A maioria dos algoritmos de reconhecimento de imagem requer muitas imagens rotuladas. Essa nova abordagem elimina a necessidade de grande parte da rotulagem.
INTELIGÊNCIA ARTIFICIAL ainda é construída sobre uma base de trabalho humano. Explore um algoritmo de IA e você com certeza encontrará algo construído usando dados que foram selecionados e rotulados por um exército de trabalhadores humanos.
Agora, o Facebook mostrou como alguns algoritmos de IA podem aprender a fazer um trabalho útil com muito menos ajuda humana. A empresa construiu um algoritmo que aprendeu a reconhecer objetos em imagens com pouca ajuda de rótulos.
O algoritmo do Facebook, chamado Seer (de SElf-supERvised), alimentou-se de mais de um bilhão de imagens retiradas do Instagram , decidindo por si mesmo quais objetos se parecem. Imagens com bigodes, pelos e orelhas pontudas, por exemplo, foram reunidas em uma pilha. Em seguida, o algoritmo recebeu um pequeno número de imagens rotuladas, incluindo algumas rotuladas como "gatos". Ele foi então capaz de reconhecer imagens, bem como um algoritmo treinado usando milhares de exemplos rotulados de cada objeto.
“Os resultados são impressionantes”, diz Olga Russakovsky , professora assistente da Universidade de Princeton que se especializou em IA e visão computacional. “Fazer com que o aprendizado auto-supervisionado funcione é muito desafiador, e os avanços neste espaço têm consequências importantes para o reconhecimento visual aprimorado.”
Russakovsky diz que é notável que as imagens do Instagram não foram escolhidas a dedo para facilitar o aprendizado independente.
A pesquisa do Facebook é um marco para uma abordagem de IA conhecida como “aprendizagem auto-supervisionada”, diz o cientista-chefe do Facebook, Yann LeCun .
LeCun foi pioneira na abordagem de aprendizado de máquina conhecida como aprendizado profundo, que envolve alimentar grandes redes neurais artificiais com dados . Há cerca de uma década, o aprendizado profundo surgiu como uma maneira melhor de programar máquinas para fazer todos os tipos de coisas úteis, como classificação de imagens e reconhecimento de voz.
Mas LeCun diz que a abordagem convencional, que requer o “treinamento” de um algoritmo alimentando-o com muitos dados rotulados, simplesmente não é escalonável. “Há muito tempo venho defendendo toda essa ideia de aprendizagem auto-supervisionada”, diz ele. “A longo prazo, o progresso na IA virá de programas que apenas assistem a vídeos o dia todo e aprendem como um bebê.”
LeCun diz que o aprendizado auto-supervisionado pode ter muitas aplicações úteis, por exemplo, aprender a ler imagens médicas sem a necessidade de rotular tantos exames e raios-x. Ele diz que uma abordagem semelhante já está sendo usada para gerar hashtags automáticas para imagens do Instagram. E ele diz que a tecnologia Seer pode ser usada no Facebook para combinar anúncios com postagens ou para ajudar a filtrar conteúdo indesejável.
A pesquisa do Facebook se baseia em um progresso constante no ajuste de algoritmos de aprendizado profundo para torná-los mais eficientes e eficazes. A aprendizagem auto-supervisionada era usada anteriormente para traduzir texto de um idioma para outro, mas era mais difícil de ser aplicada a imagens do que a palavras. LeCun diz que a equipe de pesquisa desenvolveu uma nova maneira de algoritmos aprenderem a reconhecer imagens, mesmo quando uma parte da imagem foi alterada.
O Facebook lançará parte da tecnologia por trás do Seer, mas não o algoritmo em si, porque foi treinado usando dados de usuários do Instagram.
Aude Oliva , que lidera o laboratório de Percepção e Cognição Computacional do MIT, diz que a abordagem "nos permitirá realizar tarefas de reconhecimento visual mais ambiciosas". Mas Oliva diz que o tamanho e a complexidade dos algoritmos de IA de ponta como o Seer, podem ter bilhões ou trilhões de conexões neurais ou parâmetros - muito mais do que um algoritmo de reconhecimento de imagem convencional com desempenho comparável - que também apresentam problemas. Esses algoritmos exigem enormes quantidades de poder computacional, sobrecarregando o estoque disponível de chips.
Alexei Efros , professor da UC Berkeley, diz que o artigo do Facebook é uma boa demonstração de uma abordagem que ele acredita ser importante para o avanço da IA - fazer com que as máquinas aprendam por si mesmas usando "quantidades gigantescas de dados". E como acontece com a maior parte do progresso em IA hoje, diz ele, ela se baseia em uma série de outros avanços que surgiram da mesma equipe do Facebook, bem como de outros grupos de pesquisa na academia e na indústria.
Comments