*Imagem: O novo modelo de aprendizagem reconhece as imagens com 84% de exatidão/Reprodução Facebook AI

Por redação AIoT Brasil

O início de uma era mais poderosa, flexível e acessível para a visão computacional: foi dessa forma nada modesta que o Facebook AI anunciou o SEER, sigla de SELF-supERvised, descrito como uma nova forma de aprendizagem autossupervisionada que aprende com qualquer grupo aleatório de imagens na internet, dispensando o acompanhamento de curadoria e a classificação que estão na base dos sistemas de machine learning atuais.

De acordo com um paper do Facebook AI, o SEER foi treinado por meio dos parâmetros de bilhões de imagens públicas aleatórias publicadas no Instagram, sem identificação nem curadoria, e nos testes superou largamente os sistemas autossupervisionados mais avançados, alcançando 84,2% de precisão top-1 no ImageNet. O SEER também teria superado os modelos supervisionados em tarefas como identificação de objetos, segmentação e classificação de imagens.

O Facebook anunciou que está partilhando os detalhes do SEER com a comunidade de inteligência artificial, assim como o código fonte da VISSL, a biblioteca que foi usada para desenvolver o SEER. O objetivo, segundo a empresa, é democratizar a aprendizagem autossupervisionada e acelerar novas aplicações no futuro.

“A aprendizagem autossupervisionada é uma das maneiras mais promissoras de construir conhecimento de fundo e de encontrar bom senso em sistemas de IA”, disse Yann LeCun, cientista-chefe do Facebook AI. “Se puderem obter uma compreensão mais profunda e diferenciada da realidade, além do que está especificado no conjunto de dados de treino, os sistemas de inteligência artificial serão mais úteis e, em última análise, vão nos aproximar da inteligência de nível humano”, acrescentou.

As tecnologias de IA e machine learning já são usadas no Facebook para identificar conteúdos, e o SEER representa uma nova abordagem que pretende ajudar as máquinas a ter a capacidade de julgamento que normalmente se atribui aos humanos para lidar com tarefas e tomar decisões. O modelo já foi aplicado ao processamento de linguagem natural e está sendo usado agora para o tratamento de imagens com visão computacional.

Yann LeCun acredita que sistemas que podem aprender a partir de qualquer informação recebida, sem depender de conjuntos de dados previamente selecionados e rotulados, representam “o futuro da IA”. Segundo o cientista, a principal diferença entre a forma de aprendizagem das pessoas e das máquinas é que “os humanos confiam no conhecimento prévio adquirido de como o mundo funciona, e é isso que se quer agora ensinar às máquinas”.