{"id":5096,"date":"2023-04-03T16:37:50","date_gmt":"2023-04-03T16:37:50","guid":{"rendered":"http:\/\/skimai.com\/?p=5096"},"modified":"2024-06-11T20:05:38","modified_gmt":"2024-06-12T01:05:38","slug":"o-que-e-a-aprendizagem-profunda","status":"publish","type":"post","link":"https:\/\/skimai.com\/pt\/what-is-deep-learning\/","title":{"rendered":"O que \u00e9 a aprendizagem profunda?"},"content":{"rendered":"<div id=\"ez-toc-container\" class=\"ez-toc-v2_0_82_1 counter-hierarchy ez-toc-counter ez-toc-grey ez-toc-container-direction\">\n<div class=\"ez-toc-title-container\">\n<p class=\"ez-toc-title\" style=\"cursor:inherit\">\u00cdndice<\/p>\n<span class=\"ez-toc-title-toggle\"><a href=\"#\" class=\"ez-toc-pull-right ez-toc-btn ez-toc-btn-xs ez-toc-btn-default ez-toc-toggle\" aria-label=\"Alternar o \u00edndice\"><span class=\"ez-toc-js-icon-con\"><span class=\"\"><span class=\"eztoc-hide\" style=\"display:none;\">Alternar<\/span><span class=\"ez-toc-icon-toggle-span\"><svg style=\"fill: #999;color:#999\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" class=\"list-377408\" width=\"20px\" height=\"20px\" viewbox=\"0 0 24 24\" fill=\"none\"><path d=\"M6 6H4v2h2V6zm14 0H8v2h12V6zM4 11h2v2H4v-2zm16 0H8v2h12v-2zM4 16h2v2H4v-2zm16 0H8v2h12v-2z\" fill=\"currentColor\"><\/path><\/svg><svg style=\"fill: #999;color:#999\" class=\"arrow-unsorted-368013\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" width=\"10px\" height=\"10px\" viewbox=\"0 0 24 24\" version=\"1.2\" baseprofile=\"tiny\"><path d=\"M18.2 9.3l-6.2-6.3-6.2 6.3c-.2.2-.3.4-.3.7s.1.5.3.7c.2.2.4.3.7.3h11c.3 0 .5-.1.7-.3.2-.2.3-.5.3-.7s-.1-.5-.3-.7zM5.8 14.7l6.2 6.3 6.2-6.3c.2-.2.3-.5.3-.7s-.1-.5-.3-.7c-.2-.2-.4-.3-.7-.3h-11c-.3 0-.5.1-.7.3-.2.2-.3.5-.3.7s.1.5.3.7z\"\/><\/svg><\/span><\/span><\/span><\/a><\/span><\/div>\n<nav><ul class='ez-toc-list ez-toc-list-level-1' ><li class='ez-toc-page-1 ez-toc-heading-level-1'><a class=\"ez-toc-link ez-toc-heading-1\" href=\"https:\/\/skimai.com\/pt\/what-is-deep-learning\/#What_is_Deep_Learning\" >O que \u00e9 a aprendizagem profunda?<\/a><ul class='ez-toc-list-level-2' ><li class='ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-2\" href=\"https:\/\/skimai.com\/pt\/what-is-deep-learning\/#The_Building_Blocks_of_Deep_Learning\" >Os blocos de constru\u00e7\u00e3o da aprendizagem profunda<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-3\" href=\"https:\/\/skimai.com\/pt\/what-is-deep-learning\/#The_Different_Types_of_Learning_Architectures\" >Os diferentes tipos de arquitecturas de aprendizagem<\/a><ul class='ez-toc-list-level-3' ><li class='ez-toc-heading-level-3'><a class=\"ez-toc-link ez-toc-heading-4\" href=\"https:\/\/skimai.com\/pt\/what-is-deep-learning\/#Convolutional_Neural_Networks_CNNs\" >Redes Neuronais Convolucionais (CNNs)<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-3'><a class=\"ez-toc-link ez-toc-heading-5\" href=\"https:\/\/skimai.com\/pt\/what-is-deep-learning\/#Recurrent_Neural_Networks_RNNs\" >Redes Neuronais Recorrentes (RNNs)<\/a><\/li><\/ul><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-6\" href=\"https:\/\/skimai.com\/pt\/what-is-deep-learning\/#Challenges_of_Deep_Learning\" >Desafios da aprendizagem profunda<\/a><ul class='ez-toc-list-level-3' ><li class='ez-toc-heading-level-3'><a class=\"ez-toc-link ez-toc-heading-7\" href=\"https:\/\/skimai.com\/pt\/what-is-deep-learning\/#Interpretability_and_Explainability\" >Interpretabilidade e explicabilidade<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-3'><a class=\"ez-toc-link ez-toc-heading-8\" href=\"https:\/\/skimai.com\/pt\/what-is-deep-learning\/#Data_and_Computational_Requirements_for_Deep_Learning\" >Requisitos computacionais e de dados para a aprendizagem profunda<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-3'><a class=\"ez-toc-link ez-toc-heading-9\" href=\"https:\/\/skimai.com\/pt\/what-is-deep-learning\/#Robustness_and_Security\" >Robustez e seguran\u00e7a<\/a><\/li><\/ul><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-10\" href=\"https:\/\/skimai.com\/pt\/what-is-deep-learning\/#Applications_of_Deep_Learning\" >Aplica\u00e7\u00f5es da aprendizagem profunda<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-11\" href=\"https:\/\/skimai.com\/pt\/what-is-deep-learning\/#Revolutionizing_Industries_and_Applications\" >Revolucionando ind\u00fastrias e aplica\u00e7\u00f5es<\/a><\/li><\/ul><\/li><\/ul><\/nav><\/div>\n<h1><span class=\"ez-toc-section\" id=\"What_is_Deep_Learning\"><\/span>O que \u00e9 a aprendizagem profunda?