Modelo de aprendizado vs IA: o que muda

Um modelo de aprendizado é um objeto específico: um conjunto de parâmetros ajustados a dados que transforma uma entrada em uma saída. IA é o campo amplo onde esse objeto mora, e que também cobre algoritmos de busca, sistemas de regras, planejadores e programas sem nenhum aprendizado dentro. O jeito mais curto de separar os dois: "IA" nomeia uma ambição, "modelo de aprendizado" nomeia o artefato que faz o trabalho.

A diferença em uma tabela

Pergunta	Modelo de aprendizado	IA
O que a palavra nomeia?	Um artefato treinado: uma estrutura, seus pesos e o objetivo contra o qual foi ajustado	Um campo de estudo e uma meta, batizado na proposta de pesquisa de Dartmouth em 1955 por McCarthy, Minsky, Rochester e Shannon
Dá para apontar para um?	Sim. É um arquivo que você versiona, carrega, troca ou apaga	Não diretamente. Você aponta para um sistema, e o sistema pode conter modelos
Quem usa a palavra?	Engenheiros, pesquisadores, model cards, documentação técnica	Páginas de produto, imprensa, apresentações para investidores, e também pesquisadores
Implica aprendizado?	Sim, por definição	Não. Um sistema de regras escrito à mão continua sendo IA
Diz algo sobre qualidade?	Um pouco. Dá para perguntar com que dados foi treinado e como foi avaliado	Quase nada. "Com IA" combina com qualquer coisa

A definição do livro de Tom Mitchell, de 1997, continua sendo o teste mais limpo para a coluna da esquerda: um programa aprende com a experiência E em relação a tarefas T e a uma medida de desempenho P se seu desempenho em T, medido por P, melhora com E. Se nada no sistema melhora com a experiência, você tem IA sem modelo de aprendizado. Se alguma coisa melhora, a coisa que melhorou é o modelo.

Duas coisas diferentes se chamam modelo de aprendizado

É aqui que a expressão causa confusão de verdade, porque a educação usou o termo primeiro.

Em aprendizado de máquina, um modelo de aprendizado é o artefato treinado descrito acima. Na educação e no design instrucional, um modelo de aprendizado é uma teoria sobre como as pessoas aprendem: o ciclo de aprendizagem experiencial de Kolb, o modelo instrucional 5E ou a ideia dos estilos de aprendizagem VARK. São estruturas para planejar o ensino, não software.

Os dois sentidos não têm relação entre si, e misturar os dois produz frases que soam importantes e não são. Alguns sinais rápidos para saber de qual sentido uma página está falando: se as palavras ao redor são parâmetros, dados de treinamento, inferência ou ajuste fino, é o sentido de aprendizado de máquina. Se são alunos, ensino, sala de aula ou engajamento, é o sentido pedagógico.

Uma observação honesta sobre o sentido educacional, já que muita gente chega a essa comparação querendo conselho de estudo: nem todo modelo de aprendizado com nome bonito se sustentou. Pashler e colegas revisaram a literatura sobre estilos de aprendizagem em 2008 e encontraram pouquíssimos estudos capazes de sustentar a tese central, a de que ajustar o ensino ao estilo do aluno melhora o resultado. Dunlosky e colegas fizeram outro caminho na revisão de 2013 e classificaram técnicas concretas de estudo por evidência, com a prática de testes e a prática distribuída no topo. Se você quer um modelo de aprendizagem para colocar em prática, o segundo tipo é a aposta mais segura.

Qual palavra usar, e quando

Use modelo de aprendizado quando a identidade do artefato importa: qual modelo, treinado com o quê, avaliado como, rodando onde. É a palavra certa em uma especificação técnica, em uma pergunta de compra institucional ou em uma análise de privacidade.

Use IA quando você quer dizer a capacidade ou o campo, e o mecanismo específico realmente não é o ponto. "Usamos IA para escrever o resumo" é uma frase perfeitamente boa para uma página de produto. Insistir em "usamos um modelo de linguagem baseado em transformers" nesse lugar é uma precisão que ninguém pediu, e ser chato com isso te deixa mais difícil de ler, não mais correto.

