Ensinando a Inteligncia Artificial a dizer “Eu no sei”

1548234083 file be0b03d8 Vision Art NEWS


Informtica

Redação do Site Inovação Tecnológica – 04/01/2022

Ensinando

Os modelos de IA atuais sempre do respostas – sem especificar o grau de incerteza da previso.
[Imagem: Leonidas Drosis]

Incerteza na IA

Os modelos de inteligncia artificial (IA) j esto sendo usados em sade pblica, internet das coisas e outras aplicaes crticas.

Contudo, por serem dependentes de dados passados, h crescentes preocupaes quanto aos vieses que esses modelos projetem nas decises futuras, reproduzindo ou at mesmo ampliando preconceitos passados.

Aditya Prakash e Chao Zhang, da Universidade de Tecnologia da Gergia, nos EUA, acreditam que d para fazer melhor se conseguirmos agregar um pouco de sabedoria filosfica a esses algoritmos.

Procurando maneiras de quantificar a incerteza nos modelos de IA, que usam dados de sries temporais para fazer previses, eles esperam essencialmente ensinar aos modelos o que conhecido como o paradoxo socrtico: “S sei que no nada sei.”

“O principal obstculo que os modelos neurais de aprendizado profundo atuais so pobres em quantificar sua incerteza e muitas vezes so excessivamente confiantes em suas previses. Quantificar a incerteza permitir que um modelo diga, ‘Eu no sei’, ao enfrentar situaes desconhecidas ou inesperadas,” disse Prakash.

Contra o vis na IA

Por no reconhecerem o que no sabem – o que no est em seus dados -, os modelos atuais de inteligncia artificial acabam fazendo conjecturas ou suposies – no muito diferente de “chutar” uma resposta – e seguindo em frente como se tivessem chutado corretamente. Isso particularmente problemtico com dados de sries temporais – como monitoramento e previso de sade pblica – onde suposies e respostas erradas podem levar a nveis mais baixos de confiana nas previses geradas pelos modelos.

Para resolver essas limitaes, alm da quantificao da incerteza, a dupla est trabalhando para entender melhor os tipos e fontes de incerteza preditiva.

“Qualificar a incerteza nos permitir selecionar dinamicamente um subconjunto de modelos que seja mais confivel, o que poder melhorar a eficincia do sistema e as decises em tempo de execuo,” disse Zhang. “Precisamos de modelos que partam de princpios que sejam flexveis o suficiente para modelar incertezas de mltiplas fontes nos conjuntos de dados e tambm produzir previses precisas.”

Ensinando

Com tanta dependncia de tarefas e dados especficos, os pesquisadores afirmam que difcil fornecer estimativas precisas de melhorias de eficincia com base em sua nova abordagem. Os resultados preliminares na previso de doenas, no entanto, indicam que os novos modelos, algoritmos e tcnicas da dupla podem superar os modelos de ltima gerao anteriores em at 2,5x em preciso e 2,4x em confiabilidade.

As tcnicas e ferramentas resultantes deste projeto sero de cdigo aberto, permitindo que os resultados sejam divulgados em cursos, tutoriais e livros, e integrados em novos sistemas de modo livre.

Ferramentas no-paramtricas

Prakash e Zhang tambm esto adotando outra abordagem para melhorar o estado atual da modelagem preditiva.

Segundo eles, mtodos estatsticos no-paramtricos podem ser muito flexveis e eficazes para modelar dados de sries temporais quando h muitas incgnitas em um conjunto de dados.

De modo geral, isso ocorre porque as ferramentas no-paramtricas analisam as medianas dos grupos, em vez das mdias dos grupos. Como resultado, torna-se possvel entender melhor os valores discrepantes e us-los para fortalecer o modelo.

“Nosso objetivo desenvolver modelos de ponta a ponta com princpios que incorporem restries e comportamentos hierrquicos. Tambm incorporaremos sinais de diferentes pontos de vista, como sinais demogrficos, sinais de sries temporais e modelos mecanicsticos, para permitir que eles se reforcem mutuamente para tornar os modelos mais precisos, confiveis e robustos,” disse Zhang.

A pesquisa chamou a ateno da empresa Meta, antigo Facebook, que j garantiu financiamento para o trabalho.


Seguir Site Inovação Tecnológica no Google Notícias

Outras notcias sobre:

Mais tópicos

Fonte: Acesse Aqui o Link da Matéria Original

1548234083 file be0b03d8 Vision Art NEWS

Deixe um comentário

Este site usa cookies para que você tenha a melhor experiência do usuário. Se continuar a navegar, dará o seu consentimento para a aceitação dos referidos cookies e da nossa política de cookies , clique no link para obter mais informações. CONFIRA AQUI

ACEITAR
Aviso de cookies
Translate »