57 Haide Maria Hupffer e Renata Fröhlich do que sistemas sejam desenvolvidos com habilidades para aprender a aprimorar conhecimentos por meio de experiências, antes mesmo de serem programados para tal fim. Além do mais, o sistema tem a capacidade de se adaptar e aprender à medida que acumula informações ao longo do tempo, podendo executar a tarefa de tomar decisões sem ser um programador externo. Assim, essa capacidade implica em sistemas habilidosos em identificar, compreender e aprender com os dados que são submetidos à análise (Tacca; Rocha, 2018, p. 60). A tecnologia Deep Learning (aprendizado profundo) é uma subárea do ML que viabiliza o processamento de uma vasta quantidade de dados. A palavra “Deep” (em português, “profundo”) alude ao número de camadas ocultas na rede neural, que são responsáveis por uma fração ampla do poder de aprendizagem (Taulli, 2020, p. 98). O aprendizado profundo transformou a IA ao promover que os sistemas criassem representações hierárquicas a partir de dados, replicando funções do cérebro humano (Rawas, 2024). Ele é responsável por uma revolução emvários domínios, incluindo visão computacional, processamento de linguagem natural e reconhecimento de fala. O aprendizado profundo, ao utilizar múltiplas camadas computacionais hierárquicas, sequenciais ou recorrentes para extrair características de dados brutos e aprender pelo treinamento sem depender de recursos projetados por humanos, o torna especialmente poderoso em domínios com conjuntos de grandes bases de dados e dados complexos. O aprendizado profundo abriu novas oportunidades para a resolução de problemas complexos transformando muitos setores, a exemplo do setor da saúde. Na área da medicina, as mudanças provocadas pelos algoritmos de aprendizado profundo demonstraram altos níveis de precisão na detecção e no diagnóstico de uma ampla gama de doenças (Li et al., 2023). Por sua vez, um algoritmo pode ser descrito como um conjunto de regras ou instruções projetadas para resolver um problema usando métodos lógicos e matemáticos. Os avanços nos estudos sobre redes neurais artificiais, aprendizado profundo e Processamento de Linguagem Natural (PLN) promoveram uma das inovações mais disruptivas das últimas décadas que se consolidou no desenvolvimento da IA generativa, cuja característica principal é emular a capacidade humana de criação de conteúdo. A IA generativa é “capaz de gerar conteúdos informacionais
RkJQdWJsaXNoZXIy MjEzNzYz