![\"\"](\"http:\/\/gotodata.com.br\/site\/wp-content\/uploads\/2019\/04\/artificial-intelligence-2228610_1280.jpg\")
<\/a>Avan\u00e7os tecnol\u00f3gicos surpreendentes, rob\u00f4s, algoritmos complexos, computadores cada vez mais potentes e r\u00e1pidos: bem-vindos \u00e0 espantosa d\u00e9cada de 1960. O mundo vivia suas revolu\u00e7\u00f5es e a intelig\u00eancia artificial era um trending topic<\/em>, com quadrinhos, seriados, filmes e livros investindo no tema. Por pouco tempo. A decep\u00e7\u00e3o com a falta de resultados concretos levou o assunto ao descr\u00e9dito e ao esquecimento por um longo per\u00edodo. Foi necess\u00e1rio um duelo \u00e9pico, mais de 30 anos depois, para as aten\u00e7\u00f5es se voltarem novamente para as m\u00e1quinas pensantes.<\/p>\nEm fevereiro de 1996, o ent\u00e3o campe\u00e3o mundial de xadrez Garry Kasparov enfrentou Deep Blue, o supercomputador desenvolvido pela IBM, com 256 coprocessadores e um banco de dados com mais de 700 mil partidas de mestres do jogo. Kasparov perdeu a primeira rodada, recuperando-se ao longo das seguintes e vencendo ao final por 4 x 2. Confira os lances aqui<\/a>. O evento atraiu aten\u00e7\u00e3o mundial e despertou o p\u00fablico para a possibilidade de computadores realmente estarem ganhando novos poderes.<\/p>\n Um ano depois, os dois voltaram-se a se enfrentar para uma revanche. Deep Blue recebera uma atualiza\u00e7\u00e3o completa, mas foi um erro de programa\u00e7\u00e3o o respons\u00e1vel por seu desempenho surpreendente. Na primeira partida, o hoje famoso \u201clance 44\u201d do Deep Blue desconcertou o enxadrista russo, que, mesmo vencendo a rodada, perdeu ou empatou todas as seguintes. Document\u00e1rio de 2014 afirma que um bug no programa levou o computador a tomar uma decis\u00e3o il\u00f3gica.<\/p>\n Deep Blue era um leg\u00edtimo sistema Machine Learning<\/em>, capaz de tomar suas decis\u00f5es e predizer os movimentos do advers\u00e1rio por meio de algoritmos de an\u00e1lise de dados. \u00c0 \u00e9poca do duelo, os termos Intelig\u00eancia Artificial e Machine Learning j\u00e1 haviam se tornado distintos. Pesquisadores de Intelig\u00eancia Artificial focaram abordagens mais l\u00f3gicas e menos dependentes de algoritmos, enquanto o investimento nas redes neurais, teoria das probabilidades e m\u00e9todos estat\u00edsticos definiu o caminho do Machine Learning<\/em>.<\/p>\n No in\u00edcio dos anos 2000, com a dissemina\u00e7\u00e3o da internet, o mundo da Tecnologia da Informa\u00e7\u00e3o percebe o valor dos sistemas focados na an\u00e1lise de dados e o Machine Learning inicia sua ascens\u00e3o. Afinal, os dados tornam-se abundantes e \u00e9 evidente a rela\u00e7\u00e3o entre a quantidade dessas informa\u00e7\u00f5es e a capacidade dos sistemas em aprender com elas. Mais dados, melhores resultados.<\/p>\n Um breakthrough<\/em> definidor, neste per\u00edodo, foi a publica\u00e7\u00e3o do artigo<\/a>\u00a0“A fast learning algorithm for deep beliefs nets”<\/em>, em 2006. O algoritmo proposto pelos autores resolvia um dos maiores desafios das redes neurais e, a partir dele, com algumas poucas contribui\u00e7\u00f5es, surgiu o que hoje denominamos Deep Learning<\/em> e as respectivas Deep Neural Networks<\/em> (DNN)<\/em>.<\/p>\n