Imagine a padaria fazendo entregas. Você anotou oito: a distância e quanto tempo cada uma levou. Agora chega um pedido a 5 km. Quanto tempo prometer?
Dá para escrever uma regra. Mas também dá para olhar os oito pontos e desenhar uma reta que passe perto de todos. A reta vira a regra: tantos minutos por quilômetro, mais um tempo fixo de sair da loja.
Isso é aprendizado supervisionado: você dá exemplos com a resposta certa e o programa acha os números que melhor explicam esses exemplos.
Tempo = inclinação × km + base
Erro médio (quanto a reta erra, ao quadrado)
94,5
DesafioAjuste a reta na mão até o erro ficar abaixo de 40.
A linha vermelha tracejada de cada ponto é o erro daquela entrega: a distância entre o que a reta prevê e o que aconteceu. O programa eleva cada erro ao quadrado, soma, e tira a média. Esse número único diz o quanto a reta é ruim. Aprender é fazer ele cair.
Quando você aperta o botão, a máquina faz uma coisa bem limitada. Ela não "enxerga" o gráfico. Em cada passo, calcula para que lado cada número deve mexer para o erro diminuir, e mexe um pouquinho. Repete algumas centenas de vezes.
O que muda da aula anterior
Na aula das regras, você escreveu o conhecimento. Aqui, você só juntou exemplos. Se amanhã o trânsito piorar, você não reescreve nada: anota entregas novas e ajusta de novo.
O preço é outro. O modelo só sabe o que os exemplos mostram. Se todas as entregas foram de dia, ele não sabe nada sobre a noite de sexta. Essa limitação volta, bem maior, nos modelos de linguagem.
Glossário da aula
- Aprendizado supervisionado
- Treinar com exemplos que já vêm com a resposta certa.
- Parâmetro
- Um número que o modelo ajusta no treino. Também chamado de peso.
- Perda
- A conta que diz o quanto o modelo erra nos exemplos. Treinar é fazer ela cair.
Confere rapidinho
O que a máquina faz em cada passo do ajuste automático?