跳到主要内容
Learn Motion
探索课程产品能力价格

下载 Learn Motion

用手机扫描二维码,下载 App。

App Store

扫码从 App Store 下载 Learn Motion打开商店页面

Google Play

扫码从 Google Play 下载 Learn Motion打开商店页面
登录
Learn Motion

Como a inteligência artificial realmente aprende

1Aprender sem regras programadas2Exemplos viram dados3Por dentro do modelo: pesos e ajustes4Errar, medir e corrigir5Praticar até melhorar6Muitas unidades simples formam redes neurais7Formas de aprender: com e sem exemplos rotulados8Como os modelos modernos aprendem com texto9Por que a IA erra e onde estão seus limites
Formas de aprender: com e sem exemplos rotulados

Quando alguém já sabe a resposta

1 / 4
Repare que cada exemplo aparece em par: de um lado a entrada, do outro a resposta certa escrita por alguém. A rede prevê, compara com essa resposta e ajusta os pesos. O ponto forte é ter um alvo claro. O ponto fraco é que alguém precisou rotular tudo antes, e se o rótulo estiver errado, a rede aprende o erro.
0:00 / 0:00

No aprendizado com exemplos rotulados, cada exemplo chega acompanhado da resposta esperada. Em um conjunto de fotos, cada imagem vem marcada como "gato" ou "cão"; em um conjunto de mensagens, cada uma vem marcada como "spam" ou "não spam". A rede recebe o par entrada e resposta e ajusta seus pesos para que a previsão se aproxime daquela resposta. O sinal de aprendizado é direto: existe um alvo claro para comparar com o que a rede produziu.

Esse é o formato mais comum quando o objetivo é bem definido e alguém consegue dizer, caso a caso, qual é a resposta correta. O custo está no trabalho humano de rotular: milhares ou milhões de exemplos precisam ser classificados antes do treino começar. Quando esse esforço é viável, o resultado costuma ser preciso, porque a rede é corrigida contra uma referência confiável. Quando o rótulo é ambíguo ou mal atribuído, a rede aprende o erro junto com o acerto.

上一页1 / 4下一页

Learn Motion

生成课程,认真学会。

运营方:Wuhan Daoyin Technology Co., Ltd.

联系我们: [email protected]
隐私政策用户服务协议

© 2026 Learn Motion