<span class=\"ez-toc-section-end\"><\/span><\/h1>\n<p>O que \u00e9 a aprendizagem profunda? A aprendizagem profunda (AP) \u00e9 um subconjunto da aprendizagem autom\u00e1tica (AM) que se concentra principalmente em imitar a capacidade do c\u00e9rebro humano de aprender e processar informa\u00e7\u00f5es. No mundo em r\u00e1pida evolu\u00e7\u00e3o da intelig\u00eancia artificial (IA), a aprendizagem profunda emergiu como uma tecnologia inovadora que est\u00e1 a ter impacto em praticamente todos os campos, desde os cuidados de sa\u00fade at\u00e9 \u00e0... <\/p>\n<p>Para alcan\u00e7ar esta capacidade de aprender e processar informa\u00e7\u00e3o, a aprendizagem profunda baseia-se numa rede complexa de neur\u00f3nios interligados denominados redes neuronais artificiais (RNA). Ao aproveitar o poder das RNAs e a sua capacidade de se adaptarem e melhorarem automaticamente ao longo do tempo, os algoritmos de aprendizagem profunda podem descobrir padr\u00f5es complexos, extrair conhecimentos significativos e fazer previs\u00f5es com uma precis\u00e3o not\u00e1vel. <\/p>\n<p>*Antes de ler este blogue sobre aprendizagem profunda, n\u00e3o se esque\u00e7a de consultar a nossa explica\u00e7\u00e3o sobre IA vs. ML. <\/p>\n<h2><span class=\"ez-toc-section\" id=\"The_Building_Blocks_of_Deep_Learning\"><\/span>Os blocos de constru\u00e7\u00e3o da aprendizagem profunda<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>A base da aprendizagem profunda assenta no conceito de RNA, que se inspira na estrutura e fun\u00e7\u00e3o do c\u00e9rebro humano. As RNAs s\u00e3o constitu\u00eddas por v\u00e1rias camadas de n\u00f3s ou neur\u00f3nios interligados, em que cada neur\u00f3nio processa a informa\u00e7\u00e3o e a transmite \u00e0 camada seguinte. Estas camadas podem ent\u00e3o aprender e adaptar-se ajustando os pesos das liga\u00e7\u00f5es entre os neur\u00f3nios. <\/p>\n<p>Numa RNA, existem neur\u00f3nios artificiais, em que cada um deles recebe um input de outro antes de processar a informa\u00e7\u00e3o e enviar o output para os neur\u00f3nios ligados. A for\u00e7a destas liga\u00e7\u00f5es entre os neur\u00f3nios \u00e9 conhecida como pesos, e estes pesos determinam a import\u00e2ncia de cada entrada no c\u00e1lculo global. <\/p>\n<p><img decoding=\"async\" src=\"http:\/\/skimai.com\/wp-content\/uploads\/2023\/04\/230330-ANNs-01-scaled.jpg\" alt=\"\"><\/p>\n<p>As RNA s\u00e3o frequentemente compostas por tr\u00eas camadas principais: <\/p>\n<ol>\n<li>\n<p>Camada de entrada: A camada de entrada recebe dados em bruto.<\/p>\n<\/li>\n<li>\n<p>Camada oculta: A camada oculta processa os dados e efectua transforma\u00e7\u00f5es complexas. <\/p>\n<\/li>\n<li>\n<p>Camada de sa\u00edda: A camada de sa\u00edda produz o resultado final. <\/p>\n<\/li>\n<\/ol>\n<p>Outro elemento importante das RNAs s\u00e3o as fun\u00e7\u00f5es de ativa\u00e7\u00e3o, que determinam a sa\u00edda de cada neur\u00f3nio com base na entrada recebida. Estas fun\u00e7\u00f5es introduzem a n\u00e3o linearidade na rede, permitindo-lhe aprender padr\u00f5es complexos e efetuar c\u00e1lculos complexos. <\/p>\n<p>A aprendizagem profunda tem tudo a ver com o processo de aprendizagem, com a rede a ajustar os seus pesos para minimizar o erro entre as suas previs\u00f5es e os resultados. Este processo de aprendizagem envolve frequentemente a utiliza\u00e7\u00e3o de uma fun\u00e7\u00e3o de perda, que quantifica a diferen\u00e7a entre o resultado da rede e os valores reais. <\/p>\n<h2><span class=\"ez-toc-section\" id=\"The_Different_Types_of_Learning_Architectures\"><\/span>Os diferentes tipos de arquitecturas de aprendizagem<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Dito isto, a aprendizagem profunda n\u00e3o segue uma \u00fanica arquitetura de aprendizagem. Existem alguns tipos principais de arquitecturas que s\u00e3o utilizadas para uma vasta gama de problemas. Duas das mais comuns s\u00e3o as redes neurais convolucionais (CNNs) e as redes neurais recorrentes (RNNs). No entanto, existem v\u00e1rias outras, tais como <a href=\"https:\/\/developer.ibm.com\/articles\/cc-machine-learning-deep-learning-architectures\/\">LSTMs, GRUs e Autoencoders<\/a>. <\/p>\n<h3><span class=\"ez-toc-section\" id=\"Convolutional_Neural_Networks_CNNs\"><\/span>Redes Neuronais Convolucionais (CNNs)<span class=\"ez-toc-section-end\"><\/span><\/h3>\n<p>As CNN desempenham um papel fundamental nas tarefas de vis\u00e3o computacional e de reconhecimento de imagens. Antes do advento das CNN, estas tarefas exigiam t\u00e9cnicas de extra\u00e7\u00e3o de caracter\u00edsticas laboriosas e demoradas para a identifica\u00e7\u00e3o de objectos nas imagens. No contexto do reconhecimento de imagens, a principal fun\u00e7\u00e3o de uma CNN \u00e9 transformar as imagens numa forma mais f\u00e1cil de gerir, preservando simultaneamente as caracter\u00edsticas essenciais para previs\u00f5es exactas.<\/p>\n<p>As CNN superam frequentemente outras redes neuronais devido ao seu desempenho excecional com imagens, sinais de \u00e1udio ou entradas de voz. <\/p>\n<p>Utilizam tr\u00eas tipos principais de camadas para realizar as suas tarefas:<\/p>\n<ol>\n<li>\n<p><strong>Camada de convolu\u00e7\u00e3o<\/strong>: Identifica caracter\u00edsticas dentro de pix\u00e9is.<\/p>\n<\/li>\n<li>\n<p><strong>Camada de Pooling<\/strong>: Abstrai caracter\u00edsticas para processamento posterior.<\/p>\n<\/li>\n<li>\n<p><strong>Camada totalmente conectada (FC)<\/strong>: Utiliza as caracter\u00edsticas adquiridas para a previs\u00e3o.