COMO a INTELIGÊNCIA ARTIFICIAL realmente FUNCIONA? 

Acrescento também: Mãos à obra: aprendizado de máquina com Scikit-Learn, Keras & TensorFlow: Conceitos, ferramentas e técnicas para a construção de sistemas inteligentes. Você compreenderá melhor se souber cálculo, álgebra Linear, probabilidade e estatística.

Para os iniciantes: How smart machines think - Sean Gerrish

@@samuelsobral7695 e o q eu falei?! Leia de novo meu comentário. Quanto ao q vc explicou, está errado. O gradiente é calculado para TODOS os parâmetros, bias e pesos, de todas as camadas, contanto que sua função de ativação atenda aos critérios do teorema de aproximação universal e seja derivável em todos os pontos. Ela tem que ser monotônica, limitada, contínua e derivável. Backpropagation justamente é retro(back)propagar(propagation) o erro que vc vê lá na camada de saída por toda a rede, camada por camada, até o início dela. Não é aproximação. O gradiente é real e facilmente calculado. Vc consegue calcular a derivada parcial da função erro em relação a todos os parâmetros, claro, se a função erro também for diferenciável, sendo possível, assim, usar qualquer método de otimização para achar o mínimo da função erro. ISSO é treinar de forma supervisionada a rede. Tem material na internet. Procura que vc acha.

@@samuelsobral7695 pra começar, vc não precisa saber qual valor "deveria ter alí". Gradiente é somente como uma função varia com a variação dos parâmetros. Vc só precisa saber como a função erro muda com a mudança de um determinado parâmetro, e isso é fácil de calcular. Função erro exemplo: E(w) = (y-d)², onde E é a função erro, w é um parâmetro qualquer da rede, y é a saída da rede e d é o valor desejado (a saída correta). Portanto, dE/dw = (y-d) * dy/dw, já que d não depende de w. Camada de saída: yn = fn(wn*in+bn), onde fn é a função de ativação da saída (camada n), wn é uma matriz dos pesos das entradas dessa camada, in são os inputs dessa camada e bn são os bias dessa camada. Então, dyn/dw = fn'(wn*in+bn)*din/dw, assumindo que o w, o parâmetro que queremos calcular a derivada, está lá numa camada interna. Nesse caso, quem é in? É a saída da camada anterior, yn-1. Então, até agora, dE/dw = (y-d) * fn'(wn*in+bn) * dyn-1/dw... agora é só continuar até chegar na camada e no parâmetro que vc quer. Faz isso com todos e vc tem a derivada da função erro no espaço N dimensional de dimensão da soma de quantos pesos e bias vc tem na rede. Pronto, minimiza essa budega e vc tem sua rede treinada. Viu como não precisa saber "o valor que deveria ter ali"?

Realmente, excelente a explanação do vídeo, sensacional. Sou formado em Eng. da Computação, e fiquei muito satisfeito com a explicação do vídeo.

É patético o tanto de mistificação. Enerva.

bem vindo a internet meu caro. precisa ter doutorado pra falar de qualquer tema? kkkk que moral sem lógica

@@marcimmurim eu em algum momento falei que não pode? E por acaso sou obrigado a gostar de conteúdo ruim? Estou dando minha opinião e expondo um meu gosto pessoal e estou somente expondo um meu parecer baseado em determinados critérios. Não confunda as coisas, não estou de alguma forma provar algum ponto.

Humildade rapaz

Concordo ​@@marcimmurim

Aínda

@@natch6863 "ainda" o quê? 🤔

@@CarlosCastro_Gankutsuou ia do mais conhecido de o humano

E nós também somos um conjunto de variáveis matemáticas

Vc devia ta jogando Cs e paquerando as menininhas rapaz

​​​@@felipeReisfelipereisele é mais um que não quer ser parte dessa maioria de que só se importa com tik Tok não impeça deixe ele estudar o que ele quiser e ver o que ele quiser eu tbm estou no 9 ano e adoro cálculo integral, física e filosofia

Parabéns, está investindo em seu próprio cérebro.

@@Amantedoconhecimento cara, serio, va paraquenar umas meninas. Calculo e machine learning são coisas fáceis, tudo tem seu tempo

​@@Amantedoconhecimento Vai jogar Minecraft, mano. Que que cê tá fazendo aki?

Menos amigo, estamos no Brasil 😢

O número de inscritos tem crescido. Que continue assim!

Muito obrigado! É uma área muito interessante e promissora!

Seguindo a navalha de Occam, é difícil encontrar o algoritmo "universal" simples e com máxima eficiência. A compressão de dados é um exemplo, reduzir a função de custo. A entropia de Shannon é relativa ao modelo. Modelo ruim significa pouca compressão. O que fazem hoje é misturar algoritmos (context mixing) e usar a entropia de Shannon (cross entropy) para avaliar a melhor escolha; a menor quantidade de dados para representar a informação é escolhida resultando em maior compressão de dados. O problema para se aproximar à entropia de Shannon já foi resolvida com a "codificação aritmética", agora, o melhor modelo ainda não foi descoberto pois não é computável.

Exatamente... O universo inteiro pode ser uma única consciência

O que vc entendeu disso? Nada!!

Por isso são ciências *exatas* , nada é achismo.

demorei 14min

⏰

Demorei 2 hrs😢

​@@saalah8753eu tb

desculpe a atrasobde 69 minutos

Muito obrigado!