História da IA / Era VII
Deep Learning
A aprendizagem profunda não nasceu em 2012. Ela ganhou visibilidade naquele ano depois de décadas de pesquisa, mudanças de arquitetura, conjuntos de dados maiores e capacidade computacional suficiente para testar ideias antigas em outra escala.
Em poucas palavras
Deep learning é uma família de métodos de aprendizado de máquina baseada em redes neurais com várias camadas de processamento. Seu avanço recente resulta da combinação entre pesquisa acumulada, dados, hardware, software e instituições — não de uma invenção isolada.
Uma história de continuidades e recomeços
Em 1958, Frank Rosenblatt descreveu o perceptron como um modelo probabilístico para armazenar e organizar informação. Ele não era uma rede profunda moderna, mas tornou concreta uma linha de pesquisa sobre sistemas que ajustam pesos a partir de exemplos. Nas décadas seguintes, expectativas elevadas conviveram com limites matemáticos, computacionais e de dados.
Em 1986, David Rumelhart, Geoffrey Hinton e Ronald Williams publicaram na Nature uma formulação influente de retropropagação para aprender representações internas. A técnica possuía antecedentes e não deve ser atribuída a um único artigo; a publicação, porém, ajudou a difundi-la entre pesquisadores de redes neurais. Em 1989, Yann LeCun e colaboradores demonstraram uma aplicação de retropropagação ao reconhecimento de códigos postais manuscritos, aproximando o método de um problema visual concreto.
Dados e computação mudam a escala
O ImageNet, apresentado em 2009 por Jia Deng e uma equipe de Princeton, organizou milhões de imagens em milhares de categorias. Além de oferecer dados, o desafio associado criou uma base comum de comparação. Em 2012, Alex Krizhevsky, Ilya Sutskever e Geoffrey Hinton venceram a competição de classificação usando uma rede convolucional treinada com GPUs. O resultado, conhecido como AlexNet, reduziu substancialmente o erro em relação às abordagens concorrentes e acelerou a adoção industrial de redes profundas.
Chamar AlexNet de “nascimento do deep learning” apaga trabalhos anteriores. O critério mais defensável é outro: 2012 foi uma demonstração pública de grande impacto em visão computacional, viabilizada por arquitetura, treinamento, dados rotulados e GPUs. A partir daí, bibliotecas, infraestrutura de nuvem e investimento ampliaram o alcance dos métodos.
Da visão aos transformers
Redes profundas passaram a sustentar reconhecimento de fala, tradução e geração de imagens. Em 2017, pesquisadores do Google apresentaram a arquitetura transformer, baseada em mecanismos de atenção e sem recorrência como estrutura central. O artigo não inaugurou a atenção, mas mostrou uma arquitetura eficiente e paralelizável para tradução. Transformers depois se tornaram base de muitos modelos de linguagem e multimodais.
Desempenho superior em uma tarefa não equivale a compreensão geral. Modelos podem reproduzir vieses dos dados, falhar fora da distribuição de treinamento e produzir respostas convincentes sem sustentação. Avaliar uma rede exige observar tarefa, dados de teste, custo computacional, robustez e condições de uso.
Interpretação ECOS
Para o ECOS, a lição histórica está na infraestrutura invisível. Uma arquitetura só se torna força social quando encontra dados, energia, chips, ferramentas e organizações capazes de operá-la. Esta é uma leitura editorial; os marcos históricos acima permanecem sustentados separadamente pelas fontes.
Fontes para conferir
- Frank Rosenblatt, “The perceptron” (1958) — formulação original do modelo.
- Rumelhart, Hinton e Williams, Nature (1986) — aprendizagem de representações por retropropagação.
- LeCun e colaboradores, NeurIPS (1989) — reconhecimento de códigos postais.
- Deng e colaboradores, ImageNet (2009) — descrição do conjunto de dados.
- Krizhevsky, Sutskever e Hinton, AlexNet (2012) — resultado em classificação de imagens.
- Vaswani e colaboradores, “Attention Is All You Need” (2017) — arquitetura transformer.
O que levar desta leitura
- 2012 foi um ponto de inflexão, não um nascimento absoluto.
- “Deep” descreve camadas de representação; não prova entendimento humano.
- Resultados dependem de escolhas de dados, métricas, hardware e engenharia.