Redes neurais "humanizam" visão de carros sem motorista

Redação do Site Inovação Tecnológica -  24/05/2016

Iniciativas de software de código livre para carros sem motorista estão ajudando a minimizar as preocupações com segurança.[Imagem: Florian Lehmann/TUM]

Dúvidas do piloto automático

Como a tecnologia de reconhecimento de imagens em um carro sem motorista irá responder a uma forma desfocada aparecendo de repente na rua ou na estrada?

Em uma situação similar, os seres humanos geralmente são capazes de diferenciar entre, digamos, um ciclista distraído que de repente se desvia em direção à pista e folhas e poeira à beira da estrada sopradas pelo vento. A nossa resposta é baseada principalmente na intuição - podemos não ter certeza do que a forma realmente é, mas sabemos se ela se parece com um ser humano, com um redemoinho ou com um saco de papel.

Mas o que o piloto automático de um carro sem motorista deve fazer? Acionar violentamente os freios presumindo ser um pedestre ou ciclista, correndo o risco de causar uma colisão com os carros que veem atrás, ou apenas manter seu trajeto, correndo o risco de causar uma vítima?

A melhor solução, sem dúvida, é desenvolver uma tecnologia que permita que os softwares de reconhecimento de imagens fiquem melhores e não precisem correr tantos riscos.

E Jonas Kubilius e seus colegas da Universidade de Leuven, na Bélgica, acabam de demonstrar que as máquinas podem aprender a reagir a objetos estranhos de forma muito similar à dos seres humanos.

Redes neurais convolucionais profundas

As melhores tecnologias de reconhecimento de imagens atualmente são treinadas para reconhecer um conjunto fixo de objetos.

"As teorias de reconhecimento de objetos concordam que a forma tem importância primordial, mas não há consenso sobre como a forma pode ser representada, e até agora todas as tentativas de implementar um modelo de percepção de formatos que poderia funcionar com estímulos realistas falharam," disse Jonas.

Ele foi buscar uma alternativa nas redes neurais convolucionais profundas, algoritmos de inteligência artificial que se mostraram capazes de capturar aspectos importantes da percepção humana dos objetos.

Ainda não se sabe o que será exigido para que um carro autônomo possa receber sua carteira de motorista. [Imagem: Umich]

"Nós descobrimos que as redes neurais profundas não apenas são boas em tomar decisões objetivas ('Isto é um carro'), mas também desenvolvem sensibilidades de nível humano à forma dos objetos ('Isto se parece com ...').

"Em outras palavras, as máquinas podem aprender a nos dizer o que uma nova forma - digamos, uma letra de um novo alfabeto ou um objeto borrado na estrada - lhes lembra. Isso significa que estamos no caminho certo para desenvolver máquinas com um sistema visual e vocabulário tão flexível e versátil como o nosso," acrescentou o pesquisador.

Erros de motorista automático

Isto significa que em breve poderemos entregar com segurança o controle do nosso carro para um software?

"Não é bem assim. Nós não estamos lá ainda. E mesmo que as máquinas, em algum momento, sejam equipadas com um sistema visual tão poderoso como o nosso, os carros de autocondução ainda cometerão erros ocasionais - embora, ao contrário dos motoristas humanos, eles não ficarão distraídos porque estão cansados ou ocupados digitando texto no celular. No entanto, mesmo nas raras ocasiões quando os carros autônomos poderão errar, suas decisões serão pelo menos tão razoáveis quanto as nossas," opina Jonas.

Bibliografia:

Deep Neural Networks as a Computational Model for Human Shape Sensitivity
Jonas Kubilius, Stefania Bracci, Hans P. Op de Beeck
PLOS Computational Biology
DOI: 10.1371/journal.pcbi.1004896