Aprendizagem Automática: Perspetivas de Investigação, Avanços Recentes e Direções Futuras

Este livro é um roteiro orientado para a investigação através da aprendizagem automática moderna, estruturado sob três perspetivas: Perspetivas de Investigação, Avanços Recentes e Direções Futuras. A Parte I estabelece metodologias rigorosas, IA centrada em dados (aprendizagem ativa, supervisão fraca, mitigação de vieses) e avaliação crítica para além de métricas únicas. A Parte II analisa arquiteturas neuronais (de Transformers a modelos de espaço de estados), otimização (SAM, descida dupla), modelação generativa (unificação por difusão), aprendizagem profunda geométrica e aprendizagem auto-supervisionada/multimodal. A Parte III abrange modelos fundacionais - leis de escala, capacidades emergentes (aprendizagem em contexto, cadeia de pensamento), fronteiras da IA generativa (alucinação, geração controlável) e abordagens neuro-simbólicas (RAG, utilização de ferramentas). A Parte IV aborda grandes desafios: aprendizagem automática eficiente/sustentável, aprendizagem contínua/meta-aprendizagem, interpretabilidade/robustez/alinhamento (RLHF, representação causal) e caminhos para a AGI com impacto societal. Cada capítulo inclui perguntas abertas e listas de verificação práticas para investigação, visando transformar os leitores de consumidores em colaboradores.