Inteligncia Artificial no enxerga como os humanos
Informtica
Redação do Site Inovação Tecnológica – 26/09/2022
Exemplo de um “frankenstein” usado para checar a preciso da viso artificial.
[Imagem: Nicholas Baker et al. – 10.1016/j.isci.2022.104913]
Iluses de ptica artificiais
As redes neurais convolucionais profundas (RNCPs) no veem os objetos da maneira como os humanos veem – e isso pode ser perigoso em aplicaes da inteligncia artificial no mundo real.
Esta a concluso dos professores Nicholas Baker e James Elder, da Universidade de York, no Canad, que descobriram que as tcnicas mais usadas no processamento de imagens para viso artificial – ou viso de mquina – no usam o mecanismo da viso humana, conhecido como percepo configurvel de forma.
Os dois pesquisadores usaram estmulos visuais, conhecidos como “frankensteins”, para explorar como o crebro humano e as redes neurais processam as propriedades dos objetos.
“Frankensteins so simplesmente objetos que foram desmontados e montados de forma errada,” explicou Elder. “Como resultado, eles tm todos as caractersticas locais corretas, mas nos lugares errados.”
A grande descoberta que, enquanto o sistema visual humano confundido pelos frankensteins, as RNCPs no so, revelando uma insensibilidade da viso artificial s propriedades dos objetos e oferecendo respostas incorretas em suas tentativas de identificao.
“Nossos resultados explicam por que modelos de IA profundos falham sob certas condies, e apontam para a necessidade de considerar tarefas alm do reconhecimento de objetos para entender o processamento visual no crebro,” disse Elder. “Esses modelos profundos tendem a usar ‘atalhos’ ao resolver tarefas complexas de reconhecimento. Embora esses atalhos possam funcionar em muitos casos, eles podem ser perigosos em algumas das aplicaes de IA no mundo real em que estamos trabalhando atualmente com nossos parceiros do setor e do governo.”
A inteligncia artificial no estranha o frankenstein e o enquadra na categoria mais similar.
[Imagem: Nicholas Baker et al. – 10.1016/j.isci.2022.104913]
Problema por resolver
Uma das aplicaes das redes neurais que preocupa os dois cientistas so os sistemas de segurana de trnsito e de viso artificial dos veculos autnomos: “Os objetos em uma cena de trnsito movimentado – os veculos, bicicletas e pedestres – obstruem uns aos outros e chegam aos olhos de um motorista como um amontoado de fragmentos desconectados,” explica Elder.
O crebro humano “desconstri” esse emaranhado de informaes visuais e consegue rapidamente distinguir um ciclista entrando rapidamente na via por detrs de outro carro.
Mas a inteligncia artificial no consegue fazer isso, vendo apenas fragmentos isolados – um carro com um tronco humano no teto, neste exemplo – que no sero adequadamente identificados, eventualmente colocando em risco os usurios mais vulnerveis no trnsito.
De acordo com os pesquisadores, as modificaes no treinamento e na arquitetura destinadas a tornar essas redes neurais convolucionais profundas mais parecidas com o crebro no resultaram no processamento similar ao humano, e nenhuma das redes foi capaz de prever com preciso as avaliaes humanas dos objetos.
“Ns especulamos que, para corresponder sensibilidade configural humana, as redes devem ser treinadas para resolver uma gama mais ampla de tarefas de objetos, alm do reconhecimento de categorias,” observou Elder.
Artigo: Deep learning models fail to capture the configural nature of human shape perception
Autores: Nicholas Baker, James H. Elder
Revista: iScience
DOI: 10.1016/j.isci.2022.104913
Outras notcias sobre:
Fonte: Acesse Aqui o Link da Matéria Original
