Fujitsu e MIT Desenvolvem Tecnologia de IA Inspirada pelo Cérebro Humano Capaz de Reconhecer Dados com Maior Precisão

A Fujitsu Limited e o Center for Brains, Minds and Machines (CBMM) com sede no Massachusetts Institute of Technology (MIT) alcançaram um marco importante numa iniciativa conjunta para melhorar a precisão de modelos de inteligência artificial (IA). Os resultados da colaboração na área da investigação entre a Fujitsu e o CBMM foram publicados num artigo científico que aborda os princípios informáticos que se inspiram na neurociência para permitir que modelos de IA reconheçam dados não vistos (OOD) - dados substancialmente diferentes dos dados captados durante o treino de IA. Os principais pontos do artigo científico serão apresentados na NeurIPS 2021 (Conferência sobre Sistemas de Processamento de Informação Neural que decorreu esta semana), mostrando melhorias na precisão dos modelos de IA.

O advento das redes neurais profundas (DNNs) nos últimos anos contribuiu para uma variedade cada vez maior de aplicações do mundo real para as tecnologias de IA e machine learning, incluindo para tarefas como a detecção de defeitos no sector da indústria e diagnóstico por imagem na área da medicina. Embora estes modelos de IA possam, por vezes, demonstrar um desempenho igual ou superior ao dos humanos, os desafios permanecem porque a precisão do reconhecimento tende a deteriorar-se quando as condições do ambiente, como a iluminação e a perspectiva, mudam significativamente face às dos conjuntos de dados que foram usados durante o processo de treino. Para resolver isto, os investigadores da Fujitsu e do CBMM colaboraram para compreender os princípios da IA no que toca ao reconhecimento de dados OOD com elevada precisão, dividindo a DNN em módulos - por exemplo, forma e cor, entre outros atributos -, numa abordagem única inspirada nas características cognitivas dos humanos e na estrutura do cérebro. Um modelo de IA que usa este processo foi classificado como o mais preciso numa avaliação que media a precisão do reconhecimento de imagens face ao benchmark “CLEVR-CoGenT”, como indica o artigo científico apresentado pelo grupo na NeurIPS.

Seishi Okamoto, Fellow da Fujitsu Limited, comentou: “Desde 2019, a Fujitsu tem estado envolvida em investigação conjunta com o CBMM do MIT para aprofundar o nosso conhecimento de como o cérebro humano sintetiza informação para gerar comportamentos inteligentes, tentado perceber como concretizar essa inteligência numa IA e aproveitando este conhecimento que contribui para resolver problemas numa série de sectores e na sociedade de um modo geral. Este feito é um marco importante para o desenvolvimento futuro de uma tecnologia de IA capaz de disponibilizar uma nova ferramenta para os modelos de treino, que responda de forma flexível a diferentes situações e reconheça até dados desconhecidos que difiram consideravelmente dos dados de treino originais com elevada precisão, e estamos muito entusiasmados com as possibilidades de aplicação no mundo real que este avanço coloca à nossa frente.”

Tomaso Poggio, Professor no Departamento de Ciências Cognitivas e do Cérebro no MIT e Director do CBMM, assinalou: “Há uma diferença significativa entre DNNs e humanos quando são avaliados em condições distintas, o que compromete de forma grave as aplicações de IA, sobretudo no que concerne à sua segurança e imparcialidade. A investigação inspirada pela neurociência pode conduzir a novas tecnologias capazes de ultrapassar os desvios dos conjuntos de dados. Os resultados obtidos até ao momento por este programa de investigação são um bom passo nesta direcção.”

As aplicações futuras possíveis podem incluir IA para monitorizar o trânsito e capaz de responder a alterações nas diversas condições de observação, bem como um diagnóstico médico por imagem capaz de reconhecer de forma correcta diferentes tipos de lesão.

Acerca do Novo Método

As conclusões da investigação focam-se no cérebro humano conseguir captar e classificar informação visual com precisão, mesmo quando há diferenças nas formas e nas cores dos objectos de que temos percepção. O novo método calcula um índice único tendo por base a forma como o objectivo é percebido pelos neurónios e como a DNN classifica as imagens de entrada. Até agora, partia-se do princípio de que o melhor método para criar um modelo de IA com elevada precisão de reconhecimento era treinar a DNN como um módulo único, sem divisões. No entanto, ao dividir a DNN em módulos separados consoante as formas, as cores e outros atributos dos objectos e baseada num índice novo que foi desenvolvido, os investigadores da Fujitsu e do CBMM alcançaram uma precisão de reconhecimento mais elevada.

Plano Futuros

A Fujitsu e o CBMM esperam refinar ainda mais as conclusões de modo a desenvolver uma IA capaz de efetuar julgamentos flexíveis como os humanos, com o objectivo de o aplicar em várias áreas, como a indústria e a saúde.

Recursos Online 

• Leia o blogue da Fujitsu: http://blog.ts.fujitsu.com
  
• Siga-nos no Twitter: http://www.twitter.com/Fujitsu_Global e https://twitter.com/FujitsuPortugal
• Siga-nos no LinkedIn: http://www.linkedin.com/company/fujitsu e www.linkedin.com/company/fujitsuportugal
• Siga-nos no YouTube: www.youtube.com/user/FujitsuPortugal
• Encontre a Fujitsu no Facebook: http://www.facebook.com/FujitsuICT
• Servidor de média e imagens da Fujitsu: http://mediaportal.ts.fujitsu.com/pages/portal.php