Pesquisadores permitem que IA use a “imaginação”.

Matheus Lispecter Março 25, 2022 3 min read

Uma equipe de pesquisadores da USC está ajudando a IA a imaginar o invisível, uma técnica que também pode levar a uma IA mais assertiva,.

O novo sistema de IA se inspira nos humanos: quando um humano vê uma cor de um objeto, podemos aplicá-la facilmente a qualquer outro objeto substituindo a cor original pela nova.

Imagine um gato laranja. Agora, imagine o mesmo gato, mas com pelo preto como carvão. Agora, imagine o gato correndo ao longo da Grande Muralha da China. Fazendo isso, uma série rápida de ativações de neurônios em seu cérebro resultará em variações da imagem apresentada, com base em seu conhecimento prévio do mundo.

Em outras palavras, como humanos, é fácil imaginar um objeto com atributos diferentes. Mas, apesar dos avanços nas redes neurais profundas que igualam ou superam o desempenho humano em certas tarefas, os computadores ainda lutam com a habilidade muito humana de “imaginação”.

Agora, uma equipe de pesquisa da USC composta pelo professor de ciência da computação Laurent Itti e pelos estudantes de doutorado Yunhao Ge, Sami Abu-El-Haija e Gan Xin, desenvolveu uma IA que usa recursos semelhantes aos humanos para imaginar um objeto nunca antes visto com diferentes atributos. O artigo, intitulado Zero-Shot Synthesis with Group-Supervisioned Learning , foi publicado na Conferência Internacional de Representações de Aprendizagem de 2021 em 7 de maio.

“Fomos inspirados pelas capacidades de generalização visual humana para tentar simular a imaginação humana em máquinas”, disse Ge, principal autor do estudo.

“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 ciência da imaginação

A nova abordagem pega um grupo de imagens de amostra – em vez de uma amostra por vez, como os algoritmos tradicionais têm feito – e explora a semelhança entre elas para alcançar algo chamado “aprendizado de representação desembaraçada controlável”.

The Deep Learning Revolution - YouTube

Em seguida, ele recombina esse conhecimento para obter uma “síntese de imagem nova controlável”, ou o que você pode chamar de imaginação. “Por exemplo, tome o filme Transformers como exemplo”, disse Ge, “ele pode tomar a forma de um robo Megatron, a cor do transformer Bumblebee amarelo e o fundo da Times Square de Nova York. O resultado será um Megatron da cor do Bumblebee com o cenario da Times Square, mesmo que essa amostra não tenha sido testemunhada durante a sessão de treinamento.”

Isso é semelhante a como nós humanos extrapolamos: quando um humano vê uma cor de um objeto, podemos facilmente aplicá-la a qualquer outro objeto substituindo a cor original pela nova. Usando sua técnica, o grupo gerou um novo conjunto de dados contendo 1,56 milhão de imagens que podem ajudar futuras pesquisas na área.