A Inteligência Artificial (IA) é um campo da computação que está em crescimento acelerado e presente no cotidiano da maioria das pessoas. Basta chamar “Ei, Siri”, “Alexa…” ou “Oi, Google” e está lá a IA respondendo. Os modelos de inteligência artificial aprendem por meio de treinamentos de diversas formas, entre elas, o supervisionado. Para executar esse tipo de treinamento é necessária uma grande quantidade de dados, que nem sempre é suficiente.
Mas para resolver esse problema, pode ser utilizada a técnica chamada GANs (do inglês Redes Neurais Generativas Adversárias), como explica o estudante Carlos Rocha, que participa de um projeto de pesquisa na área de IA do Instituto Federal de Goiás (IFG) Câmpus Goiânia e palestrou na 4ª edição da Campus Party Goiás (CPGoiás2).
Leia também: Professora reforça importância do contraturno como oportunidade cultural para jovens: ”Tira eles das ruas”
Conforme o estudante, a ferramenta consiste em duas redes neurais artificiais inversas (uma contra a outra), que têm o objetivo de gerar qualquer distribuição de dados (imagem, vídeo, texto, áudio, entre outros) próximos dos exemplos fornecidos. Com as GANs, os bancos de dados (datasets) podem ser amplificados sinteticamente, com a adição de variabilidade e uniformidade.
“Os modelos de Inteligência Artificial dependem de muitos dados, mas nem sempre é possível obter esses dados no mundo real. Então, a partir dessa arquitetura de rede é possível gerar dados artificiais possíveis de serem aplicados nesses modelos”, explicou Carlos Rocha em entrevista ao Sistema Sagres de Comunicação.
Os IA usam redes neurais artificiais inspiradas nos neurônios dos humanos. Elas têm a capacidade de aprendizado e resolução de problemas. Isso acontece quando essa rede recebe um tipo de informação (dataset ou banco de dados), processa com os valores já aprendidos por meio dos treinos e, a partir daí, retorna com uma resposta. Por isso, quanto mais dados ela tiver, mais preciso será o resultado.
Na prática
Carlos Rocha fez um teste utilizando imagens de faces de humanos para treinar o algoritmo da Inteligência Artificial. Antes, ele usou um banco de dados limitado de rostos já existentes e inseriu nas Redes Neurais Generativas Adversárias (GANs). No processo, a primeira rede, chamada geradora, vai criar um banco de imagens falso ou artificial. Esses dados serão transferidas para a segunda rede, chamada discriminadora, que tem a função de dizer se essa imagem é verdadeira ou falsa. Ela é capaz de fazer isso por meio de imagens reais armazenadas no sistema previamente.
“Uma vez que a rede discriminadora consegue diferenciar as imagens, ela retorna a imagem para a primeira rede, que vai ter a função de enganar a segunda de novo. Por isso, são chamadas de redes adversárias. A segunda rede quer identificar as imagens e a outra quer produzir imagens falsas tão realistas que consiga enganar a segunda rede”, detalhou o pesquisador.
No teste, Carlos usou cinco mil imagens de pessoas em uma plataforma que fornece esse conteúdo a partir de registros de pessoas famosas, aplicou nas GANs e o resultado foi esse:
A única coisa que elas têm em comum é que nenhuma existe, mas foram geradas artificialmente. Carlos ressaltou que a importância dessas redes não é brincar de criar rostos humanos, mas treinar os algoritmos, pois eles precisam de muitos dados para obter uma resposta mais exata, o que remete mais recursos.
“Uma vez que detemos uma forma de gerar dados para poder treinar os nossos algoritmos de Inteligência artificial, podemos potencializá-los mais ainda”, concluiu o estudante.
As GANs foram introduzidas em um artigo de Ian Goodfellow e outros pesquisadores da Universidade de Montreal, incluindo Yoshua Bengio, em 2014. Em referência às GANs, o diretor de pesquisa de IA do Facebook, Yann LeCun, chamou o treinamento adversário de “a ideia mais interessante nos últimos 10 anos em Machine Learning”.
Carlos Rocha tem 19 anos e é estudante de Eletrônica na IFG Goiânia. Além de desenvolver IA, ele também trabalha como facilitador no Laboratório Include, onde ensina informática e robótica para estudantes da rede pública. Há um ano Carlos foi Jovem Aprendiz da Renapsi, um centro de promoção social em parceria com empresas, organizações sociais e órgãos governamentais que executa projetos de efetivação do direito à vida, à educação, à qualificação profissional e ingresso no mercado de trabalho, beneficiando milhares de famílias.
Leia mais:
