Deep learning vs. machine learning: qual é a melhor tecnologia?

No mundo do marketing digital, não conhecer as tecnologias mais avançadas é estagnar e tornar-se obsoleto. Nesse post trazemos as diferenças que as ferramentas ...
Atualizado em Fevereiro 18, 2020

O Marketing é uma área dinâmica que está sempre incorporando inovações. Nos últimos anos, quem não se atualizou em relação às tecnologias aplicadas ao marketing online e até em disciplinas como estatística e metodologias de pesquisa pode ser considerado obsoleto.

Atualmente o que há de mais avançado no campo do marketing são as tecnologias que visam extrair informações através da análise de grandes bancos de dados e, com eles, ensinar computadores a identificar padrões de comportamento e preferências dos consumidores, definir os momentos de maior propensão à compras e até criar as artes dos anúncios mais relevantes. Com o avanço das pesquisas nessa área, a ideia de “ensinar” o computador já foi superada e, hoje, a inteligência artificial, ou seja, a capacidade de o computador aprender sozinho, é a tecnologia de ponta que todas as empresas estão buscando.

Termos como big data, inteligência artificial, deep learning e machine learning passaram a fazer parte da linguagem do dia a dia das grandes corporações não apenas em seus departamentos de desenvolvimento de produtos e engenharia, mas também nos departamentos de vendas e marketing. Aqui na Criteo não é diferente. Buscamos estar sempre atentos e incorporar as tecnologias mais avançadas para oferecer ao mercado soluções que entreguem resultados cada vez melhores. E parte desse nosso compromisso é levar esse conhecimento também aos nossos clientes. Por isso, neste blog, vamos analisar as diferenças entre duas das tecnologias mais avançadas disponíveis no mercado: o deep learning e o machine learning. Mas antes precisamos contar um pouco sobre a área na qual essas duas tecnologias se inserem, a Inteligência Artificial. Vem com a gente!

Inteligência Artificial

Inteligência Artificial (IA) é a capacidade que a máquina tem de imitar o comportamento inteligente do ser humano. Tecnicamente, a IA é dividida em dois grupos: Aplicada, também conhecida como Vertical ou Estreita, que são como sistemas “inteligentes” que respondem a uma necessidade específica, como negociar ações ou personalizar anúncios; e Geral (ou Forte ou Complexa) que são sistemas ou dispositivos que podem manipular qualquer tarefa humana.

É com inteligência artificial que, por exemplo, o Google consegue entender as suas preferências e relacionar os melhores resultados para sua busca ou direcionar anúncios mais relevantes. Ou ainda a tecnologia por trás dos carros autônomos que em breve veremos circulando por aí.

É a esse campo da ciência que pertencem as disciplinas de machine learning e deep learning.

Machine Learning

Como adiantamos lá em cima, o machine learning é uma forma de inteligência artificial que permite que um computador aprenda sem uma programação explícita. Isso significa que, em vez de ensinar o computador a executar uma tarefa, a tecnologia de machine learning pode capacitá-lo a “pensar por si próprio” através de um treinamento prévio. Um dos pilares do machine learning é justamente a análise de dados com a finalidade de detectar padrões.

A tecnologia do machine learning também é dividida em duas vertentes. A primeira é conhecida como machine learning supervisionado, cujo funcionamento se dá a partir de dados oferecidos por inputs humanos. Tais informações são processadas por algoritmos que aprendem a reconhecê-las, categorizá-las e arquivá-las. Um exemplo bem conhecido são os filtros de spam. Eles identificam informações pré-definidas pelos usuários para depois bloquear todo tipo de correspondência indesejada por eles.

