O que é machine learning?

Machine learning (aprendizado de máquina) é a área da inteligência artificial em que os computadores aprendem a realizar tarefas a partir de exemplos e dados, em vez de seguir regras escritas uma a uma por programadores. Quanto mais dados de qualidade recebem, melhores tendem a ficar suas previsões.

Em palavras simples

Pense em como uma criança aprende a reconhecer um cachorro. Ninguém entrega a ela uma lista de regras do tipo “tem quatro patas, rabo e focinho”. Ela simplesmente vê muitos cachorros, ouve “olha o au-au” e, com o tempo, consegue reconhecer até raças que nunca tinha visto.

O machine learning segue essa mesma lógica. Em vez de um programador escrever todas as regras para identificar, por exemplo, um e-mail de spam, ele mostra ao computador milhares de e-mails já marcados como “spam” e “não spam”. O sistema descobre sozinho quais sinais costumam aparecer em cada grupo e passa a classificar mensagens novas.

A ideia não é nova. O termo é associado ao pesquisador Arthur Samuel, da IBM, que em 1959 publicou um estudo sobre um programa capaz de melhorar no jogo de damas jogando e aprendendo com as próprias partidas.

Como funciona

De forma resumida, todo projeto de machine learning passa por três etapas: reunir dados, treinar um modelo e testar se ele acerta em casos novos. Durante o treino, o algoritmo ajusta seus parâmetros internos para errar cada vez menos. Existem três grandes formas de aprendizado:

Aprendizado supervisionado: o modelo aprende com exemplos que já vêm com a resposta certa (por exemplo, fotos marcadas como “gato” ou “cachorro”, ou transações marcadas como “fraude” ou “normal”).
Aprendizado não supervisionado: o modelo recebe dados sem rótulo e procura padrões sozinho, como agrupar clientes com hábitos de compra parecidos.
Aprendizado por reforço: o modelo aprende por tentativa e erro, recebendo “recompensas” quando acerta e “punições” quando erra, como num videogame. Essa técnica também é usada para ajustar assistentes de IA com base em avaliações humanas.

Dentro do machine learning existe o deep learning, que usa redes neurais com muitas camadas e é a base das IAs mais avançadas de hoje, como os modelos de linguagem por trás do ChatGPT, do Gemini e do Claude. Ou seja: todo deep learning é machine learning, mas nem todo machine learning é deep learning. Muitos sistemas úteis ainda usam técnicas mais simples, como árvores de decisão e regressões estatísticas.

Exemplos

Recomendações: plataformas de streaming, lojas virtuais e redes sociais usam machine learning para sugerir filmes, produtos e publicações com base no que você já assistiu, comprou ou curtiu.
Filtro de spam: serviços de e-mail aprendem a separar mensagens indesejadas a partir de milhões de exemplos.
Detecção de fraude: bancos e fintechs analisam padrões de uso do cartão e do Pix para identificar transações suspeitas em segundos.
Mapas e trânsito: aplicativos de navegação estimam o tempo de viagem com base em dados de deslocamento e histórico de trânsito.
Saúde: sistemas ajudam médicos a analisar exames de imagem, como raios X, apontando áreas que merecem atenção.
Reconhecimento de voz e de rosto: assistentes de voz que entendem comandos falados e celulares que desbloqueiam com o rosto.

Por que isso importa para você

O machine learning está presente em boa parte dos serviços digitais que você usa, mesmo quando o nome “inteligência artificial” não aparece. Ele decide o que aparece no seu feed, quais ofertas você recebe e se uma compra no cartão será bloqueada. Entender o básico ajuda a perceber por que essas sugestões acontecem e a questionar decisões automáticas quando algo parece errado.

Também é uma área com muita demanda no mercado de trabalho. Conhecer os conceitos, mesmo sem programar, já ajuda profissionais de marketing, finanças, saúde e varejo a conversar melhor com equipes técnicas. Se você está começando, leia também nosso guia O que é inteligência artificial.

Termos relacionados

Deep learning: o ramo do machine learning que usa redes neurais com muitas camadas.
Rede neural: a estrutura inspirada no cérebro usada em muitos modelos de aprendizado.
Fine-tuning: o ajuste de um modelo já treinado com dados específicos.
LLM: os grandes modelos de linguagem, um dos resultados mais conhecidos do machine learning.

Perguntas frequentes

Qual a diferença entre inteligência artificial e machine learning?

Inteligência artificial é o campo amplo que busca fazer máquinas realizarem tarefas que exigem inteligência. Machine learning é uma das principais formas de chegar lá, fazendo o computador aprender com dados.