Investigadores de Coimbra desenvolvem “cérebro” parecido ao da Google

Um novo algoritmo de inteligência artificial, desenvolvido na Universidade de Coimbra, consegue classificar imagens sem intervenção humana.

inteligência artificial

Quatro investigadores do Centro de Informática e Sistemas da Universidade de Coimbra (CISUC) desenvolveram um novo algoritmo capaz de classificar o conteúdo de imagens, sem intervenção humana. Trata-se de uma abordagem inovadora, refere a Universidade numa nota enviada às redacções.

O algoritmo em questão – chamado DENSER (acrónimo de Deep Evolutionary Network Structured Representation) – utiliza inteligência artificial (IA) e foi treinado através de aprendizagem automática e de redes neuronais, de forma a ser capaz de responder a novas situações, consoante experiências passadas. Na área da IA, a classificação de imagens é altamente complexa e enfrenta grandes desafios, explica a mesma nota dos investigadores. 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.

Da esquerda para a direita: Filipe Assunção, Penousal Machado, Bernardete Ribeiro e Nuno Lourenço.

Quase tão rápido como o “Google Brain” e mais barato

Comparativamente com outras técnicas, a desenvolvida na Universidade de Coimbra apresenta duas grandes vantagens, como explicam os coordenadores do projecto, Bernardete Ribeiro e Penousal Machado: “Na maioria das abordagens a este problema, optimizam-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.

O objectivo 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.

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 projecto “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 projecto “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 2500 euros”, destacam.

Os resultados do projecto, 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, aprendizagem automática e computação evolucionária, e de um esforço e investimento mais recente no domínio da aprendizagem automática evolucionária.