Unsupervised Learning

A aprendizagem não supervisionada é um tipo de aprendizagem automática em que um algoritmo aprende padrões a partir de dados não etiquetados, sem intervenção humana. Ao contrário da aprendizagem supervisionada, que depende de pares de entrada-saída etiquetados para treinar um modelo, a aprendizagem não supervisionada lida com dados que não têm etiquetas históricas. Essencialmente, o sistema tenta ensinar-se a si próprio ao descobrir estruturas, padrões ou relações ocultas nos dados de entrada. Esta abordagem é particularmente valiosa porque a grande maioria dos dados gerados atualmente — imagens, vídeos, texto e registos de sensores — não é estruturada nem etiquetada.

Como funciona a aprendizagem não supervisionada#

Em cenários não supervisionados, o algoritmo fica por sua conta para descobrir estruturas interessantes nos dados. O objetivo consiste frequentemente em modelar a distribuição subjacente dos dados ou em aprender mais sobre os próprios dados. Como não são fornecidas “respostas corretas” durante o treino, o modelo não pode ser avaliado quanto à exatidão no sentido tradicional. Em vez disso, o desempenho é frequentemente medido pela capacidade do modelo de reduzir a dimensionalidade ou agrupar pontos de dados semelhantes.

Esta metodologia é semelhante à forma como os seres humanos aprendem frequentemente novos conceitos. Por exemplo, uma criança consegue distinguir cães de gatos observando as suas diferentes formas e comportamentos, sem necessariamente conhecer inicialmente os nomes “cão” e “gato”. De forma semelhante, os algoritmos não supervisionados agrupam informações com base em semelhanças inerentes. Esta capacidade é fundamental para o desenvolvimento da inteligência artificial geral (AGI), pois permite que os sistemas se adaptem a novos ambientes sem supervisão humana constante.

Principais técnicas de aprendizagem não supervisionada#

A aprendizagem não supervisionada inclui várias técnicas distintas, cada uma adequada a diferentes tipos de problemas de análise de dados:

• Clustering: Esta é a aplicação mais comum, na qual o algoritmo agrupa pontos de dados semelhantes entre si. Um método popular é o clustering K-Means, que divide os dados em k grupos distintos com base na semelhança das características. É amplamente utilizado na segmentação de mercado para identificar grupos de clientes com comportamentos de compra semelhantes.
• Redução da dimensionalidade: Os dados de alta dimensionalidade podem ser complexos e dispendiosos do ponto de vista computacional. Técnicas como a Análise de Componentes Principais (PCA) reduzem o número de variáveis num conjunto de dados, preservando simultaneamente as suas informações essenciais. Isto simplifica a visualização de dados e acelera o treino de outros modelos de aprendizagem automática.
• Deteção de anomalias: Ao aprender o aspeto dos dados “normais”, os modelos não supervisionados conseguem identificar valores atípicos que se desviam significativamente da norma. Isto é crucial para a deteção de fraude no setor financeiro, onde padrões de transações invulgares acionam alertas de segurança.
• Aprendizagem de regras de associação: Esta técnica descobre relações interessantes entre variáveis em grandes bases de dados. É conhecida por ser utilizada na análise de cestos de compras, ajudando os retalhistas a compreender que os clientes que compram pão também têm probabilidade de comprar manteiga.

Aprendizagem não supervisionada vs. supervisionada#

É importante distinguir a aprendizagem não supervisionada da aprendizagem supervisionada. A principal diferença reside nos dados utilizados. A aprendizagem supervisionada requer um conjunto de dados etiquetado, o que significa que cada exemplo de treino é associado a uma saída correta (por exemplo, uma imagem de um gato etiquetada como “gato”). O modelo aprende a mapear entradas para saídas, de modo a minimizar o erro.

Em contrapartida, a aprendizagem não supervisionada utiliza dados não etiquetados. Não existe um ciclo de feedback que indique ao modelo se a sua saída está correta. Existe uma solução intermédia denominada aprendizagem semissupervisionada, que combina uma pequena quantidade de dados etiquetados com uma grande quantidade de dados não etiquetados para melhorar a precisão da aprendizagem, sendo frequentemente utilizada quando a etiquetagem dos dados é dispendiosa ou demorada.

Aplicações no mundo real#

A aprendizagem não supervisionada está na base de muitas tecnologias que utilizamos diariamente. Eis dois exemplos concretos:

1. Segmentação de clientes no retalho: As plataformas de comércio eletrónico analisam milhões de interações de utilizadores sem categorias predefinidas. Ao utilizarem algoritmos de clustering, identificam personas de utilizadores distintas — como “caçadores de pechinchas de fim de semana” ou “entusiastas de tecnologia”. Isto permite criar campanhas de marketing altamente personalizadas e sistemas de recomendação, melhorando significativamente a experiência do cliente.

2. Análise de sequências genómicas: Na bioinformática, os investigadores utilizam a aprendizagem não supervisionada para analisar dados genéticos. Os algoritmos agrupam sequências de ADN para encontrar marcadores genéticos ou mutações semelhantes em diferentes populações. Isto ajuda a compreender relações evolutivas e a identificar predisposições genéticas para doenças sem ser necessário ter conhecimento prévio da função de cada gene específico.

Exemplo de código: clustering com Scikit-Learn#

Embora o Ultralytics YOLO26 seja principalmente uma estrutura supervisionada de deteção de objetos, as técnicas não supervisionadas são frequentemente utilizadas nas etapas de pré-processamento, como na análise das distribuições de anchor boxes ou no clustering das características do conjunto de dados. Abaixo encontra-se um exemplo simples que utiliza sklearn para realizar clustering K-Means, uma técnica não supervisionada fundamental.

import numpy as np
from sklearn.cluster import KMeans

# Generate synthetic data: 10 points with 2 features each
X = np.array([[1, 2], [1, 4], [1, 0], [10, 2], [10, 4], [10, 0]])

# Initialize KMeans with 2 clusters (k=2)
kmeans = KMeans(n_clusters=2, random_state=0, n_init="auto")

# Fit the model to the data (no labels provided!)
kmeans.fit(X)

# Predict which cluster each point belongs to
print(f"Labels: {kmeans.labels_}")
# Output will group the first 3 points together (0) and the last 3 together (1)

O papel da aprendizagem não supervisionada na aprendizagem profunda#

A aprendizagem profunda (DL) moderna integra cada vez mais princípios não supervisionados. Técnicas como a aprendizagem autossupervisionada (SSL) permitem que os modelos gerem os seus próprios sinais de supervisão a partir dos dados. Por exemplo, no processamento de linguagem natural (NLP), modelos como o GPT-4 são pré-treinados com grandes volumes de texto para prever a palavra seguinte numa frase, aprendendo efetivamente a estrutura da linguagem sem etiquetas explícitas.

De forma semelhante, na visão computacional (CV), os autoencoders são utilizados para aprender codificações eficientes dos dados. Estas redes neuronais comprimem imagens numa representação de menor dimensionalidade e, em seguida, reconstroem-nas. Este processo ensina à rede quais são as características mais relevantes dos dados visuais, o que é útil para tarefas como a redução de ruído em imagens e a modelação generativa.

Para quem pretende gerir conjuntos de dados para treino, a Ultralytics Platform oferece ferramentas para visualizar distribuições de dados, que podem ajudar a identificar clusters ou anomalias antes do início do processo de treino supervisionado. Compreender a estrutura dos seus dados através da exploração não supervisionada é frequentemente o primeiro passo para criar soluções de IA robustas.