O que é machine learning: explicação simples com exemplos

Machine learning (aprendizado de máquina) é o ramo da inteligência artificial em que o computador aprende a partir de exemplos, em vez de seguir regras escritas à mão por um programador. Você mostra muitos dados, o sistema identifica padrões sozinho e passa a fazer previsões ou decisões sobre casos novos. É o que faz o Netflix recomendar séries, o banco detectar fraude e o ChatGPT existir.

A ideia central: aprender com exemplos, não com regras

Na programação tradicional, alguém escreve as regras: 'se o e-mail contém a palavra X, marque como spam'. Funciona até o spam mudar de vocabulário — e aí a regra quebra.

Machine learning inverte isso. Em vez de escrever as regras, você entrega ao sistema milhares de e-mails já marcados como spam ou não-spam. O algoritmo descobre sozinho quais padrões separam um do outro. Quando chega um e-mail novo, ele decide com base no que aprendeu.

A definição da IBM captura bem: são métodos em que o sistema melhora sua performance a partir de dados, ajustando parâmetros internos até acertar. Ninguém programou a resposta certa caso a caso — o modelo a inferiu.

Os três tipos de machine learning

Praticamente todo modelo de machine learning cai em um destes três paradigmas, definidos pelo tipo de dado e de objetivo do treino:

Tipo	Como aprende	Exemplo do dia a dia
Supervisionado	Com dados rotulados — você já dá a resposta certa em cada exemplo (spam/não-spam, fraude/legítimo)	Detecção de fraude no cartão, aprovação de crédito, reconhecimento de imagem
Não supervisionado	Com dados sem rótulo — o sistema agrupa e encontra estrutura sozinho	Segmentação de clientes por comportamento de compra, sistemas de recomendação
Por reforço	Por tentativa e erro, recebendo recompensa ou punição a cada ação	IA que aprende a jogar, robôs que aprendem a andar, ajuste fino de LLMs (RLHF)

Onde você já usa machine learning sem perceber

Não é tecnologia de laboratório — está no seu bolso. Alguns exemplos concretos no Brasil:

Bancos e fintechs usam modelos supervisionados para bloquear compras suspeitas em tempo real e para dar (ou negar) limite de crédito.
Netflix, YouTube e Spotify recomendam conteúdo com base em padrões de milhões de usuários parecidos com você.
Aplicativos de mapa preveem trânsito e tempo de chegada aprendendo com dados históricos de deslocamento.
Filtros de spam do Gmail e antivírus modernos classificam ameaças aprendendo com exemplos novos todos os dias.
Plataformas de saúde usam machine learning para apoiar a análise de exames de imagem (sempre como suporte ao profissional, não substituto).

Machine learning, deep learning e IA generativa: onde cada um entra

Esses termos vivem sendo trocados, mas há uma hierarquia clara. Pense em círculos, um dentro do outro.

Inteligência artificial é o círculo maior: qualquer técnica que faça a máquina imitar comportamento inteligente. Machine learning é um subconjunto da IA — a parte que aprende a partir de dados. Deep learning é um subconjunto do machine learning que usa redes neurais com muitas camadas para lidar com padrões complexos, como imagem e linguagem.

E a IA generativa? É uma aplicação específica do deep learning. Enquanto o machine learning clássico costuma classificar ou prever ('isso é fraude?'), os modelos generativos aprendem como o dado é produzido e criam conteúdo novo. O ChatGPT é IA generativa, que é deep learning, que é machine learning, que é IA. Tudo aninhado.

Perguntas frequentes

Qual a diferença entre machine learning e inteligência artificial?

Inteligência artificial é o conceito amplo: qualquer sistema que imita capacidades humanas como decidir, reconhecer ou conversar. Machine learning é uma parte específica da IA — a abordagem em que o sistema aprende a partir de dados, sem regras escritas à mão. Toda solução de machine learning é IA, mas nem toda IA usa machine learning (um sistema baseado só em regras fixas também é IA).

Preciso saber matemática ou programar para usar machine learning?

Para construir modelos do zero, sim — envolve estatística e programação (Python é o padrão). Mas para usar produtos baseados em machine learning, não. Ferramentas como ChatGPT, sistemas de recomendação e plataformas no-code já embalam toda a complexidade. A maioria dos profissionais hoje consome machine learning sem escrever uma linha de código.

Machine learning é o mesmo que ChatGPT?

Não exatamente. ChatGPT é um produto específico construído sobre um LLM, que por sua vez usa deep learning — um tipo avançado de machine learning. Ou seja: o ChatGPT é uma aplicação de machine learning, mas machine learning é muito mais amplo e existe há décadas, muito antes dos modelos de linguagem virarem populares.

Qual a diferença entre aprendizado supervisionado e não supervisionado?

No supervisionado, os dados de treino já vêm com a resposta certa (rótulo): você mostra e-mails marcados como spam ou não, e o modelo aprende a distinguir. No não supervisionado, os dados não têm rótulo e o sistema encontra padrões e agrupamentos sozinho — útil quando você não sabe de antemão quais categorias existem, como ao segmentar clientes por comportamento.

Fontes

Ler →

← Ver glossário completo

O que é Machine Learning (Aprendizado de Máquina)?

A ideia central: aprender com exemplos, não com regras

Os três tipos de machine learning

Onde você já usa machine learning sem perceber

Machine learning, deep learning e IA generativa: onde cada um entra

Perguntas frequentes

Termos relacionados

LLM (Modelo de Linguagem de Grande Escala)

Fine-Tuning

Agente de IA

RAG (Retrieval-Augmented Generation)

O que é token em IA? A unidade que a inteligência artificial conta