aprendizagem de maquina

O objetivo do aprendizado de máquina (ou "machine learning") é programar computadores para aprender um determinado comportamento ou padrão automaticamente a partir de exemplos ou observações. Hoje em dia muitas aplicações utilizam algoritmos de aprendizado de máquina, incluindo sistemas para prever o comportamento de clientes a partir de dados de compras, reconhecer faces ou voz, ou extrair conhecimento de dados biológicos.
Os diversos sistemas de AM possuem características particulares e comuns que possibilitam sua classificação quanto à linguagem de descrição, modo, paradigma e forma de aprendizado utilizados.
Segundo Bittencourt (1997), um dos objetivos da IA é o desenvolvimento de sistemas computacionais que representem o modelo de funcionamento e que manifestem o comportamento intelectual do ser humano na realização de uma determinada atividade.
Russel (1995), define agente como uma entidade que pode perceber um ambiente e baseado nesta percepção, interagir com ele. O exemplo mais comum é o agente robótico que percebe o ambiente através de algum dispositivo de entrada e 2com base no que foi analisado é capaz de exercer alguma ação sobre o mundo a seu redor.
Responsável pela melhoria das ações através do aprendizado proveniente do elemento de desempenho. O papel principal do elemento de aprendizagem é a aquisição de conhecimento, que em conjunto com a avaliação (feedback), que informa como o agente está atuando, pode determinar as mudanças a serem realizadas no elemento de desempenho, para sua atuação mais aprimorada.
Simon (1983) define aprendizado como qualquer mudança num sistema que melhore o seu desempenho na segunda vez que ele repetir a mesma tarefa, ou outra tarefa da mesma população. AM é uma parte da IA responsável pelo desenvolvimento de teorias computacionais focadas na criação do conhecimento artificial. Softwares desenvolvidos com esta tecnologia possuem a característica de tomarem decisões com base no conhecimento prévio acumulado