O aprendizado supervisionado é uma das técnicas mais utilizadas para ensinar máquinas a tomar decisões ou fazer previsões. Este tipo de aprendizado se baseia em expor o modelo de inteligência artificial (IA) a vários exemplos contendo o dado e uma informação (a resposta correta) pareada.

Por exemplo, um modelo de IA que faz a análise de e-mails, para identificar se é ou não é spam, é treinado com base em vários exemplos de pares dado-informação, em que o dado é o e-mail (assunto e corpo do e-mail) e a informação é se o e-mail é spam ou não é spam (Figura 1a e Figura 1b).

Neste exemplo, espera-se que o modelo de IA treinado seja capaz de analisar novos e-mails (que entram no modelo) e devolver como resultado (que sai do modelo) a informação sobre cada e-mail analisado, ou seja, se é spam ou não é spam (figura 2).

Em resumo, um modelo de IA que foi treinado com aprendizado supervisionado, recebe vários exemplos de dados com informações, que são as “respostas corretas” sobre o dado, também chamadas de rótulos do dado no campo da inteligência artificial. Esses rótulos passam a ser o que a IA tentará prever quando for apresentada a novos dados futuramente (Figura 3). Com isso, o que a IA aprende ao ser treinada é associar padrões entre os pares de dados e rótulos correspondentes. Por isso, é tão importante garantir que os dados e rótulos utilizados sejam de qualidade.