<\/p>\n<\/li>\n<\/ol>\n<p>A camada convolucional \u00e9 o componente mais fundamental de uma CNN, onde ocorre a maior parte do c\u00e1lculo. Esta camada \u00e9 constitu\u00edda por dados de entrada, um filtro e um mapa de caracter\u00edsticas. As camadas convolucionais efectuam uma opera\u00e7\u00e3o de convolu\u00e7\u00e3o na entrada antes de enviar o resultado para a camada de pooling. <\/p>\n<p>Numa tarefa de reconhecimento de imagem, esta convolu\u00e7\u00e3o condensa todos os pixels do seu campo recetivo num \u00fanico valor. Em termos mais simples, a aplica\u00e7\u00e3o de uma convolu\u00e7\u00e3o a uma imagem reduz o seu tamanho e combina toda a informa\u00e7\u00e3o dentro do campo num \u00fanico pixel. As caracter\u00edsticas b\u00e1sicas, como as arestas horizontais e diagonais, s\u00e3o extra\u00eddas na camada convolucional. A sa\u00edda gerada pela camada convolucional \u00e9 designada por mapa de caracter\u00edsticas.<\/p>\n<p>O objetivo principal da camada de agrupamento \u00e9 reduzir o tamanho do mapa de caracter\u00edsticas, diminuindo assim a computa\u00e7\u00e3o e as liga\u00e7\u00f5es entre camadas. <\/p>\n<p>A terceira camada de uma CNN \u00e9 a camada FC, que liga os neur\u00f3nios entre duas camadas distintas. Muitas vezes posicionada antes da camada de sa\u00edda, as imagens de entrada das camadas anteriores s\u00e3o achatadas. A imagem achatada passa normalmente por camadas FC adicionais, onde fun\u00e7\u00f5es matem\u00e1ticas iniciam o processo de classifica\u00e7\u00e3o.<\/p>\n<h3><span class=\"ez-toc-section\" id=\"Recurrent_Neural_Networks_RNNs\"><\/span>Redes Neuronais Recorrentes (RNNs)<span class=\"ez-toc-section-end\"><\/span><\/h3>\n<p>As redes neuronais recorrentes (RNN) representam alguns dos algoritmos mais avan\u00e7ados desenvolvidos e s\u00e3o empregues por tecnologias amplamente utilizadas, como a Siri e a pesquisa por voz do Google. <\/p>\n<p>O RNN \u00e9 o primeiro algoritmo capaz de reter a sua entrada devido \u00e0 mem\u00f3ria interna, o que o torna valioso para problemas de aprendizagem autom\u00e1tica que envolvam dados sequenciais, como fala, texto, dados financeiros, \u00e1udio e muito mais. A arquitetura \u00fanica dos RNN permite-lhes captar eficazmente depend\u00eancias e padr\u00f5es dentro das sequ\u00eancias, permitindo previs\u00f5es mais precisas e um melhor desempenho global numa vasta gama de aplica\u00e7\u00f5es.<\/p>\n<p>A carater\u00edstica distintiva de uma RNN \u00e9 a sua capacidade de manter um estado oculto, que funciona como uma mem\u00f3ria interna, permitindo-lhe recordar informa\u00e7\u00f5es de passos de tempo anteriores. Esta capacidade de mem\u00f3ria permite que as RNNs aprendam e explorem depend\u00eancias de longo alcance dentro da sequ\u00eancia de entrada, tornando-as particularmente eficazes para tarefas como an\u00e1lise de s\u00e9ries temporais, PNL e reconhecimento de voz.<\/p>\n<p>A estrutura de uma RNN consiste numa s\u00e9rie de camadas interligadas, em que cada camada \u00e9 respons\u00e1vel pelo processamento de um passo de tempo da sequ\u00eancia de entrada. A entrada para cada passo de tempo \u00e9 uma combina\u00e7\u00e3o do ponto de dados atual e do estado oculto do passo de tempo anterior. Esta informa\u00e7\u00e3o \u00e9 ent\u00e3o processada pela camada RNN, que actualiza o estado oculto e gera uma sa\u00edda. O estado oculto actua como uma mem\u00f3ria, transportando informa\u00e7\u00f5es de passos de tempo anteriores para influenciar o processamento futuro.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Challenges_of_Deep_Learning\"><\/span>Desafios da aprendizagem profunda<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Apesar dos not\u00e1veis \u00eaxitos da aprendizagem profunda, subsistem v\u00e1rios desafios e \u00e1reas de investiga\u00e7\u00e3o futura que merecem ser explorados para fazer avan\u00e7ar o dom\u00ednio e garantir uma implanta\u00e7\u00e3o respons\u00e1vel destas tecnologias.<\/p>\n<h3><span class=\"ez-toc-section\" id=\"Interpretability_and_Explainability\"><\/span>Interpretabilidade e explicabilidade<span class=\"ez-toc-section-end\"><\/span><\/h3>\n<p>Uma das principais limita\u00e7\u00f5es dos modelos de aprendizagem profunda \u00e9 a sua natureza de caixa negra, que se refere \u00e0 opacidade e complexidade do seu funcionamento interno. Isto torna dif\u00edcil para os profissionais, utilizadores e reguladores compreender e interpretar o racioc\u00ednio subjacente \u00e0s suas previs\u00f5es e decis\u00f5es. <a href=\"http:\/\/skimai.com\/pt\/blogue-o-que-torna-a-ia-explicavel\/\">Desenvolvimento de t\u00e9cnicas<\/a> para uma melhor interpretabilidade e <a href=\"http:\/\/skimai.com\/pt\/blogue-o-que-e-explicavel-ai\/\">explicabilidade<\/a> \u00e9 fundamental para responder a estas preocupa\u00e7\u00f5es e tem v\u00e1rias implica\u00e7\u00f5es importantes.<\/p>\n<p><img decoding=\"async\" src=\"http:\/\/skimai.com\/wp-content\/uploads\/2023\/04\/230330-Challenges-of-Deep-Learning-01-scaled.jpg\" alt=\"\"><\/p>\n<p>Uma maior interpretabilidade e explicabilidade ajudar\u00e1 os utilizadores e as partes interessadas a compreender melhor como os modelos de aprendizagem profunda chegam \u00e0s suas previs\u00f5es ou decis\u00f5es, promovendo assim a confian\u00e7a nas suas capacidades e fiabilidade. Isto \u00e9 particularmente importante em aplica\u00e7\u00f5es sens\u00edveis como <a href=\"http:\/\/skimai.com\/pt\/blogue-como-os-cuidados-de-saude-podem-utilizar-a-ia-explicavel\/\">cuidados de sa\u00fade<\/a>A IA pode ser utilizada em v\u00e1rios sectores, como o financeiro e a justi\u00e7a penal, em que as consequ\u00eancias das decis\u00f5es da IA podem ter um impacto significativo na vida das pessoas.