O Que É TensorFlow? A Caixa de Ferramentas de IA do Google, Explicada de Forma Simples

Se você já leu sobre inteligência artificial, provavelmente esbarrou no nome TensorFlow. Parece coisa de filme de ficção científica, mas na verdade é algo bem mais pé no chão: uma caixa de ferramentas gratuita para criar IA, feita pelo Google.

Este artigo explica, em linguagem simples, o que é o TensorFlow, de onde vem esse nome estranho, o que ele faz de verdade para quem o usa e onde você provavelmente já o encontrou sem saber.

O TensorFlow numa frase

O TensorFlow é um software gratuito que dá aos programadores blocos prontos para criar, treinar e rodar modelos de IA.

Pense numa cozinha bem equipada. Você até poderia fazer pão moendo a própria farinha, construindo o próprio forno e descobrindo a temperatura certa do zero. Ou poderia entrar numa cozinha com forno, batedeira e xícaras medidoras já no lugar, e se concentrar na receita. O TensorFlow é essa cozinha para a IA: ele cuida do trabalho pesado e repetitivo para que as pessoas se concentrem na ideia que querem construir.

Ele foi criado pelo Google Brain, a equipe de pesquisa em IA do Google, e liberado de graça para o público em novembro de 2015 como código aberto, ou seja, qualquer pessoa pode usar, ler o código e melhorá-lo.

Primeiro, o que é um tensor?

O nome tem duas partes. Vamos começar por tensor.

Os computadores não conseguem olhar uma foto ou ler uma frase como nós. Tudo precisa virar números antes. Um tensor é só um nome chique para um monte de números organizados numa grade:

• Um único número é o tensor mais simples.
• Uma lista de números também é um tensor: uma casa descrita pela área, pelo número de quartos e pela idade.
• Uma tabela de números pode ser uma imagem em preto e branco, em que cada número diz quão claro é um pontinho.
• Uma pilha de tabelas pode ser uma foto colorida: uma tabela diz quanto vermelho há em cada pontinho, outra o verde, outra o azul.

Então, quando ouvir "tensor", imagine uma caixa de números. Modelos de IA recebem tensores, fazem contas com eles e devolvem tensores.

E o que é o "flow"?

A segunda parte do nome é flow, que em inglês quer dizer fluxo. Um modelo de IA é, na verdade, uma longa sequência de contas: multiplicar estes números, somar aqueles, manter os sinais úteis e assim por diante. O TensorFlow deixa você descrever essas etapas, organiza tudo num mapa, chamado grafo, e os tensores fluem por ele:

A parte importante é a caixa dos números aprendidos. Um modelo novinho tem números aleatórios ali, então as respostas dele não fazem sentido. Treinar é o processo de ajustar esses números aos poucos até as respostas ficarem boas. Modelos grandes têm milhões ou até bilhões desses números.

O que o TensorFlow faz de verdade por você

Treinar um modelo sempre segue o mesmo ciclo: chutar, conferir com a resposta certa, descobrir o que consertar e ajustar. De novo e de novo:

A etapa 3 é a parte difícil. Calcular exatamente quanto cada um de milhões de números deve mudar envolve cálculo (aquele da faculdade), e fazer isso à mão para cada modelo seria lento e cheio de erros. O TensorFlow faz isso automaticamente. Você descreve o modelo, e ele cuida do resto.

E ele ainda tira das suas costas:

• Blocos prontos. As peças comuns das redes neurais (as camadas) já vêm prontas, então dá para empilhá-las como peças de LEGO em vez de escrever toda a matemática.
• Velocidade. Ele faz as contas em chips gráficos (GPUs) e nos chips especiais de IA do Google, chamados TPUs, que podem ser dezenas de vezes mais rápidos que um processador comum nesse tipo de trabalho.
• Escala. Ele consegue dividir o treinamento entre várias máquinas quando um modelo ou um conjunto de dados é grande demais para uma só.
• Salvar e compartilhar. Um modelo treinado pode ser salvo, compartilhado e carregado de novo depois, até num aparelho completamente diferente.

Um exemplo minúsculo: aprender uma fórmula com exemplos

Vamos ver o aprendizado acontecer. Um exercício clássico para iniciantes no TensorFlow é ensinar um modelo a converter Celsius em Fahrenheit, sem nunca dar a fórmula a ele. Ele só recebe sete exemplos, como "0 °C é 32 °F" e "38 °C é 100,4 °F".

O modelo é o menor possível: um único "neurônio", com só dois números aprendidos. Veja como a resposta dele para 100 °C mudou durante o treino:

Ele começa com um chute aleatório (70 °F), passa do ponto, oscila um pouco e depois se acomoda quase exatamente na resposta certa, 212 °F. Ele descobriu o padrão sozinho, só com exemplos. Isso é aprendizado de máquina em poucas palavras, e o mesmo ciclo, numa escala enorme, é como modelos muito maiores aprendem a reconhecer rostos ou traduzir idiomas.

Para os curiosos, é mais ou menos assim que isso fica no TensorFlow, usando o Keras, a parte do TensorFlow feita para facilitar a vida de iniciantes. Você não precisa entender o código; repare só em como ele é curto:

1import tensorflow as tf
2
3# Sete exemplos: temperaturas em Celsius e o Fahrenheit correspondente
4celsius = tf.constant([[-40.0], [-10.0], [0.0], [8.0], [15.0], [22.0], [38.0]])
5fahrenheit = tf.constant([[-40.0], [14.0], [32.0], [46.4], [59.0], [71.6], [100.4]])
6
7# 1. Montar: um modelo com um único "neurônio"
8model = tf.keras.Sequential([tf.keras.Input(shape=(1,)), tf.keras.layers.Dense(units=1)])
9
10# 2. Escolher como medir os erros e como melhorar
11model.compile(loss="mean_squared_error", optimizer=tf.keras.optimizers.Adam(0.1))
12
13# 3. Treinar: passar pelos exemplos 500 vezes
14model.fit(celsius, fahrenheit, epochs=500, verbose=0)
15
16# 4. Usar
17print(model.predict(tf.constant([[100.0]])))  # cerca de 211

Quatro etapas: montar o modelo, dizer como medir os erros, treinar e usar. Todo o cálculo do ciclo lá de cima acontece dentro daquela única linha fit.

