Programa aprende a escrever e passa no Teste de Turing Visual

Redação do Site Inovação Tecnológica -  11/12/2015

O aprendizado de máquina é um dos campos mais florescentes da inteligência artificial.[Imagem: Danqing Wang]

Aprendizado profundo

Um software de inteligência artificial, baseado na técnica de "aprendizado profundo", conseguiu reproduzir com ótima fidelidade o processo usado pelos seres humanos para aprender conceitos novos.

Embora o programa só seja capaz de aprender a desenhar letras de alfabetos, a abordagem usada pode ser ampliada para aplicações em outros sistemas baseados em símbolos, como gestos, movimentos corporais, além das palavras, faladas ou escritas.

As pessoas ainda são muito melhores do que as máquinas para aprender novos conceitos, muitas vezes necessitando de apenas um ou dois exemplos, em comparação com as dezenas ou centenas de milhares de exemplos exigidos como treinamento para os softwares.

Brenden Lake e seus colegas canadenses e norte-americanos querem mais do que isso, e estão criando algoritmos que permitam que os programas de inteligência artificial, depois de aprender um conceito pela primeira vez usem-no de uma forma rica e diversificada, como os humanos, e não para simples repetição.

Aprender a aprender

O trio se concentrou em uma grande classe de conceitos visuais muitos simples - os caracteres manuscritos de diversos alfabetos.

O programa foi submetido a mais de 1.600 letras manuscritas de 50 sistemas de escrita de todo o mundo, incluindo sânscrito, tibetano, grego, russo e até mesmo letras inventadas, como as da série de televisão Futurama.

Usando uma técnica que a equipe chama de "Programa de Aprendizagem Bayesiano", o programa "aprendeu a aprender", a generalizar, utilizando o conhecimento de conceitos anteriores para acelerar a aprendizagem de novos conceitos - por exemplo, usando o conhecimento do alfabeto latino para aprender as letras do alfabeto grego.

Você consegue indicar a diferença entre humanos e máquinas? Os seres humanos e o novo programa de computador receberam uma imagem de um caractere novo (parte superior) e fizeram cópias dele. As grades de nove caracteres em cada par que foram gerados por uma máquina são (por linha) B, A; A, B; A, B. [Imagem: Branden Lake]

Teste de Turing Visual

A equipe então comparou a capacidade de aprendizagem de seu programa com outros programas que usam algoritmos diferentes e com pessoas reais por meio do que eles chamam de "Testes de Turing Visuais".

Isto envolve juízes humanos que devem decidir se as "provas" foram feitas por humanos ou por máquinas.

• Programa de inteligência artificial passa no Teste de Turing

Embora os acertos dos juízes tenham variado entre as diversas letras manuscritas, para cada Teste de Turing visual menos de 25% dos juízes saíram-se melhor do que o mero acaso (50% de acerto e 50% de erro) em indicar se a letra havia sido desenhada por uma máquina ou por um ser humano.

Isto é de longe o que de melhor havia sido conseguido com o aprendizado de máquina nesse tipo de abordagem, ainda que a tarefa seja simples. Aprender a juntar os caracteres e atribuir-lhes significados exigirá novos esforços da equipe, mas esta demonstração mostrou que eles parecem ter escolhido um bom caminho.

• Rede neural artificial aprende palavras, imagens e música

Bibliografia:

Human-level concept learning through probabilistic program induction
Brenden M. Lake, Ruslan Salakhutdinov, Joshua B. Tenenbaum
Science
Vol.: 350 ISSUE 6266, pp. 1332-1338
DOI: 10.1126/science.aab3050