Treinamento¶
O que é¶
Treinamento é o processo pelo qual um sistema de aprendizado de máquina ajusta seus parâmetros internos a partir de exemplos, para melhorar seu desempenho numa tarefa. Segundo o glossário do Google for Developers, treinamento é "o processo de determinar os parâmetros ideais que compõem um modelo, examinando exemplos e ajustando gradualmente pesos e vieses". De forma simplificada, esse processo costuma seguir os seguintes passos: o modelo recebe um lote de exemplos dos dados de treinamento; faz previsões sobre esses exemplos; essas previsões são comparadas com o resultado esperado (conhecido de antemão); os parâmetros internos do modelo são ajustados de acordo com a diferença entre a previsão e o resultado esperado; e o processo se repete muitas vezes, até que o desempenho do modelo pare de melhorar significativamente.
Por que isso importa?¶
O treinamento é a etapa em que um modelo de IA "aprende" — e também a etapa mais cara computacionalmente e mais dependente da qualidade dos dados de treinamento usados. Para quem usa ferramentas prontas (como Whisper ou ChatGPT), entender o que é treinamento ajuda a diferenciar duas situações bem diferentes: usar um modelo já treinado (o caso mais comum em pesquisa e ensino) e treinar ou ajustar um modelo com dados próprios — o que exige recursos técnicos e computacionais bem maiores.
Exemplo¶
O eScriptorium permite treinar modelos de HTR (reconhecimento de escrita manuscrita) específicos para uma caligrafia, período ou coleção. Nesse processo de treinamento, a pesquisadora transcreve manualmente algumas páginas de um documento; o sistema ajusta repetidamente os parâmetros do modelo comparando suas previsões de transcrição com as transcrições corretas fornecidas, até conseguir reconhecer bem aquele tipo específico de caligrafia.
Não confunda com¶
Treinamento não é sinônimo de dados de treinamento: dados de treinamento são a matéria-prima (os exemplos usados); treinamento é o processo que usa esses dados para ajustar o modelo. Também não é sinônimo de inferência: treinamento é a etapa em que o modelo "aprende" a partir de exemplos; inferência é a etapa seguinte, em que o modelo já treinado é usado para produzir resultados sobre dados novos.
Termos relacionados¶
Referências¶
- Google for Developers. Machine Learning Glossary (entrada "training"). developers.google.com/machine-learning/glossary