A outra é o machine learning não supervisionado. Esta modalidade de sistema cruza informações não categorizadas com padrões previamente armazenados no banco de dados. A partir daí, encontra parâmetros compatíveis com a informação analisada para que os usuários possam interpretar seu significado, como se fosse um treinamento prévio antes de analisar os dados. Um exemplo foi o Google Brain, um dos primeiros projetos de inteligência artificial do Google. A base para o treinamento do Google Brain foi um banco de dados com mais 10 milhões de imagens aleatórias que foram analisadas em uma rede de 16 mil processadores. A partir daí, os pesquisadores apresentaram imagens de 20 mil itens diferentes ao Brain que começou a identificar automaticamente quais das 20 milhões de imagens aleatórias continham gatos. Pelo visto até computadores têm uma queda por fotos de gatinhos…

A partir dessa tecnologia foi possível, por exemplo, a identificação de rostos nas fotos do Facebook, a tradução automática no Skype, os comandos dados ao Google Phone ou, ainda, definir bids para anúncios online ou fazer negócios em milissegundos. A natureza preditiva do machine learning é o que torna essa ferramenta tão poderosa para os profissionais de marketing. O machine learning permite às marcas usar dados de clientes, passados e presentes, para projetar tendências e comportamentos futuros.

Deep Learning

Para entender o deep learning é preciso abstrair um pouco e incluir uma perspectiva de “espaço” à perspectiva do tempo, que caracteriza a velocidade de processamento do machine learning. Pensando que a velocidade de processamento se dá através de uma grande quantidade de processadores em rede analisando os dados, o deep learning funciona com a adição de “camadas” de processamento além do processamento em rede. Os dados analisados passam a “ir e vir” de uma camada à outra sendo checados e reavaliados para evitar erros até a resposta final do sistema.

O grande avanço do deep learning será ultrapassar a era da identificação de padrões em imagens e discursos e chegar a um ponto onde o computador pode realmente entender como pensamos e interagir conosco de forma natural. As pesquisas mais avançadas nessa área visam capacitar computadores a estabelecer conversas naturais com pessoas. Essa tecnologia já está em nossas casas nos assistentes virtuais como Alexa e Siri.

Mas você deve estar se perguntando, como essas tecnologias se aplicam no dia a dia do seu negócio online? Já demos algumas dicas, mas é importante entender que toda essa tecnologia é baseada em dados. Dados abrangentes sobre hábitos, comportamentos e ações de seus consumidores podem ser um primeiro passo para um grande salto nos seus resultados.

Aplicando machine learning ou deep learning sobre as informações que você já tem dos seus consumidores ou aquelas disponíveis em toda a rede, como em redes sociais, smartphones, etc., é possível fazer uma verdadeira varredura dessa quantidade gigantesca de informações e, a partir do momento em que padrões são descobertos, os sistemas se tornam capazes de fazer previsões com base nesses padrões.

No que se refere às vendas, os modelos de inteligência artificial podem prever o momento mais relevante para oferecer produtos (por exemplo, quando o consumidor está mais propenso a comprar itens sazonais). Em termos operacionais, inteligência artificial pode ajudar a marca a estimar o nível de estoque necessário durante os períodos de pico (Black Friday, Natal etc.), em comparação com o restante do ano. Como resultado, os modelos de inteligência artificial ajudam a cortar as despesas desnecessárias (desperdício de investimentos em publicidade e sobra de produtos), otimizando os esforços de marketing para antecipar as necessidades dos clientes. Com isso, é possível aumentar a receita e as margens de lucro.

Agora a dúvida que resta é: qual tecnologia escolher? Machine Learning ou Deep Learning? Fizemos essa pergunta ao responsável pelo IA Lab da Criteo, Romain Lerallut, vice-presidente da Criteo e, segundo ele, o mais importante é conhecer as funcionalidades características de cada uma das tecnologias e avaliar qual delas poderá trazer melhores resultados para a sua empresa. Para ele, as duas ferramentas são diferentes e não há uma melhor do que a outra. É preciso fazer experiências com as duas ferramentas a partir dos dados que a empresa já tem ou que pode lançar mão e avaliar qual tecnologia apresenta melhor performance das KPI’s escolhidas.

Você pode saber mais sobre as diferenças entre machine learning e deep learning no nosso e-book. Mas se você quer saber tudo o que as tecnologias de inteligência artificial podem contribuir para melhorar os resultados específicos da sua empresa, entre em contato com a gente. Nossos especialistas podem sugerir as melhores soluções disponibilizadas pela Criteo para os objetivos do seu negócio.

Manoella Fidalgo

Manoella mudou para São Paulo para fazer uma pós-graduação e nunca mais saiu. Além de escrever para o blog da Criteo Brasil, ela é responsável pelo Marketing da Criteo na América Latina. Gosta de pipoca, música e não come chocolate. Não necessariamente nessa ordem.