<\/p>\n<p>A capacidade de interpretar e explicar os modelos de aprendizagem profunda tamb\u00e9m pode facilitar a identifica\u00e7\u00e3o e a mitiga\u00e7\u00e3o de potenciais enviesamentos, erros ou consequ\u00eancias n\u00e3o intencionais. Ao fornecer informa\u00e7\u00f5es sobre o funcionamento interno dos modelos, os profissionais podem tomar decis\u00f5es informadas sobre a sele\u00e7\u00e3o, forma\u00e7\u00e3o e implementa\u00e7\u00e3o de modelos para garantir que os sistemas de IA s\u00e3o utilizados de forma respons\u00e1vel e \u00e9tica.<\/p>\n<p>A obten\u00e7\u00e3o de informa\u00e7\u00f5es sobre os processos internos dos modelos de aprendizagem profunda pode ajudar os profissionais a identificar problemas ou erros que possam estar a afetar o seu desempenho. Ao compreender os factores que influenciam as previs\u00f5es de um modelo, os profissionais podem ajustar a sua arquitetura, os dados de treino ou os hiperpar\u00e2metros para melhorar o desempenho e a precis\u00e3o gerais.<\/p>\n<h3><span class=\"ez-toc-section\" id=\"Data_and_Computational_Requirements_for_Deep_Learning\"><\/span>Requisitos computacionais e de dados para a aprendizagem profunda<span class=\"ez-toc-section-end\"><\/span><\/h3>\n<p>A aprendizagem profunda \u00e9 incrivelmente poderosa, mas com esse poder v\u00eam requisitos computacionais e de dados significativos. Estes requisitos podem, por vezes, colocar desafios \u00e0 implementa\u00e7\u00e3o da aprendizagem profunda. <\/p>\n<p><img decoding=\"async\" src=\"http:\/\/skimai.com\/wp-content\/uploads\/2023\/04\/230330-Challenges-of-Deep-Learning-02-scaled.jpg\" alt=\"\"><\/p>\n<p>Um dos principais desafios da aprendizagem profunda \u00e9 a necessidade de grandes quantidades de dados de forma\u00e7\u00e3o rotulados. Os modelos de aprendizagem profunda requerem frequentemente grandes quantidades de dados para aprender e generalizar eficazmente. Isto deve-se ao facto de estes modelos serem concebidos para extrair e aprender automaticamente caracter\u00edsticas a partir de dados em bruto, e quanto mais dados tiverem acesso, melhor podem identificar e captar padr\u00f5es e rela\u00e7\u00f5es intrincados.<\/p>\n<p>No entanto, a aquisi\u00e7\u00e3o e rotulagem de quantidades t\u00e3o grandes de dados pode ser demorada, trabalhosa e dispendiosa. Nalguns casos, os dados rotulados podem ser escassos ou dif\u00edceis de obter, especialmente em dom\u00ednios especializados como a imagiologia m\u00e9dica ou as l\u00ednguas raras. Para enfrentar este desafio, os investigadores exploraram v\u00e1rias t\u00e9cnicas, como o aumento de dados, a aprendizagem por transfer\u00eancia e a aprendizagem n\u00e3o supervisionada ou semi-supervisionada, que visam melhorar o desempenho do modelo com dados rotulados limitados.<\/p>\n<p>Os modelos de aprendizagem profunda tamb\u00e9m exigem recursos computacionais significativos para a forma\u00e7\u00e3o e a infer\u00eancia. Estes modelos envolvem normalmente um grande n\u00famero de par\u00e2metros e camadas, que exigem hardware potente e unidades de processamento especializadas, como GPUs ou TPUs, para efetuar os c\u00e1lculos necess\u00e1rios de forma eficiente.<\/p>\n<p>As exig\u00eancias computacionais dos modelos de aprendizagem profunda podem ser proibitivas para algumas aplica\u00e7\u00f5es ou organiza\u00e7\u00f5es com recursos limitados, levando a tempos de forma\u00e7\u00e3o mais longos e custos mais elevados. Para atenuar estes desafios, investigadores e profissionais t\u00eam investigado m\u00e9todos para otimizar os modelos de aprendizagem profunda e reduzir o tamanho e a complexidade do modelo, mantendo o seu desempenho, o que, em \u00faltima an\u00e1lise, conduz a tempos de forma\u00e7\u00e3o mais r\u00e1pidos e a menores requisitos de recursos.<\/p>\n<h3><span class=\"ez-toc-section\" id=\"Robustness_and_Security\"><\/span>Robustez e seguran\u00e7a<span class=\"ez-toc-section-end\"><\/span><\/h3>\n<p>Os modelos de aprendizagem profunda demonstraram um desempenho excecional em v\u00e1rias aplica\u00e7\u00f5es; no entanto, continuam a ser suscept\u00edveis de <a href=\"http:\/\/skimai.com\/pt\/blogue-o-que-e-um-ataque-de-ia-contraditorio\/\">ataques advers\u00e1rios<\/a>. Estes ataques implicam a cria\u00e7\u00e3o de amostras de entrada maliciosas, deliberadamente concebidas para enganar o modelo, levando-o a gerar previs\u00f5es ou resultados incorrectos. Combater estas vulnerabilidades e aumentar a robustez e a seguran\u00e7a dos modelos de aprendizagem profunda contra exemplos advers\u00e1rios e outros riscos potenciais \u00e9 um desafio cr\u00edtico para a comunidade de IA. As consequ\u00eancias de tais ataques podem ser de grande alcance, especialmente em dom\u00ednios de grande import\u00e2ncia, como os ve\u00edculos aut\u00f3nomos, a ciberseguran\u00e7a e os cuidados de sa\u00fade, em que a integridade e a fiabilidade dos sistemas de IA s\u00e3o fundamentais.