Nasceu o primeiro "bebê" da inteligência artificial

Uma inteligência artificial desenvolvida por pesquisadores do Google teve seu primeiro “bebê” no final do ano passado. Esquisito? A gente tenta explicar. A AutoML, como foi chamada, foi criada para gerar outras inteligências artificiais, para simplificar o trabalho dos pesquisadores do Google Brain, o braço da empresa focado em pesquisas do tipo.

Para programar, eles eram obrigados a fazer manualmente as redes de aprendizado das máquinas, um trabalho complexo que demandava um tempo considerável de engenheiros e cientistas especializados no assunto. Ou seja, humanos sempre deveriam ajudar a máquina a aprender suas tarefas.

A solução foi criar um tipo de inteligência artificial capaz de propor modelos para novas inteligências artificiais. Os "bebês" então são treinados e avaliados pela "mãe" para suas próximas tarefas, sem a ajuda de humanos.

VEJA TAMBÉM

• Inteligência artificial é capaz de detectar cegueira causada pela diabetes
• App da Uber vai "prever crimes" e bloquear viagens de risco

Após milhares de testes iniciais, o AutoML já havia desenvolvido modelos de reconhecimento de imagem com uma qualidade equivalente à dos frutos do trabalho dos especialistas.

Até que, em novembro, nasceu a NASNet, o primogênito. Ele surgiu com capacidades superiores a programas desenvolvidos e programado por humanos. E a NASNet tinha o comportamento parecido com o de uma criança: ficava testando soluções para seus problemas e era corrigido e guiado pela mãe AutoML. 

Assim, o "bebê" é capaz de identificar imagens com um aproveitamento melhor do que o apresentado pelos modelos criados por humanos - com acerto de 82,7% em sua forma completa. Outra vantagem de ter uma inteligência artificial criada por outra máquina é que ela pode ser ajustada para plataformas móveis e continuar produzindo resultados 3% melhores do que os modelos mais modernos já criados por humanos.

Ainda assim, a AutoML não foi uma mãe completamente independente, e precisou de uma ajudinha dos pesquisadores. Ela passou por alguns ajustes em suas configurações de pesquisas e contou com uma busca manual em bancos de imagens. Desta forma, os pesquisadores adaptaram a AutoML para lidar com grandes bases de dados, algo que ela não estava preparada originalmente.

Após apresentar os resultados do projeto, o Google disponibilizou publicamente a NASNet a outros pesquisadores que trabalham com aprendizado de máquinas.

“Esperamos que a comunidade de aprendizado de máquinas seja capaz de trabalhar com base nesses modelos para lidar com um grande número de problemas de visão computacional que podemos não ter imaginado”, publicou a empresa em seu blog.