[Imagem: Branden Lake]

Aprendizado profundo

Um software de inteligência artificial, baseado na técnica de “aprendizado
profundo”, conseguiu reproduzir com ótima fidelidade o processo usado pelos
seres humanos para aprender conceitos novos.

Embora o programa só seja capaz de aprender a desenhar letras de alfabetos, a
abordagem usada pode ser ampliada para aplicações em outros sistemas baseados em
símbolos, como gestos, movimentos corporais, além das palavras, faladas ou
escritas.

As pessoas ainda são muito melhores do que as máquinas para aprender novos
conceitos, muitas vezes necessitando de apenas um ou dois exemplos, em
comparação com as dezenas ou centenas de milhares de exemplos exigidos como
treinamento para os softwares.

Brenden Lake e seus colegas canadenses e norte-americanos querem mais do que
isso, e estão criando algoritmos que permitam que os programas de inteligência
artificial, depois de aprender um conceito pela primeira vez usem-no de uma
forma rica e diversificada, como os humanos, e não para simples repetição.

Aprender a aprender

O trio se concentrou em uma grande classe de conceitos visuais muitos simples –
os caracteres manuscritos de diversos alfabetos.

O programa foi submetido a mais de 1.600 letras manuscritas de 50 sistemas de
escrita de todo o mundo, incluindo sânscrito, tibetano, grego, russo e até mesmo
letras inventadas, como as da série de televisão Futurama.

Usando uma técnica que a equipe chama de “Programa de Aprendizagem Bayesiano”, o
programa “aprendeu a aprender”, a generalizar, utilizando o conhecimento de
conceitos anteriores para acelerar a aprendizagem de novos conceitos – por
exemplo, usando o conhecimento do alfabeto latino para aprender as letras do
alfabeto grego.

Teste de Turing Visual

A equipe então comparou a capacidade de aprendizagem de seu programa com outros
programas que usam algoritmos diferentes e com pessoas reais por meio do que
eles chamam de “Testes de Turing Visuais”.

Isto envolve juízes humanos que devem decidir se as “provas” foram feitas por
humanos ou por máquinas.

Programa de inteligência artificial passa no Teste de Turing

Embora os acertos dos juízes tenham variado entre as diversas letras
manuscritas, para cada Teste de Turing visual menos de 25% dos juízes saíram-se
melhor do que o mero acaso (50% de acerto e 50% de erro) em indicar se a letra
havia sido desenhada por uma máquina ou por um ser humano.

Isto é de longe o que de melhor havia sido conseguido com o aprendizado de
máquina nesse tipo de abordagem, ainda que a tarefa seja simples. Aprender a
juntar os caracteres e atribuir-lhes significados exigirá novos esforços da
equipe, mas esta demonstração mostrou que eles parecem ter escolhido um bom
caminho.

Rede neural artificial aprende palavras, imagens e música

Fonte: inovacaotecnologica