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.

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.”

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.