O Facebook treina computadores para aprender mais como os humanos fazem

O cientista-chefe de inteligência artificial do Facebook , Yann LeCun, brinca com uma caneta enquanto explica como deseja que as máquinas aprendam por meio da observação, assim como os bebês. 

Nos primeiros meses de vida, os bebês pegam dicas sobre como o mundo funciona olhando para o que está à sua frente, diz LeCun. Eles aprendem que os objetos são tridimensionais e podem ser escondidos. Deixando cair a caneta para marcar um ponto durante uma entrevista em vídeo, LeCun observa que os bebês também aprendem que, se um objeto não for apoiado, ele cairá.

“Gostaríamos que os sistemas de inteligência artificial aprendessem como o mundo funciona por meio da observação, porque isso terá uma grande implicação”, disse ele. “Isso permitiria que as máquinas tivessem algum nível de bom senso.”

A equipe de pesquisa de IA do gigante da mídia social está empurrando os computadores para mais perto desse objetivo, ensinando-os a preencher os espaços em branco sem depender de humanos para rotular ou selecionar dados. A abordagem, conhecida como aprendizagem auto-supervisionada, tem o potencial de melhorar o Facebook, incluindo moderação de conteúdo. A equipe de IA da rede social disse na quinta-feira que alcançou um “avanço” no esforço quando seu modelo de visão computacional autossupervisionado conhecido como Seer (abreviação de SElf-supERvised) foi capaz de aprender com um bilhão de imagens públicas aleatórias, sem rótulo e não curadas do Instagram .

Depois de aprender com essas imagens, Seer identificou e categorizou corretamente o objeto dominante nas fotos com uma taxa de precisão de 84,2%. O Seer superou os melhores sistemas autossupervisionados existentes em um ponto percentual, de acordo com o estudo.

As descobertas são um “grande avanço que finalmente abre o caminho para modelos de visão computacional mais flexíveis, precisos e adaptáveis ​​no futuro”, de acordo com um post de blog que acompanhou o estudo.

Reconhecer e categorizar as imagens corretamente pode ajudar a melhorar uma variedade de produtos. O Facebook e outras redes sociais usam IA para classificar o conteúdo em feeds e sinalizar imagens e vídeos que violam suas regras contra discurso de ódio ou nudez. A IA é usada em carros para ajudar os motoristas a evitar colisões e em imagens médicas para agilizar os diagnósticos. O Facebook, que planeja lançar seu primeiro par de óculos inteligentes este ano, também usa IA em seus sistemas de realidade virtual e aumentada para rastrear a posição de uma pessoa em uma área.  

“A vantagem do aprendizado autossupervisionado é que você pode treinar redes muito grandes e ainda assim será preciso”, disse LeCun.

As imagens online podem ser difíceis de reconhecer por uma máquina porque podem estar borradas ou tiradas de ângulos estranhos. Se as máquinas são capazes de aprender por conta própria, elas podem se adaptar a essas circunstâncias. 

A aprendizagem auto-supervisionada pode ajudar a reduzir os preconceitos que surgiram em algumas pesquisas de IA, disse LeCun. Por exemplo, alguns estudos mostraram que os sistemas de reconhecimento facial têm mais dificuldade para identificar corretamente as minorias, possivelmente porque os pesquisadores usam conjuntos de fotos que incluem mais pessoas brancas. A remoção do elemento de rotulagem humana pode reduzir parte do preconceito, disse ele, alertando que a teoria é “um pouco especulativa”.

Embora treinar máquinas para serem tão inteligentes quanto humanos possa gerar preocupações de que a IA seja mais inteligente do que a humanidade, não é um futuro com o qual LeCun se preocupa. Inteligência, ele observa, não está conectada ao desejo de dominar o mundo.

“O desejo de dominar outras entidades está embutido na natureza humana”, disse ele, “mas não há absolutamente nenhuma razão para conectá-lo em nossos sistemas de IA ou robôs.”

Deixe uma resposta

O seu endereço de email não será publicado. Campos obrigatórios marcados com *