<\/p>\n<p><img decoding=\"async\" src=\"http:\/\/skimai.com\/wp-content\/uploads\/2023\/04\/230330-Challenges-of-Deep-Learning-03-scaled.jpg\" alt=\"\"><\/p>\n<p>Os ataques advers\u00e1rios exploram a sensibilidade dos modelos de aprendizagem profunda a pequenas perturba\u00e7\u00f5es, muitas vezes impercept\u00edveis, nos dados de entrada. Mesmo pequenas altera\u00e7\u00f5es nos dados originais podem levar a previs\u00f5es ou classifica\u00e7\u00f5es drasticamente diferentes, apesar de as entradas parecerem praticamente id\u00eanticas aos observadores humanos. Este fen\u00f3meno suscita preocupa\u00e7\u00f5es quanto \u00e0 estabilidade e fiabilidade dos modelos de aprendizagem profunda em cen\u00e1rios reais em que os advers\u00e1rios podem manipular os dados de entrada para comprometer o desempenho do sistema.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Applications_of_Deep_Learning\"><\/span>Aplica\u00e7\u00f5es da aprendizagem profunda<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>A aprendizagem profunda demonstrou o seu potencial transformador numa vasta gama de aplica\u00e7\u00f5es e sectores. Algumas das aplica\u00e7\u00f5es mais not\u00e1veis incluem:<\/p>\n<ul>\n<li>Reconhecimento de imagens e vis\u00e3o por computador: A aprendizagem profunda melhorou drasticamente a precis\u00e3o e a efici\u00eancia do reconhecimento de imagens e das tarefas de vis\u00e3o computacional. As CNNs, em particular, t\u00eam-se destacado na classifica\u00e7\u00e3o de imagens, dete\u00e7\u00e3o de objectos e segmenta\u00e7\u00e3o. Estes avan\u00e7os abriram caminho para aplica\u00e7\u00f5es como o reconhecimento facial, ve\u00edculos aut\u00f3nomos e an\u00e1lise de imagens m\u00e9dicas.<\/li>\n<li>PNL: A aprendizagem profunda revolucionou o processamento de linguagem natural, permitindo o desenvolvimento de modelos e aplica\u00e7\u00f5es de linguagem mais sofisticados. V\u00e1rios modelos t\u00eam sido utilizados para obter resultados de ponta em tarefas como tradu\u00e7\u00e3o autom\u00e1tica, an\u00e1lise de sentimentos, resumo de texto e sistemas de resposta a perguntas.<\/li>\n<li>Reconhecimento e gera\u00e7\u00e3o de fala: A aprendizagem profunda tamb\u00e9m fez progressos significativos no reconhecimento e gera\u00e7\u00e3o de fala. T\u00e9cnicas como RNNs e CNNs t\u00eam sido usadas para desenvolver sistemas de reconhecimento autom\u00e1tico de fala (ASR) mais precisos e eficientes, que convertem a linguagem falada em texto escrito. Os modelos de aprendizagem profunda tamb\u00e9m permitiram a s\u00edntese de fala de alta qualidade, gerando fala semelhante \u00e0 humana a partir de texto.<\/li>\n<li>Aprendizagem por refor\u00e7o: A aprendizagem profunda, quando combinada com a aprendizagem por refor\u00e7o, conduziu ao desenvolvimento de <a href=\"https:\/\/huggingface.co\/blog\/deep-rl-intro\">aprendizagem por refor\u00e7o profundo (DRL)<\/a> algoritmos. O DRL tem sido utilizado para formar agentes capazes de aprender pol\u00edticas \u00f3ptimas para a tomada de decis\u00f5es e o controlo. As aplica\u00e7\u00f5es do DRL abrangem a rob\u00f3tica, as finan\u00e7as e os jogos.<\/li>\n<li>Modelos generativos: Modelos generativos de aprendizagem profunda, tais como <a href=\"http:\/\/skimai.com\/pt\/o-que-e-a-ia-generativa\/\">Redes Adversariais Generativas (GANs)<\/a>Os modelos de an\u00e1lise de dados (modelos de imagem), que s\u00e3o modelos de an\u00e1lise de dados, mostraram um potencial not\u00e1vel para gerar amostras de dados realistas. Estes modelos t\u00eam sido utilizados em tarefas como a s\u00edntese de imagens, a transfer\u00eancia de estilos, o aumento de dados e a dete\u00e7\u00e3o de anomalias.<\/li>\n<li>Sa\u00fade: A aprendizagem profunda tamb\u00e9m fez contribui\u00e7\u00f5es significativas para a \u00e1rea da sa\u00fade, revolucionando o diagn\u00f3stico, a descoberta de medicamentos e a medicina personalizada. Por exemplo, algoritmos de aprendizagem profunda t\u00eam sido usados para analisar imagens m\u00e9dicas para dete\u00e7\u00e3o precoce de doen\u00e7as, prever resultados de pacientes e identificar poss\u00edveis candidatos a medicamentos.<\/li>\n<\/ul>\n<h2><span class=\"ez-toc-section\" id=\"Revolutionizing_Industries_and_Applications\"><\/span>Revolucionando ind\u00fastrias e aplica\u00e7\u00f5es<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>A aprendizagem profunda surgiu como uma tecnologia inovadora com o potencial de revolucionar uma vasta gama de sectores e aplica\u00e7\u00f5es. Na sua ess\u00eancia, a aprendizagem profunda utiliza redes neurais artificiais para imitar a capacidade do c\u00e9rebro humano de aprender e processar informa\u00e7\u00f5es. As CNN e as RNN s\u00e3o duas arquitecturas proeminentes que permitiram avan\u00e7os significativos em dom\u00ednios como o reconhecimento de imagens, a PNL, o reconhecimento da fala e os cuidados de sa\u00fade.<\/p>\n<p>A aprendizagem profunda continua a enfrentar desafios que t\u00eam de ser resolvidos para garantir a sua utiliza\u00e7\u00e3o respons\u00e1vel e \u00e9tica. Estes desafios incluem a melhoria da interpretabilidade e explicabilidade dos modelos de aprendizagem profunda, a abordagem dos requisitos de dados e computacionais e o refor\u00e7o da robustez e seguran\u00e7a destes modelos contra ataques advers\u00e1rios.