A tecnologia de inteligência artificial e machine learning já é usada no Facebook para identificar alguns tipos de conteúdos mas agora os investigadores estão a dar um novo passo com uma abordagem de aprendizagem autossupervisionada que pretende ajudar as máquinas a ter um "bom senso" que normalmente se atribui aos humanos para lidar com tarefas e tomar decisões.

O modelo já foi aplicado ao processamento de linguagem natural e está agora a ser transferido para o tratamento de imagens, com a visão computacional. Os investigadores desenvolveram o SEER (SElf-supERvised), um novo modelo de visão computacional autosupervisionado que pode aprender com qualquer grupo aleatório de imagens na internet, dispensando o acompanhamento de curadoria e a classificação que estão na base dos sistemas de machine learning atuais.

Yann LeCun, cientista-chefe da IA ​​do Facebook, explica num paper que foi hoje divulgado que "o bom senso ajuda as pessoas a aprender novas habilidades sem exigir uma grande quantidade de ensino para cada tarefa. Por exemplo, se mostrarmos apenas alguns desenhos de vacas para crianças pequenas, elas eventualmente serão capazes de reconhecer qualquer vaca que virem. Por outro lado, os sistemas de IA treinados com aprendizagem supervisionada requerem muitos exemplos de imagens de vacas e ainda podem falhar ao classificar vacas em situações incomuns, como deitadas na praia", refere. A principal diferença entre a forma de aprendizagem dos humanos e das máquinas é que "os humanos confiam no conhecimento prévio adquirido de como o mundo funciona", mas é isso que se quer agora ensinar às máquinas.

Novo estudo mostra o que se faz em Portugal na área da Inteligência Artificial e o potencial de crescimento
Novo estudo mostra o que se faz em Portugal na área da Inteligência Artificial e o potencial de crescimento
Ver artigo

O SEER foi treinado com milhares de milhões de imagens públicas aleatórias, não rotuladas e não curadas do Instagram e conseguiu ultrapassar os sistemas atuais, com uma precisão de 84,2% no ImageNet. Segundo os dados partilhados, o SEER também superou os modelos supervisionados noutras tarefas, como a identificação de objetos, segmentação e classificação de imagens.

O Facebook afirma que este é um grande avanço que finalmente abre o caminho para modelos de visão computacional mais flexíveis, precisos e adaptáveis ​​no futuro. A empresa está a partilhar os detalhes do SEER com a comunidade de Inteligência Artificial e o código fonte da VISSL, a biblioteca que foi usada para desenvolver o SEER. O objetivo é democratizar a aprendizagem auto-supervisionada e acelerar o progresso para mais aplicações no futuro.

"Acreditamos que a aprendizagem auto-supervisionada é uma das maneiras mais promissoras de construir esse conhecimento de fundo e aproximar uma forma de bom senso em sistemas de IA", defende Yann LeCun. "Se os sistemas de IA puderem obter uma compreensão mais profunda e diferenciada da realidade além do que está especificado no conjunto de dados de treino, serão mais úteis e, em última análise, aproximam-nos da inteligência de nível humano".