Após aprender a escrever, programa passa no Teste de Turing visual

Utilizando-se da técnica de deep learning↳Deep learning9 conteúdosRedes neurais roots – Parte 01Dev (Back & Front) · abr 2019Redes neurais roots – Parte 02: treinamentoDev (Back & Front) · mai 2019Redes neurais roots – Parte 03: show me the codeDev (Back & Front) · mai 2019Ver tudo em AI →, uma equipe de cientistas dos EUA e do Canadá desenvolveu um programa de inteligência artificial capaz de reproduzir o processo de aprendizagem utilizado por humanos.

Por enquanto, o software só consegue aprender a desenhar letras de alfabetos, mas suas capacidades podem vir a ser usadas em aplicações em outros sistemas baseados em símbolos, como gestos e movimentos corporais, e palavras faladas ou escritas.

Assim, os pesquisadores estão trabalhando na criação de algoritmos que permitam que os programas de IA saibam utilizar o aprendizado de um conceito novo de maneira diversificada, como acontece com os humanos. As máquinas, quando aprendem novos conceitos, precisam ser treinadas com centenas de milhares de exemplos, enquanto os humanos precisam somente de um ou dois exemplos.

• Agora linguagem de programação da Apple, Swift, é open source
• Projeto HumanUino busca financiamento para aulas de programação para crianças carentes

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

Com uma técnica chamada de “Programa de Aprendizagem Bayesiano”, o programa “aprendeu a aprender” a generalizar, usando o conhecimento de conceitos anteriores para acelerar a aprendizagem de novos conceitos – por exemplo, ele utilizou o conhecimento do alfabeto latino para aprender as letras do alfabeto grego.

Em seguida, os cientistas compararam a capacidade de aprendizagem de seu programa com outros que utilizam algoritmos diferentes e com pessoas reais, por meio do que eles chamam de “Testes de Turing Visuais”. Na prática, isso envolve juízes humanos que devem decidir se as “provas” foram feitas por humanos ou por máquinas.

Como resultado, para cada Teste de Turing visual, menos de 25% dos juízes se saíram melhor do que o mero acaso (50% de acerto e 50% de erro) para indicar se a letra havia sido desenhada por uma máquina ou por um ser humano. Isso representa o melhor resultado desse tipo de abordagem, mesmo com uma tarefa simples.