<\/p>\n<p>\u00c0 medida que os investigadores e os profissionais continuam a explorar e a desenvolver t\u00e9cnicas inovadoras para enfrentar estes desafios, o dom\u00ednio da aprendizagem profunda continuar\u00e1, sem d\u00favida, a avan\u00e7ar, trazendo novas capacidades e aplica\u00e7\u00f5es que transformar\u00e3o a forma como vivemos, trabalhamos e interagimos com o mundo que nos rodeia. Com o seu imenso potencial, a aprendizagem profunda dever\u00e1 desempenhar um papel cada vez mais importante na defini\u00e7\u00e3o do futuro da intelig\u00eancia artificial e na promo\u00e7\u00e3o do progresso tecnol\u00f3gico em v\u00e1rios dom\u00ednios<\/p>","protected":false},"excerpt":{"rendered":"<p>What is Deep Learning? Deep learning (DL) is a subset of machine learning (ML) that primarily focuses on mimicking the human brain\u2019s ability to learn and process information. In the rapidly evolving world of artificial intelligence (AI), deep learning has emerged as a groundbreaking technology that is impacting virtually every field, from healthcare to autonomous [&hellip;]<\/p>\n","protected":false},"author":1003,"featured_media":11704,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"single-custom-post-template.php","format":"standard","meta":{"_et_pb_use_builder":"","_et_pb_old_content":"","_et_gb_content_width":"","footnotes":""},"categories":[67],"tags":[104],"class_list":["post-5096","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ml-nlp","tag-deep-learning"],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v24.1 - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>What Is Deep Learning? - Skim AI<\/title>\n<meta name=\"description\" content=\"Discover the power behind AI&#039;s most transformative technology. Explore the fundamentals of deep learning and how it&#039;s changing the world.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/skimai.com\/pt\/o-que-e-a-aprendizagem-profunda\/\" \/>\n<meta property=\"og:locale\" content=\"pt_PT\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"What Is Deep Learning? - Skim AI\" \/>\n<meta property=\"og:description\" content=\"Discover the power behind AI&#039;s most transformative technology. Explore the fundamentals of deep learning and how it&#039;s changing the world.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/skimai.com\/pt\/o-que-e-a-aprendizagem-profunda\/\" \/>\n<meta property=\"og:site_name\" content=\"Skim AI\" \/>\n<meta property=\"article:published_time\" content=\"2023-04-03T16:37:50+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2024-06-12T01:05:38+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/skimai.com\/wp-content\/uploads\/2024\/06\/perplixity-ai-generative-search-2.jpg\" \/>\n\t<meta property=\"og:image:width\" content=\"2000\" \/>\n\t<meta property=\"og:image:height\" content=\"1143\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/jpeg\" \/>\n<meta name=\"author\" content=\"Greggory Elias\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Escrito por\" \/>\n\t<meta name=\"twitter:data1\" content=\"Greggory Elias\" \/>\n\t<meta name=\"twitter:label2\" content=\"Tempo estimado de leitura\" \/>\n\t<meta name=\"twitter:data2\" content=\"11 minutos\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\/\/skimai.com\/uk\/\u0449\u043e-\u0442\u0430\u043a\u0435-\u0433\u043b\u0438\u0431\u0438\u043d\u043d\u0435-\u043d\u0430\u0432\u0447\u0430\u043d\u043d\u044f\/#article\",\"isPartOf\":{\"@id\":\"https:\/\/skimai.com\/uk\/\u0449\u043e-\u0442\u0430\u043a\u0435-\u0433\u043b\u0438\u0431\u0438\u043d\u043d\u0435-\u043d\u0430\u0432\u0447\u0430\u043d\u043d\u044f\/\"},\"author\":{\"name\":\"Greggory Elias\",\"@id\":\"https:\/\/skimai.com\/uk\/#\/schema\/person\/7a883b4a2d2ea22040f42a7975eb86c6\"},\"headline\":\"What Is Deep Learning?\",\"datePublished\":\"2023-04-03T16:37:50+00:00\",\"dateModified\":\"2024-06-12T01:05:38+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\/\/skimai.com\/uk\/\u0449\u043e-\u0442\u0430\u043a\u0435-\u0433\u043b\u0438\u0431\u0438\u043d\u043d\u0435-\u043d\u0430\u0432\u0447\u0430\u043d\u043d\u044f\/\"},\"wordCount\":2156,\"publisher\":{\"@id\":\"https:\/\/skimai.com\/uk\/#organization\"},\"image\":{\"@id\":\"https:\/\/skimai.com\/uk\/\u0449\u043e-\u0442\u0430\u043a\u0435-\u0433\u043b\u0438\u0431\u0438\u043d\u043d\u0435-\u043d\u0430\u0432\u0447\u0430\u043d\u043d\u044f\/#primaryimage\"},\"thumbnailUrl\":\"https:\/\/skimai.com\/wp-content\/uploads\/2024\/06\/perplixity-ai-generative-search-2.jpg\",\"keywords\":[\"deep learning\"],\"articleSection\":[\"LLMs \/ NLP\"],\"inLanguage\":\"pt-PT\"},{\"@type\":\"WebPage\",\"@id\":\"https:\/\/skimai.com\/uk\/\u0449\u043e-\u0442\u0430\u043a\u0435-\u0433\u043b\u0438\u0431\u0438\u043d\u043d\u0435-\u043d\u0430\u0432\u0447\u0430\u043d\u043d\u044f\/\",\"url\":\"https:\/\/skimai.com\/uk\/\u0449\u043e-\u0442\u0430\u043a\u0435-\u0433\u043b\u0438\u0431\u0438\u043d\u043d\u0435-\u043d\u0430\u0432\u0447\u0430\u043d\u043d\u044f\/\",\"name\":\"What Is Deep Learning? - Skim AI\",\"isPartOf\":{\"@id\":\"https:\/\/skimai.com\/uk\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\/\/skimai.com\/uk\/\u0449\u043e-\u0442\u0430\u043a\u0435-\u0433\u043b\u0438\u0431\u0438\u043d\u043d\u0435-\u043d\u0430\u0432\u0447\u0430\u043d\u043d\u044f\/#primaryimage\"},\"image\":{\"@id\":\"https:\/\/skimai.com\/uk\/\u0449\u043e-\u0442\u0430\u043a\u0435-\u0433\u043b\u0438\u0431\u0438\u043d\u043d\u0435-\u043d\u0430\u0432\u0447\u0430\u043d\u043d\u044f\/#primaryimage\"},\"thumbnailUrl\":\"https:\/\/skimai.com\/wp-content\/uploads\/2024\/06\/perplixity-ai-generative-search-2.jpg\",\"datePublished\":\"2023-04-03T16:37:50+00:00\",\"dateModified\":\"2024-06-12T01:05:38+00:00\",\"description\":\"Discover the power behind AI's most transformative technology. Explore the fundamentals of deep learning and how it's changing the world.