Treine uma vez, rode em quase qualquer lugar

Uma grande força do TensorFlow é que um modelo treinado em computadores potentes pode depois ser levado a todo tipo de aparelho:

• Servidores e nuvem: sites e aplicativos enviam perguntas para um modelo rodando num data center.
• Celulares: uma versão enxuta (hoje chamada LiteRT, antigo TensorFlow Lite) roda modelos direto no seu celular, o que é mais rápido e mantém os seus dados no aparelho. Pense em efeitos de câmera ao vivo ou reconhecimento de voz sem internet.
• Navegadores: o TensorFlow.js roda modelos dentro de uma página da web, sem instalar nada.
• Aparelhos minúsculos: pequenos dispositivos com pouquíssima memória, como um sensor que espera uma palavra de ativação, também conseguem rodar modelos pequenos.

Onde você já viu o TensorFlow

Você provavelmente já usou o TensorFlow sem saber. Quando o Google o lançou em 2015, a empresa disse que ele já estava por trás de coisas como reconhecimento de voz, busca de fotos pelo que aparece nelas e sugestões de resposta de e-mail. Desde então, inúmeras empresas o usaram para tarefas como organizar fotos de anúncios de imóveis, detectar pagamentos fraudulentos, recomendar o que assistir ou ouvir e encontrar problemas em imagens médicas.

Uma olhada rápida na história dele:

TensorFlow vs. PyTorch

O TensorFlow não é a única caixa de ferramentas por aí. O rival mais conhecido é o PyTorch, lançado pelo Facebook (hoje Meta) em 2016.

• O PyTorch virou o favorito dos pesquisadores de IA, principalmente porque as primeiras versões do TensorFlow eram consideradas mais difíceis de usar. Hoje, uma grande parte das pesquisas novas em IA, e muitos dos grandes modelos de linguagem por trás dos chatbots, são feitos com PyTorch.
• O TensorFlow respondeu com a versão 2.0, em 2019, que o deixou muito mais amigável. Ele continua muito usado em empresas e é especialmente forte para rodar modelos em celulares, navegadores e aparelhos pequenos.
• O JAX é outra caixa de ferramentas do Google, popular na pesquisa de ponta, inclusive dentro do próprio Google.

A boa notícia: as ideias centrais (tensores, camadas, o ciclo de treino) são as mesmas em todos. Aprenda um, e os outros vão parecer familiares. O Keras 3 até deixa você escrever um modelo uma vez e rodá-lo no TensorFlow, no PyTorch ou no JAX.

O que o TensorFlow não é

Algumas confusões comuns:

• Ele não é uma IA. O TensorFlow não pensa, não conversa e não responde perguntas. Ele é a caixa de ferramentas que as pessoas usam para criar e treinar modelos que fazem essas coisas, assim como uma cozinha não é uma refeição.
• Ele não aprende sem dados. Um modelo só é tão bom quanto os exemplos com que aprende. O TensorFlow não conserta dados ruins ou tendenciosos.
• Você não precisa dele para usar IA. Conversar com um assistente de IA ou usar um app de fotos não exige saber nada de TensorFlow. Ele é para quem cria IA.

Um pequeno glossário

• TensorFlow: a caixa de ferramentas gratuita e de código aberto do Google para criar, treinar e rodar modelos de aprendizado de máquina.
• Tensor: um grupo de números organizados numa grade, de um único número a uma lista, uma tabela ou uma pilha de tabelas.
• Grafo: o mapa de etapas de contas que um modelo percorre, por onde os tensores fluem.
• Modelo: aquilo que está sendo criado, um conjunto de etapas de contas mais números aprendidos que transforma entradas em respostas.
• Treinamento: ajustar os números de um modelo, pouco a pouco, até as respostas baterem com os exemplos.
• Keras: a parte do TensorFlow feita para iniciantes, que monta modelos com peças prontas.
• Camada: um bloco reutilizável de uma rede neural.
• GPU / TPU: chips que fazem enormes quantidades de contas em paralelo. As GPUs nasceram para videogames; as TPUs são chips do Google feitos para IA.
• LiteRT (antigo TensorFlow Lite): a versão para rodar modelos em celulares e aparelhos pequenos.
• TensorFlow.js: a versão que roda em navegadores.
• PyTorch: uma caixa de ferramentas alternativa popular, criada originalmente pela Meta.
• Código aberto: software com código público, livre para usar e melhorar.

Concluindo

O TensorFlow é uma caixa de ferramentas gratuita do Google que dá às pessoas os blocos para criar IA. O nome já diz tudo: tensores, caixas de números que representam fotos, sons e textos, fluem por um mapa de etapas de contas. O maior presente dele é fazer as partes difíceis automaticamente: o cálculo que diz a cada número como mudar durante o treino, a velocidade dos chips especiais e a capacidade de rodar o modelo pronto em quase qualquer lugar, de enormes data centers ao celular no seu bolso.

Talvez você nunca escreva uma linha de TensorFlow, mas agora, quando ouvir esse nome, vai saber que ele é a cozinha onde muita IA do dia a dia é preparada.