras e sentenças, conseguindo, dessa forma, contar histórias coerentes e escrever sobre qualquer tema.

6. Elaborar legendas descritivas para imagens

O deep learning consegue descrever em detalhes o que foi capturado em uma imagem, identificando ações, objetos e pessoas. Com isso, o algoritmo pode elaborar legendas descritivas para fotografias.

A aplicação tem um nível de precisão notável, com legendas bem detalhadas, como “cachorro preto e branco salta sobre uma barreira” ou “pedreiro em roupa de segurança laranja está trabalhando na estrada” — mas também pode cometer algumas falhas em casos de imagens com baixa definição ou com ruídos.

7. Dirigir carros automatizados

Existem inúmeros empregos do deep learning nas tecnologias que compõem os carros autônomos. As redes neurais podem ser utilizadas para entender a angulação da direção e identificar elementos na estrada, como pessoas, outros carros e até animais.

Além disso, a inteligência artificial que controla um carro autônomo conta com deep learning para aprender melhor sobre os comportamentos de outros motoristas — tomando decisões de acordo com eles e prevendo acidentes.

8. Fazer diagnósticos médicos

O deep learning pode realizar diagnósticos médicos baseados em imagens e, em alguns casos, até mesmo com maior precisão do que profissionais da área da saúde.

Segundo dados da Enlitic, uma startup dos Estados Unidos, seu sistema baseado em deep learning consegue detectar câncer de pulmão com uma taxa de acerto 50% maior que a dos radiologistas.

O sistema da Enlitic também é mais preciso no diagnóstico de fraturas no pulso: uma acurácia de 97%, enquanto médicos acertam em 85% das vezes.

Bônus: outras aplicações de deep learning

As possibilidades de deep learning não param por aí. Aplicações dessa tecnologia são testadas em diversas áreas: aplicativos de reconhecimento de voz — como o Google Now e a Siri — são baseados em deep learning, por exemplo.

Como essa ainda é uma área relativamente nova, há muito para ser aprendido e explorado em inúmeros outros âmbitos:

  • Composição de música: assim como no caso das artes plásticas e da escrita, as redes neurais podem compor canções, da música clássica ao rap;
  • Tradução mais poderosa: com o deep learning, é possível fazer traduções bem mais fidedignas, inclusive em tempo real;
  • Classificação e organização de fotografias: como o deep learning consegue perceber pessoas e objetos em qualquer imagem, algoritmos podem ser usados também para organizar coleções muito grandes, com vários filtros baseados no conteúdo das fotos;
  • Jogos de videogames: com base apenas em estímulos visuais e sonoros, é possível ensinar uma máquina a jogar videogame e outros jogos a partir do deep learning. Foi com essa tecnologia que o Google DeepMind conseguiu criar um software capaz de vencer um grande mestre de Go.

Está interessado em saber mais sobre deep learning? Conheça nosso programa Nanodegree Fundamentos de Deep Learning.