Não use nenhum dos dois quando dá para nomear o comportamento. "Ele lê a letra escrita à mão na sua página" diz mais ao leitor do que qualquer um dos dois termos.

O que a distinção muda na hora de escolher um app de estudo

"Com IA" na descrição de um app é uma afirmação de marketing, não técnica. A distinção fica útil no momento em que você a transforma em perguntas com respostas verificáveis:

O que roda no aparelho e o que sai dele? Reconhecimento de texto e transcrição de áudio podem rodar localmente; modelos grandes de geração, em geral, não.
O modelo aprende com o meu material, ou só lê? Quase sempre é a segunda opção. Um modelo já publicado está fazendo inferência, não treinamento, que é a diferença tratada em aprendizado vs inferência em IA.
De onde vieram as questões? Geradas a partir das suas próprias anotações, ou puxadas de um banco de questões compartilhado? Isso produz sessões de estudo bem diferentes.
O que acontece quando ele erra? Você precisa conseguir ver o trecho de origem de onde a questão saiu.

Essas quatro perguntas são quase tudo o que separa uma ferramenta que vale o dinheiro de uma ferramenta com uma boa página de vendas, e são as mesmas perguntas que valem antes de escolher qualquer app que faça quiz das anotações. O Qora foi construído em torno da segunda e da terceira: a foto e o áudio nunca saem do celular, só o texto extraído é enviado para gerar a aula e as questões, e cada questão vem do material que você deu, não de um banco.

Onde a distinção deixa de importar

Para a maioria das pessoas, na maior parte do tempo, não importa. Se você tem prova na quinta, saber que a ferramenta usa um modelo com ajuste fino em vez de "IA" genérica não vai mudar sua nota, e nenhuma quantidade de terminologia substitui o trabalho de responder questões de memória. O vocabulário importa em três lugares estreitos: quando você está comprando software e precisa comparar promessas, quando está escrevendo ou revisando algo técnico, e quando uma questão de privacidade depende de onde a conta é feita.

A distinção também fica borrada nas bordas. Sistemas modernos raramente são um modelo só. Um único recurso pode encadear reconhecimento de texto, um modelo de linguagem, uma etapa de busca e regras escritas à mão, e chamar essa pilha de "um modelo de aprendizado" é errado de um jeito que chamar de "IA" não é. Quando alguém diz IA sobre um produto inteiro, normalmente está sendo preciso, não vago.

Perguntas frequentes

Modelo de aprendizado é a mesma coisa que modelo de IA?

Na prática sim, porque quase todo modelo que hoje chamamos de modelo de IA foi aprendido a partir de dados. Falando com rigor, "modelo de IA" é mais solto: pode incluir um modelo formal de um problema que nenhum aprendizado tocou, como o modelo de um tabuleiro dentro de um planejador.

Toda IA é aprendizado de máquina?

Não. Busca, solucionadores de restrições, sistemas especialistas e planejadores simbólicos são todos IA e nenhum deles aprende. O aprendizado de máquina ficou dominante o bastante depois de mais ou menos 2012 para que as palavras passassem a ser usadas como sinônimos, e foi assim que a confusão começou.

O modelo continua aprendendo enquanto eu uso?

Normalmente não. Treinamento e uso são etapas separadas, e os pesos com que você interage estão congelados. As melhorias chegam quando o fornecedor treina uma versão nova e publica, e é por isso que treinamento e aprendizado não são a mesma palavra na prática.

Qual modelo de aprendizagem eu devo usar para estudar?

Essa pergunta quase certamente é sobre o sentido educacional, e a resposta honesta é escolher uma prática em vez de uma estrutura teórica. A prática de recuperação, que os experimentos de Roediger e Karpicke de 2006 mostraram produzir uma retenção de longo prazo bem melhor do que reler, é a que tem o apoio mais forte e o menor custo para começar.

Modelo de aprendizado é um componente; IA é a categoria. Manter os dois separados te dá, principalmente, perguntas melhores: em vez de perguntar se uma ferramenta é IA, dá para perguntar o que o modelo dela enxerga, onde aquela conta é feita e de onde saiu o resultado. Da próxima vez que você ler um "com IA" na descrição de um app de estudo, tente responder essas três antes de instalar. Se as respostas não estão na página, isso já é uma resposta.