Investigadores de Coimbra desenvolvem “cérebro” parecido ao da Google

Um novo algoritmo de inteligência artificial, desenvolvido na Universidade de Coimbra, consegue classificar imagens sem intervenção humana.

inteligência artificial
 
O Shifter precisa de dinheiro para sobreviver.
Se achas importante o que fazemos, contribui aqui.

Quatro investigadores do Centro de Informática e Sistemas da Universidade de Coimbra (CISUC) desenvolveram um novo algoritmo capaz de classificar o conteúdo de imagens, sem intervenção humana. Trata-se de uma abordagem inovadora, refere a Universidade numa nota enviada às redacções.

O algoritmo em questão – chamado DENSER (acrónimo de Deep Evolutionary Network Structured Representation) – utiliza inteligência artificial (IA) e foi treinado através de aprendizagem automática e de redes neuronais, de forma a ser capaz de responder a novas situações, consoante experiências passadas. Na área da IA, a classificação de imagens é altamente complexa e enfrenta grandes desafios, explica a mesma nota dos investigadores. O que é compreensível, considerando que, nos humanos, um terço do cérebro é dedicado ao processamento visual, envolvendo centenas de milhões de neurónios.

Desenvolvido no âmbito de um projeto de investigação financiado pela Fundação para a Ciência e Tecnologia (FCT), o DENSER tem vindo a despertar o interesse da comunidade científica e será apresentado na próxima EvoStar, a mais importante conferência europeia na área da computação evolucionária (computação de inspiração biológica para resolver problemas de elevada complexidade). Destaca-se das abordagens convencionais ao não exigir intervenção humana, não usar conhecimento prévio sobre o domínio e por ser uma solução de baixo custo.

Da esquerda para a direita: Filipe Assunção, Penousal Machado, Bernardete Ribeiro e Nuno Lourenço.

Quase tão rápido como o “Google Brain” e mais barato

Comparativamente com outras técnicas, a desenvolvida na Universidade de Coimbra apresenta duas grandes vantagens, como explicam os coordenadores do projecto, Bernardete Ribeiro e Penousal Machado: “Na maioria das abordagens a este problema, optimizam-se os parâmetros de uma rede que, à partida, obtém uma performance elevada; na nossa abordagem a rede é evoluída de raiz, ou seja, sem intervenção humana.” Para se perceber melhor a diferença, os cientistas recorrem a uma analogia. O que a maioria faz é afinar um Bugatti Veyron, um automóvel que, como sabemos, já é bastante rápido, de forma a conseguir boas performances; o que nós fazemos é dar ao algoritmo um conjunto de peças (jantes, pneus, peças para o motor, travões, etc.) e deixar que o algoritmo entenda o contexto da situação, isto é, descubra como combinar aquelas peças de forma a construir um veículo que obtenha uma performance competitiva. Mas nem sequer o informamos que tem de ser um carro”, ilustram.

O objectivo do problema passa por identificar o conteúdo de cada imagem, dentro de um conjunto de classes pré-definidas (gato, cão, carro, camião, etc.). Na imagem exemplo, fazendo a leitura da esquerda para a direita e de cima para baixo, encontramos o seguinte conteúdo: cão; pássaro; pássaro; barco; cão; pássaro; gato; sapo; camião; cão; parede; sapo.

Para comparar a performance das diferentes abordagens, incluindo as convencionais, os investigadores utilizaram o teste CIFAR (constituído por 60 mil imagens), dividido em duas categorias: CIFAR 10 e CIFAR 100, em função do número de classes (por exemplo, tipos de objetos) a identificar nas imagens. O sistema que mais se aproxima da solução arquitetada pelos investigadores da Faculdade de Ciências e Tecnologia da Universidade de Coimbra é o do projecto “Google Brain”, da gigante Google, que obtém resultados marginalmente inferiores. Conforme sublinham os outros dois investigadores da equipa, Filipe Assunção e Nuno Lourenço, “eles obtêm um resultado competitivo com o nosso no CIFAR 10, mas não reportam os resultados no CIFAR 100, que é um problema mais difícil. Para além disso, usam algum conhecimento sobre o problema, o que os ajuda a alcançar bons resultados”.

A outra vantagem é o baixo custo do DENSER. Enquanto os investigadores do projecto “Google Brain”, “usam 800 GPUs (placas gráficas) topo de gama, nós usamos 4 GPUs das mais acessíveis, que são usadas, por exemplo, nos videojogos. Para se ter uma ideia, as 800 GPUs da Google custam 1,3 milhões de euros e as nossas apenas 2500 euros”, destacam.

Os resultados do projecto, que podem vir a ser aplicados em vários domínios do conhecimento, decorrem da experiência de mais de duas décadas do CISUC nas áreas da inteligência artificial, aprendizagem automática e computação evolucionária, e de um esforço e investimento mais recente no domínio da aprendizagem automática evolucionária.

O Shifter precisa de cerca de 1600 euros em contribuições mensais recorrentes para assegurar o salário aos seus 2 editores. O teu apoio é fundamental!