\",\"breadcrumb\":{\"@id\":\"https:\/\/skimai.com\/uk\/\u0449\u043e-\u0442\u0430\u043a\u0435-\u0433\u043b\u0438\u0431\u0438\u043d\u043d\u0435-\u043d\u0430\u0432\u0447\u0430\u043d\u043d\u044f\/#breadcrumb\"},\"inLanguage\":\"pt-PT\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/skimai.com\/uk\/\u0449\u043e-\u0442\u0430\u043a\u0435-\u0433\u043b\u0438\u0431\u0438\u043d\u043d\u0435-\u043d\u0430\u0432\u0447\u0430\u043d\u043d\u044f\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"pt-PT\",\"@id\":\"https:\/\/skimai.com\/uk\/\u0449\u043e-\u0442\u0430\u043a\u0435-\u0433\u043b\u0438\u0431\u0438\u043d\u043d\u0435-\u043d\u0430\u0432\u0447\u0430\u043d\u043d\u044f\/#primaryimage\",\"url\":\"https:\/\/skimai.com\/wp-content\/uploads\/2024\/06\/perplixity-ai-generative-search-2.jpg\",\"contentUrl\":\"https:\/\/skimai.com\/wp-content\/uploads\/2024\/06\/perplixity-ai-generative-search-2.jpg\",\"width\":2000,\"height\":1143,\"caption\":\"perplixity ai generative search 2\"},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/skimai.com\/uk\/\u0449\u043e-\u0442\u0430\u043a\u0435-\u0433\u043b\u0438\u0431\u0438\u043d\u043d\u0435-\u043d\u0430\u0432\u0447\u0430\u043d\u043d\u044f\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\/\/skimai.com\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"What Is Deep Learning?\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/skimai.com\/uk\/#website\",\"url\":\"https:\/\/skimai.com\/uk\/\",\"name\":\"Skim AI\",\"description\":\"The AI Agent Workforce Platform\",\"publisher\":{\"@id\":\"https:\/\/skimai.com\/uk\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/skimai.com\/uk\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"pt-PT\"},{\"@type\":\"Organization\",\"@id\":\"https:\/\/skimai.com\/uk\/#organization\",\"name\":\"Skim AI\",\"url\":\"https:\/\/skimai.com\/uk\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"pt-PT\",\"@id\":\"https:\/\/skimai.com\/uk\/#\/schema\/logo\/image\/\",\"url\":\"http:\/\/skimai.com\/wp-content\/uploads\/2020\/07\/SKIM-AI-Header-Logo.png\",\"contentUrl\":\"http:\/\/skimai.com\/wp-content\/uploads\/2020\/07\/SKIM-AI-Header-Logo.png\",\"width\":194,\"height\":58,\"caption\":\"Skim AI\"},\"image\":{\"@id\":\"https:\/\/skimai.com\/uk\/#\/schema\/logo\/image\/\"},\"sameAs\":[\"https:\/\/www.linkedin.com\/company\/skim-ai\"]},{\"@type\":\"Person\",\"@id\":\"https:\/\/skimai.com\/uk\/#\/schema\/person\/7a883b4a2d2ea22040f42a7975eb86c6\",\"name\":\"Greggory Elias\",\"url\":\"https:\/\/skimai.com\/pt\/author\/gregg\/\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"O que \u00e9 a aprendizagem profunda? - IA de desnata\u00e7\u00e3o","description":"Descubra o poder por detr\u00e1s da tecnologia mais transformadora da IA. Explore os fundamentos da aprendizagem profunda e a forma como est\u00e1 a mudar o mundo.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/skimai.com\/pt\/o-que-e-a-aprendizagem-profunda\/","og_locale":"pt_PT","og_type":"article","og_title":"What Is Deep Learning? - Skim AI","og_description":"Discover the power behind AI's most transformative technology. Explore the fundamentals of deep learning and how it's changing the world.","og_url":"https:\/\/skimai.com\/pt\/o-que-e-a-aprendizagem-profunda\/","og_site_name":"Skim AI","article_published_time":"2023-04-03T16:37:50+00:00","article_modified_time":"2024-06-12T01:05:38+00:00","og_image":[{"width":2000,"height":1143,"url":"https:\/\/skimai.com\/wp-content\/uploads\/2024\/06\/perplixity-ai-generative-search-2.jpg","type":"image\/jpeg"}],"author":"Greggory Elias","twitter_card":"summary_large_image","twitter_misc":{"Escrito por":"Greggory Elias","Tempo estimado de leitura":"11 minutos"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/skimai.com\/uk\/\u0449\u043e-\u0442\u0430\u043a\u0435-\u0433\u043b\u0438\u0431\u0438\u043d\u043d\u0435-\u043d\u0430\u0432\u0447\u0430\u043d\u043d\u044f\/#article","isPartOf":{"@id":"https:\/\/skimai.com\/uk\/\u0449\u043e-\u0442\u0430\u043a\u0435-\u0433\u043b\u0438\u0431\u0438\u043d\u043d\u0435-\u043d\u0430\u0432\u0447\u0430\u043d\u043d\u044f\/"},"author":{"name":"Greggory Elias","@id":"https:\/\/skimai.com\/uk\/#\/schema\/person\/7a883b4a2d2ea22040f42a7975eb86c6"},"headline":"What Is Deep