Pesquisa
Programa permite que máquinas "criem" e não apenas reproduzam ideias
A façanha torna os sistemas de inteligência artificial muito mais eficientes
Por: Correio Braziliense
Publicado em: 11/12/2015 15:37 Atualizado em:
Basta uma única demonstração para que, de maneira geral, as pessoas aprendam novos conceitos. Por exemplo, ao conhecer um carro, conseguem classificar como meios de transporte todos os veículos movidos por rodas. Até agora, essa capacidade é exclusivamente humana, mas está prestes a ser compartilhada com robôs. Um consórcio de pesquisadores associados a diferentes universidades dos Estados Unidos detalha, na edição desta semana da revista Science, um modelo computacional que permite às máquinas aprender coisas novas a partir de um só exemplo. O sistema dá criatividade às chamadas inteligências artificiais (IAs), possibilitando que criem, e não apenas reproduzam, ideias.
As máquinas existentes atualmente até conseguem replicar algumas tarefas humanas de reconhecimento, como a leitura de números em cheques. No entanto, para executar a missão, precisam de ser “treinadas” com centenas ou milhares de exemplos. O grande trunfo do modelo algorítmico Bayesian Learning Program (BPL) é dispensar esse excesso de lições. Para ele, um conceito — por exemplo, a letra A — só precisa ser programado uma vez, e o código de computador, ao ser executado, gera novas representações e nuances daquele símbolo.
Isso faz com que, ao ver um modelo da letra A, o algoritmo crie inúmeras variações por conta própria, reconhecendo assim mudanças que outros programas custariam a reconhecer, como diferenças de fonte. Modelos tradicionais de aprendizagem virtual são menos flexíveis porque não sabem gerar códigos diferentes para processar particularidades. Basicamente, utilizam uma abordagem estatística que trata conceitos como padrões de pixels ou configurações de características. “O problema é a máquina encontrar e reconhecer esses padrões. Se você quer que o computador reconheça a letra A, o algoritmo buscará padrões de pixels na imagem que forneçam evidências de que existe um A ali. Nossa BPL é diferente porque cria modelos de mundo simples, tornando a aprendizagem das máquinas um processo de construção de modelos”, explica Brenden Lake, pesquisador da Universidade de Nova York e coordenador do estudo que resultou no programa.
O BPL dispensa a supervisão de um programador, pois o algoritmo se autorregula buscando códigos que gerem os dados que ele precisa para fazer associações. Utilizando bases de probabilidade de erros e acertos, falha menos que os demais. Outra vantagem do novo sistema é a capacidade de “aprender a aprender”, ou seja, utilizar conhecimentos adquiridos anteriormente para assimilar novos. É capaz, por exemplo, de aproveitar o conhecimento do alfabeto grego para aprender, mais tarde, o latino.
Poliglota
Nos experimentos, o BPL conseguiu processar e “aprender” 1,6 mil caracteres manuscritos oriundos de 50 sistemas de escrita do mundo, entre eles tibetano e gujarati (uma das línguas usadas na Índia). Nem os símbolos inventados para o alfabeto da animação seriada de televisão Futurama foram incompreensíveis para o programa, que teve bom desempenho em todos os casos.
As máquinas existentes atualmente até conseguem replicar algumas tarefas humanas de reconhecimento, como a leitura de números em cheques. No entanto, para executar a missão, precisam de ser “treinadas” com centenas ou milhares de exemplos. O grande trunfo do modelo algorítmico Bayesian Learning Program (BPL) é dispensar esse excesso de lições. Para ele, um conceito — por exemplo, a letra A — só precisa ser programado uma vez, e o código de computador, ao ser executado, gera novas representações e nuances daquele símbolo.
Isso faz com que, ao ver um modelo da letra A, o algoritmo crie inúmeras variações por conta própria, reconhecendo assim mudanças que outros programas custariam a reconhecer, como diferenças de fonte. Modelos tradicionais de aprendizagem virtual são menos flexíveis porque não sabem gerar códigos diferentes para processar particularidades. Basicamente, utilizam uma abordagem estatística que trata conceitos como padrões de pixels ou configurações de características. “O problema é a máquina encontrar e reconhecer esses padrões. Se você quer que o computador reconheça a letra A, o algoritmo buscará padrões de pixels na imagem que forneçam evidências de que existe um A ali. Nossa BPL é diferente porque cria modelos de mundo simples, tornando a aprendizagem das máquinas um processo de construção de modelos”, explica Brenden Lake, pesquisador da Universidade de Nova York e coordenador do estudo que resultou no programa.
O BPL dispensa a supervisão de um programador, pois o algoritmo se autorregula buscando códigos que gerem os dados que ele precisa para fazer associações. Utilizando bases de probabilidade de erros e acertos, falha menos que os demais. Outra vantagem do novo sistema é a capacidade de “aprender a aprender”, ou seja, utilizar conhecimentos adquiridos anteriormente para assimilar novos. É capaz, por exemplo, de aproveitar o conhecimento do alfabeto grego para aprender, mais tarde, o latino.
Poliglota
Nos experimentos, o BPL conseguiu processar e “aprender” 1,6 mil caracteres manuscritos oriundos de 50 sistemas de escrita do mundo, entre eles tibetano e gujarati (uma das línguas usadas na Índia). Nem os símbolos inventados para o alfabeto da animação seriada de televisão Futurama foram incompreensíveis para o programa, que teve bom desempenho em todos os casos.
MAIS NOTÍCIAS DO CANAL
MAIS LIDAS
ÚLTIMAS
