Aprendizado Profundo
Aprendizado profundo é um subcampo do aprendizado de máquina que treina redes neurais com muitas camadas para aprender representações hierárquicas diretamente de dados brutos como pixels, formas de onda de áudio ou tokens de texto, sem engenharia de características manual.
Aprendizado profundo refere-se ao treinamento de redes neurais com múltiplas camadas ocultas — tipicamente mais de duas, e em arquiteturas modernas frequentemente dezenas a milhares. A palavra 'profundo' simplesmente denota profundidade na contagem de camadas da rede. O empilhamento de camadas permite que o modelo construa representações cada vez mais abstratas: em um modelo de visão, camadas iniciais detectam bordas de baixo nível, camadas intermediárias compõem essas em formas, e camadas mais profundas reconhecem objetos semanticamente significativos.
Vários desenvolvimentos técnicos habilitaram redes profundas a treinar de forma confiável em larga escala: a função de ativação ReLU (que evita o problema do gradiente desaparecente de sigmoid), dropout e normalização em lote para regularização e treinamento estável, conexões residuais que permitem que os gradientes fluam através de muitas camadas (ResNet, 2015), e a adoção generalizada de GPUs para operações de matriz massivamente paralelas. Grandes conjuntos de dados curados — ImageNet para visão, Common Crawl para texto — forneceram o combustível.
Aprendizado profundo produziu avanços de mudança de paradigma em todas as disciplinas: classificação de imagens (AlexNet vencendo ImageNet em 2012 por uma grande margem), tradução automática (Google Neural Machine Translation, 2016), jogos (AlphaGo, 2016), predição de dobramento de proteínas (AlphaFold2, CASP14 2020), e mídia gerativa. É a fundação de todos os grandes modelos de linguagem e sistemas modernos de visão computacional implantados em produção.
Por 2026, aprendizado profundo é a metodologia padrão para qualquer tarefa com dados e computação suficientes. Fronteiras ativas de pesquisa incluem aprendizado auto-supervisionado e com poucos exemplos para reduzir requisitos de dados rotulados, design de arquitetura ciente de hardware (mistura de especialistas, esparsidade estruturada) e trabalho teórico na compreensão de generalização — por que redes sobreparametrizadas treinadas até perda de treinamento próxima a zero ainda generalizam bem em dados não vistos.