INTELIGÊNCIA ARTIFICIAL – Investigadores da UC criam algoritmo inovador

1
2
Trata-se de um novo algoritmo
de inteligência artificial para a evolução das denominadas redes neuronais

(que imitam o comportamento do cérebro) profundas. O DENSER, acrónimo de
Deep Evolutionary Network Structured Representation (
https://cdv.dei.uc.pt/denser/), pode muito bem vir a revolucionar a forma de
responder ao problema de classificação do conteúdo de imagens.
Na área da Inteligência
Artificial e Machine Learning (aprendizagem de máquina), a classificação
de imagens é altamente complexa e enfrenta grandes desafios. 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
.
Comparativamente com outras técnicas,
a desenvolvida na UC apresenta duas grandes vantagens, como explicam os
coordenadores do projeto, Bernardete Ribeiro e Penousal Machado: «na maioria das abordagens a este problema otimizam-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.
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 projeto “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 projeto “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 2.500 euros
», destacam.
Os resultados do projeto, 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, machine learning e computação evolucionária, e de um esforço
e investimento mais recente no domínio da evolutionary machine learning.
Legenda imagem 1:
O objetivo 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.
Foto da equipa – da esquerda para a direita: Filipe Assunção, Penousal Machado,
Bernardete Ribeiro e Nuno Lourenço.


1 COMENTÁRIO