Novo algoritmo AI supera o que aprende diretamente dos humanos


28 nov 2016

Um novo método de treinamento de aprendizagem de máquina, possibilita que redes neurais aprendam diretamente as instruções dadas pelo homem, em vez de aprenderem a partir de um conjunto de exemplos, e isso, abre novas possibilidades para a inteligência artificial nos campos do diagnóstico médico e dos carros autônomos.

Em testes realizados, o algoritmo desenvolvido por Parham Aarabi e Wenzhi Guo, ambos da Universidade de Toronto, superou as atuais redes neurais em 160%.

Chamado de “redes neurais heuristicamente treinadas” (HNN – heuristically trained neural networks), também conseguiu superar o seu próprio treinamento em 9% – aprendendo a reconhecer o cabelo humano em imagens com maior confiabilidade do que quando recebeu o treinamento.

hnn-rede-neural-ai

A imagem acima compara um treinamento tradicional de algoritmo com a rede neural HNN de Aarabi e Guo. As colunas que estão no lado esquerdo e central mostram um algoritmo de reconhecimento de imagem conservador treinado para reconhecer o cabelo humano, em comparação com o algoritmo HNN muito mais preciso à direita. (Crédito: IEEE Trans NN & LS)

 

Aarabi e Guo treinaram o HNN para identificar o cabelo de pessoas em fotografias, uma tarefa desafiadora para computadores. “Nosso algoritmo aprendeu a classificar corretamente casos difíceis e incertos – distinguindo a textura do cabelo versus a textura de fundo”, diz Aarabi.

O que vimos foi como um professor ensinando uma criança, e ela conseguindo aprender além do que o professor lhe ensinou inicialmente.” – Parham Aarabi

Treinamento heurístico

Normalmente, são os humanos que “ensinam” as redes neurais, lhes dando um conjunto de dados rotulados e lhes pedindo para tomarem decisões com base nos exemplos que são apresentadas. Assim, você poderia treinar uma rede neural para identificar o céu em uma fotografia mostrando centenas de imagens dele.

Já com o HNN, os humanos dão as instruções diretamente, as quais são usadas para pré-classificar os exemplos do treinamento em vez de usar um conjunto fixo de exemplos. Os treinadores programam o algoritmo com orientações como por exemplo:

O céu tem diferentes tonalidades de azul

Os pixels, perto da parte superior da imagem, têm mais probabilidade de ser o céu do que os pixels na parte inferior.”

parham-aarabi

Professor Parham Aarabi (Crédito: Johnny Guatto)

 

Segundo os pesquisadores, esta abordagem de treinamento heurístico enfrenta um dos maiores desafios para as redes neurais: fazer classificações corretas de dados previamente desconhecidos ou não rotulados.

Isto é crucial para aplicar a aprendizagem de máquina a situações novas, como identificar corretamente tecidos cancerígenos para diagnósticos médicos, ou classificar todos os objetos que estão próximos ou irão se aproximar de um carro autônomo.

Guo diz que aplicar o treinamento heurístico à segmentação do cabelo é apenas o começo. Ele revela que estão ansiosos para aplicar esse método em outros campos, e numa variedade de aplicações, da medicina ao transporte.

O trabalho foi publicado na revista IEEE Transactions on Neural Networks and Learning Systems.

Deixe seus comentários abaixo


Redação O Futuro das Coisas
Redação O Futuro das Coisas

O Futuro das Coisas é dedicado a trazer conteúdo exclusivo em inovação, tecnologia, educação e medicina numa linguagem divertida e acessível.

Comments

  1. Evandro S. Nogueira : novembro 28, 2016 at 4:06 pm

    Os avanços em AI me remetem a sentimentos distorcidos ainda!

    Sinto alegria porque trata-se da evolução da capacidade de inteligência humana;

    Receio pelo desconhecido e se os humanos conseguiram manter tal inteligência artificial sobre controle, ou ainda como (princípios) serão formadas tais inteligências artificiais (sabemos que governos poderão utilizar de forma equivocada via forças armadas e mesmo forças de seguranças internas);

    Esperança de um mundo melhor e por saber que tudo que faz o ser humano se superar é bom!

Deixe uma resposta

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *

Pin It on Pinterest

Share This