Rede neural artificial

É um tipo de modelo de Machine Learning formado por camadas de unidades conectadas, chamadas neurônios artificiais, que processam informações e aprendem padrões a partir de dados. Durante o treinamento, a rede ajusta a importância dessas conexões para melhorar seus resultados. Sua estrutura foi originalmente inspirada, de forma simplificada, no funcionamento de redes de neurônios biológicos.

Em Produto, redes neurais costumam estar por trás de funcionalidades de IA, e não ser algo com que o time de Produto interage diretamente. Elas podem ser usadas quando a solução precisa reconhecer padrões mais complexos, como interpretar imagens, compreender linguagem, reconhecer voz, fazer previsões ou gerar conteúdo. Para Produto, é importante entender o conceito para conversar com times técnicos e avaliar possibilidades, limitações, custos e qualidade da solução.

Use rede neural quando estiver falando especificamente da arquitetura de modelos formada por unidades conectadas em camadas. Machine Learning é uma área mais ampla e inclui tanto redes neurais quanto outros tipos de modelos. Já Deep Learning utiliza redes neurais com múltiplas camadas para aprender representações e padrões mais complexos. De forma simplificada: nem todo Machine Learning usa redes neurais, e Deep Learning é baseado em redes neurais profundas.

Modelo de McCulloch e Pitts (1943) e perceptron de Rosenblatt (1958), inspirados de forma livre em neurônios biológicos.

Goodfellow, Bengio & Courville, Deep Learning (2016); Google Machine Learning Glossary