# O que é LSTM: Long Short-Term Memory Long Short-Term Memory (LSTM), ou memória de curto longo prazo, é uma técnica de treinamento de redes neurais que armazena informações importantes a longo prazo. Ela utiliza memórias de curto e de longo prazo, sendo crucial para o desenvolvimento da inteligência artificial (IA). ## Definição de Long Short-Term Memory Long Short-Term Memory é uma técnica da informática usada para armazenar informações em uma [rede neural](https://www.ionos.com/pt-br/digitalguide/marketing-online/marketing-de-mecanismos-de-busca/o-que-e-neural-network/ "O que é neural network?") por um longo período. Isso é particularmente importante no **processamento de dados sequenciais**. Com a LSTM, a rede pode acessar eventos anteriores e considerá-los em novos cálculos, o que pode diferenciá-la das [redes neurais recorrentes (RNN)](https://www.ionos.com/pt-br/digitalguide/sites-de-internet/desenvolvimento-web/recurrent-neural-network/) ou complementá-las de maneira ideal. Em vez de uma simples “memória de curto prazo”, a LSTM possui uma “memória de longo prazo” adicional, onde informações selecionadas são armazenadas por mais tempo. Redes com Long Short-Term Memory conseguem **preservar informações por longos períodos** e identificar dependências de longo prazo, o que é especialmente importante nas áreas de [deep learning](https://www.ionos.com/digitalguide/online-marketing/search-engine-marketing/deep-learning/ "Deep Learning: Aprendizado profundo") e [inteligência artificial](https://www.ionos.com/pt-br/digitalguide/marketing-online/vender-na-internet/o-que-e-inteligencia-artificial-ia/ "O que é inteligência artificial (IA)?"). A base para isso são os chamados Gates, ou portas, cuja função será explicada mais detalhadamente ao longo deste artigo. Essas redes oferecem modelos eficientes para previsão e processamento com base em dados temporais. ## Quais são os elementos de uma célula LSTM? Uma célula com Long Short-Term Memory é composta de diversos blocos que oferecem diferentes opções para a rede. Ela precisa ser capaz de armazenar informações por um longo período e vinculá-las a novas informações conforme necessário. Ao mesmo tempo, é importante que a célula elimine de maneira autônoma conhecimentos irrelevantes ou obsoletos. Por isso, uma célula LSTM é formada por **quatro componentes principais**: - **Input gate** (porta de entrada): decide quais novas informações devem ser armazenadas e de que maneira. - **Forget gate** (porta de esquecimento): determina quais informações permanecem ou são removidas da célula. - **Output gate** (porta de saída): define como os valores de uma célula serão disponibilizados, com base no estado atual e nas informações de entrada. O quarto componente é o **núcleo da célula**. Ele segue uma lógica de interconexão própria, regulando como as outras partes interagem e como os fluxos de informações e operações de armazenamento devem ocorrer. ## Como funciona a Long Short-Term Memory? Assim como nas Redes Neurais Recorrentes (RNN) ou nas [redes neurais feedforward (FNN)](https://www.ionos.com/pt-br/digitalguide/sites-de-internet/desenvolvimento-web/feedforward-neural-network/) mais simples, as células com Long Short-Term Memory operam em camadas. No entanto, diferentemente de outras redes, elas armazenam informações ao longo do tempo e podem processá-las ou acessá-las posteriormente. Para isso, cada célula LSTM utiliza os três portões acima mencionados, além de uma espécie de memória de curto prazo e uma de longo prazo. - A memória de curto prazo, ou seja, o armazenamento onde as informações dos cálculos anteriores são mantidas temporariamente, também é conhecida em outras redes e, no contexto da Long Short-Term Memory, é chamada de ***hidden state***. Diferente de outras redes, uma célula LSTM consegue manter informações por mais tempo, armazenando-as no chamado\* cell state\*. Novas informações passam, então, pelos três portões. - Na *input gate*, a entrada atual é multiplicada pelo *hidden state* e pelo peso da última execução, decidindo assim o valor do novo dado. Informações importantes são adicionadas ao *cell state* atual, formando o novo *cell state*. - A **forget gate** decide quais informações serão mantidas ou removidas, usando o último *hidden state* e a entrada atual. Essa decisão é tomada com uma função Sigmoid, que produz valores entre 0 e 1: 0 significa esquecer uma informação anterior, enquanto 1 preserva o status atual. O resultado é multiplicado pelo *cell state* atual, descartando valores iguais a 0. - A **output gate** calcula a saída final, usando o *hidden state* e a função Sigmoid. Em seguida, o *cell state* é ativado por uma função tanh e multiplicado, determinando quais informações serão liberadas pela saída. ## Quais são as diferentes arquiteturas da Long Short-Term Memory? Embora essa funcionalidade seja semelhante em todas as redes LSTM, há grandes variações nas arquiteturas das variantes da LSTM. Citamos, como exemplo, **Peephole LSTMs**, chamadas assim porque cada porta pode visualizar o estado de uma célula. Existem também **Peephole LSTMs convolucionais**, que além de multiplicar matrizes, utilizam uma convolução discreta para calcular a atividade de um neurônio. ## Quais são as principais áreas de aplicação da Long Short-Term Memory? Inúmeras aplicações utilizam redes neurais com Long Short-Term Memory, seja total ou parcialmente. Os campos de aplicação são variados e incluem contribuições valiosas para as seguintes áreas: - **Geração automatizada de texto** - **Análise de dados de séries temporais** - **Reconhecimento de fala** - **Previsão de tendências de mercado** - **Composição musical** A técnica de **identificação de anomalias**, como em tentativas de fraude ou ataques a redes computacionais, também utiliza Long Short-Term Memory. Aplicações adequadas podem recomendar mídias, como filmes, séries, bandas ou livros, com base em dados do usuário, além de analisar vídeos, imagens ou músicas. Assim, é possível aumentar a segurança de maneira prática e reduzir significativamente o esforço necessário para monitoramento e análise. **Inúmeras grandes empresas** utilizam Long Short-Term Memory em seus serviços e produtos. A Google aplica essas redes em seus assistentes inteligentes, no Google Tradutor, no software de jogo AlphaGo e no reconhecimento de voz em smartphones. Os assistentes de voz Siri (Apple) e Alexa (Amazon), assim como o recurso de autocompletar do teclado da Apple, também se baseiam em Long Short-Term Memory. This is a markdown version of: [https://www.ionos.com/pt-br/digitalguide/sites-de-internet/desenvolvimento-web/long-short-term-memory/](https://www.ionos.com/pt-br/digitalguide/sites-de-internet/desenvolvimento-web/long-short-term-memory/) for AI/LLM consumption.