Learning?","datePublished":"2023-04-03T16:37:50+00:00","dateModified":"2024-06-12T01:05:38+00:00","mainEntityOfPage":{"@id":"https:\/\/skimai.com\/uk\/\u0449\u043e-\u0442\u0430\u043a\u0435-\u0433\u043b\u0438\u0431\u0438\u043d\u043d\u0435-\u043d\u0430\u0432\u0447\u0430\u043d\u043d\u044f\/"},"wordCount":2156,"publisher":{"@id":"https:\/\/skimai.com\/uk\/#organization"},"image":{"@id":"https:\/\/skimai.com\/uk\/\u0449\u043e-\u0442\u0430\u043a\u0435-\u0433\u043b\u0438\u0431\u0438\u043d\u043d\u0435-\u043d\u0430\u0432\u0447\u0430\u043d\u043d\u044f\/#primaryimage"},"thumbnailUrl":"https:\/\/skimai.com\/wp-content\/uploads\/2024\/06\/perplixity-ai-generative-search-2.jpg","keywords":["deep learning"],"articleSection":["LLMs \/ NLP"],"inLanguage":"pt-PT"},{"@type":"WebPage","@id":"https:\/\/skimai.com\/uk\/\u0449\u043e-\u0442\u0430\u043a\u0435-\u0433\u043b\u0438\u0431\u0438\u043d\u043d\u0435-\u043d\u0430\u0432\u0447\u0430\u043d\u043d\u044f\/","url":"https:\/\/skimai.com\/uk\/\u0449\u043e-\u0442\u0430\u043a\u0435-\u0433\u043b\u0438\u0431\u0438\u043d\u043d\u0435-\u043d\u0430\u0432\u0447\u0430\u043d\u043d\u044f\/","name":"O que \u00e9 a aprendizagem profunda? - IA de desnata\u00e7\u00e3o","isPartOf":{"@id":"https:\/\/skimai.com\/uk\/#website"},"primaryImageOfPage":{"@id":"https:\/\/skimai.com\/uk\/\u0449\u043e-\u0442\u0430\u043a\u0435-\u0433\u043b\u0438\u0431\u0438\u043d\u043d\u0435-\u043d\u0430\u0432\u0447\u0430\u043d\u043d\u044f\/#primaryimage"},"image":{"@id":"https:\/\/skimai.com\/uk\/\u0449\u043e-\u0442\u0430\u043a\u0435-\u0433\u043b\u0438\u0431\u0438\u043d\u043d\u0435-\u043d\u0430\u0432\u0447\u0430\u043d\u043d\u044f\/#primaryimage"},"thumbnailUrl":"https:\/\/skimai.com\/wp-content\/uploads\/2024\/06\/perplixity-ai-generative-search-2.jpg","datePublished":"2023-04-03T16:37:50+00:00","dateModified":"2024-06-12T01:05:38+00:00","description":"Descubra o poder por detr\u00e1s da tecnologia mais transformadora da IA. Explore os fundamentos da aprendizagem profunda e a forma como est\u00e1 a mudar o mundo.","breadcrumb":{"@id":"https:\/\/skimai.com\/uk\/\u0449\u043e-\u0442\u0430\u043a\u0435-\u0433\u043b\u0438\u0431\u0438\u043d\u043d\u0435-\u043d\u0430\u0432\u0447\u0430\u043d\u043d\u044f\/#breadcrumb"},"inLanguage":"pt-PT","potentialAction":[{"@type":"ReadAction","target":["https:\/\/skimai.com\/uk\/\u0449\u043e-\u0442\u0430\u043a\u0435-\u0433\u043b\u0438\u0431\u0438\u043d\u043d\u0435-\u043d\u0430\u0432\u0447\u0430\u043d\u043d\u044f\/"]}]},{"@type":"ImageObject","inLanguage":"pt-PT","@id":"https:\/\/skimai.com\/uk\/\u0449\u043e-\u0442\u0430\u043a\u0435-\u0433\u043b\u0438\u0431\u0438\u043d\u043d\u0435-\u043d\u0430\u0432\u0447\u0430\u043d\u043d\u044f\/#primaryimage","url":"https:\/\/skimai.com\/wp-content\/uploads\/2024\/06\/perplixity-ai-generative-search-2.jpg","contentUrl":"https:\/\/skimai.com\/wp-content\/uploads\/2024\/06\/perplixity-ai-generative-search-2.jpg","width":2000,"height":1143,"caption":"perplixity ai generative search 2"},{"@type":"BreadcrumbList","@id":"https:\/\/skimai.com\/uk\/\u0449\u043e-\u0442\u0430\u043a\u0435-\u0433\u043b\u0438\u0431\u0438\u043d\u043d\u0435-\u043d\u0430\u0432\u0447\u0430\u043d\u043d\u044f\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/skimai.com\/"},{"@type":"ListItem","position":2,"name":"What Is Deep Learning?"}]},{"@type":"WebSite","@id":"https:\/\/skimai.com\/uk\/#website","url":"https:\/\/skimai.com\/uk\/","name":"IA de desnata\u00e7\u00e3o","description":"A plataforma de for\u00e7a de trabalho de agentes de IA","publisher":{"@id":"https:\/\/skimai.com\/uk\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/skimai.com\/uk\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"pt-PT"},{"@type":"Organization","@id":"https:\/\/skimai.com\/uk\/#organization","name":"IA de desnata\u00e7\u00e3o","url":"https:\/\/skimai.com\/uk\/","logo":{"@type":"ImageObject","inLanguage":"pt-PT","@id":"https:\/\/skimai.com\/uk\/#\/schema\/logo\/image\/","url":"http:\/\/skimai.com\/wp-content\/uploads\/2020\/07\/SKIM-AI-Header-Logo.png","contentUrl":"http:\/\/skimai.com\/wp-content\/uploads\/2020\/07\/SKIM-AI-Header-Logo.png","width":194,"height":58,"caption":"Skim AI"},"image":{"@id":"https:\/\/skimai.com\/uk\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/www.linkedin.com\/company\/skim-ai"]},{"@type":"Person","@id":"https:\/\/skimai.com\/uk\/#\/schema\/person\/7a883b4a2d2ea22040f42a7975eb86c6","name":"Greggory Elias","url":"https:\/\/skimai.com\/pt\/author\/gregg\/"}]}},"_links":{"self":[{"href":"https:\/\/skimai.com\/pt\/wp-json\/wp\/v2\/posts\/5096","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/skimai.com\/pt\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/skimai.com\/pt\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/skimai.com\/pt\/wp-json\/wp\/v2\/users\/1003"}],"replies":[{"embeddable":true,"href":"https:\/\/skimai.com\/pt\/wp-json\/wp\/v2\/comments?post=5096"}],"version-history":[{"count":0,"href":"https:\/\/skimai.com\/pt\/wp-json\/wp\/v2\/posts\/5096\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/skimai.com\/pt\/wp-json\/wp\/v2\/media\/11704"}],"wp:attachment":[{"href":"https:\/\/skimai.com\/pt\/wp-json\/wp\/v2\/media?parent=5096"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/skimai.com\/pt\/wp-json\/wp\/v2\/categories?post=5096"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/skimai.com\/pt\/wp-json\/wp\/v2\/tags?post=5096"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}