Cientistas estão dando à IA a capacidade de imaginar coisas que nunca foram vistas antes

(Artur Debat/Getty Images)

Inteligência artificial(AI) está se mostrando muito hábil em certas tarefas - comoinventando rostos humanosque na verdade não existem, oujogos de pôquer vencedores– mas essas redes ainda lutam quando se trata de algo que os humanos fazem naturalmente: imaginar.

Uma vez que os seres humanos sabem o que é um gato, podemos facilmente imaginar um gato de uma cor diferente, ou um gato em uma pose diferente, ou um gato em um ambiente diferente. Para redes de IA, isso é muito mais difícil, mesmo que eles possam reconhecer um gato quando o virem (com treinamento suficiente).

Para tentar desbloquear a capacidade de imaginação da IA, os pesquisadores criaram um novo método para habilitar inteligência artificial sistemas para descobrir como um objeto deve se parecer, mesmo que nunca tenham visto um exatamente igual a ele antes.

“Fomos inspirados pelas capacidades de generalização visual humana para tentar simular a imaginação humana em máquinas”, diz o cientista da computação Yunhao Ge pela Universidade do Sul da Califórnia (USC).

“Os humanos podem separar seu conhecimento aprendido por atributos – por exemplo, forma, pose, posição, cor – e então recombiná-los para imaginar um novo objeto. Nosso artigo tenta simular esse processo usando redes neurais.'

A chave é a extrapolação – ser capaz de usar um grande banco de dados de treinamento (como fotos de um carro) para ir além do que é visto para o que não é visto. Isso é difícil para a IA devido à maneira como ela é normalmente treinada para identificar padrões específicos em vez de atributos mais amplos.

O que a equipe criou aqui é chamado de aprendizado de representação desembaraçada controlável e usa uma abordagem semelhante às usadas paracriar deepfakes– desembaraçar diferentes partes de uma amostra (separando assim o movimento do rosto e a identidade do rosto, no caso de um vídeo deepfake).

Isso significa que, se uma IA vir um carro vermelho e uma bicicleta azul, ela poderá 'imaginar' uma bicicleta vermelha para si mesma - mesmo que nunca tenha visto uma antes. Os pesquisadores reuniram isso em uma estrutura que estão chamando de Aprendizagem Supervisionada em Grupo.

Extrapolando novos dados de dados de treinamento. (Itti et al., 2021)

Uma das principais inovações dessa técnica é o processamento de amostras em grupos, em vez de individualmente, e a construção de ligações semânticas entre elas ao longo do caminho. A IA é então capaz de reconhecer semelhanças e diferenças nas amostras que vê, usando esse conhecimento para produzir algo completamente novo.

“Esta nova abordagem de desembaraçamento, pela primeira vez, realmente desencadeia um novo senso de imaginação nos sistemas de IA, aproximando-os da compreensão humana do mundo”, diz o cientista da computação da USC Laurent Itti .

Essas ideias não são completamente novo , mas aqui os pesquisadores levaram os conceitos adiante, tornando a abordagem mais flexível e compatível com tipos adicionais de dados. Eles também tornaram a estrutura de código aberto, para que outros cientistas possam usá-la com mais facilidade.

No futuro, o sistema desenvolvido aqui poderia proteger contra o viés da IA ​​removendo atributos mais sensíveis da equação – ajudando a criar redes neurais que não sejam racistas ou sexistas, por exemplo.

A mesma abordagem também pode ser aplicada nos campos da medicina e carros autônomos, dizem os pesquisadores, com a IA capaz de 'imaginar' novos medicamentos ou visualizar novos cenários rodoviários para os quais não foi treinado especificamente no passado.

“O aprendizado profundo já demonstrou desempenho e promessa insuperáveis ​​em muitos domínios, mas com muita frequência isso aconteceu por meio de mimetismo superficial e sem uma compreensão mais profunda dos atributos separados que tornam cada objeto único”, diz Itti .

A pesquisa foi apresentada na 2021 Conferência Internacional sobre Representações de Aprendizagem e pode ser lido aqui .

Sobre Nós

A Publicação De Fatos Independentes E Comprovados De Relatórios Sobre Saúde, Espaço, Natureza, Tecnologia E Meio Ambiente.