Capítulo 04

Capítulo 04

1. Como ML, AL E IBN estão vinculadas? As redes baseadas em intenção aproveitam o potencial de automação, AL e ML para controlar a função de uma rede, a fim de realizar um propósito específico ou intenção específica.

   • As redes baseadas em intenção permitem que a equipe de TI especifique, em linguagem simples, exatamente o que quer a rede realize e a faz. A rede é capaz de coverter a itensão em políticas e depois usar a automação para implantar a devidas configurações necessárias em toda a rede.

2. Quando crianças não entendemos que fogo é quente e que pode causar dor. O fogo parece vizualmente atraente e nos estimula a querer toca-ló, mas depois aprendemos que causa dor então a imagem do fogo fica ligada a dor. A partir daí começamos a basear nossas ações nas infrmações adquiridas.

   • AI usa agentes inteligentes que podem assimilar o ambiente e tomar decisões que maximizam a probabilidade de obter uma meta ou objetivo.
   • A AI referi-se a sistemas que imitam funções cognitivas normalmete associadas com mentes humanas.

3. O que é automação? É qualquer processo auto-orientadoe que reduz, em última análise, elimina a necessidade de intervenção humana.

   • Hoje em dia a automação esta em toda parte, desde verificação de autoatendimento nas lojas e controles ambientais, ate contruções de carros e aviões
   • A automação geralmente está ligada ao campo de robótica. Os rôbos são usados em condição perigosa, como extração, combate a incêndios, reduzindo os ricos. Também usados como linhas de montagem automatizadas.

4. Quando as coisas começam a pensar? Coisas podem pensar? Um dispositivo pode aprendercom o ambiente? Nesse contexto existe muitas definições para a palavra “pensar”.

   • Uma possível definição é a capacidade de conectar várias partes de informações relacionadas e, em seguida usa-lás para modificar uma ação.

5. Muitas dessas tarefas tem migrado a AI para aprendizado de máquina (ML). ML é um subconjunto de AL que usa técnicas estatisticas para dar aos computadores a capacidade de “aprender ” com o ambiente. Isso permite que os computadores melhorem em uma determinada tarefa, sem que sejam especificamente programados para essa tarefa.

   • Um dos recursos da loT é a viabilização do conjunto de pools extremamente grandes de dados que podem “ ensinar” os programadores e responder em determinadas condições. Alguns dos usos mais comuns da tecnologia de ML incluem:
     • Reconhecimento de fala; Recomendação de produtos; Reconhecimento de forma; Detecção de fraude de cartão de crédito; Reconhecimento facial.