Aperfeiçoando a Visão Computacional Impulsionada por IA por meio da Consciência Física

A Inteligência Artificial deixou uma marca indelével em nossas vidas. Em um esforço pioneiro para melhorar ainda mais as capacidades da IA, pesquisadores da UCLA e do Laboratório de Pesquisa do Exército dos EUA apresentaram uma abordagem única que combina a consciência física com técnicas baseadas em dados em tecnologias de visão computacional impulsionadas por IA.

O estudo, publicado em Nature Machine Intelligence, propõe uma metodologia híbrida inovadora visando aprimorar a forma como a maquinaria baseada em IA percebe, interage e reage ao seu ambiente em tempo real — crítico para veículos autônomos e robôs de ação de precisão.

Abordagem Híbrida para IA Consciente da Física

Tradicionalmente, a visão computacional, o campo que permite que a IA compreenda e infira propriedades do mundo físico a partir de imagens, tem se concentrado principalmente em aprendizado de máquina baseado em dados. Paralelamente, a pesquisa baseada em física buscou desvendar os princípios físicos subjacentes a muitos desafios de visão computacional. No entanto, incorporar a compreensão da física no domínio das redes neurais tem se mostrado um desafio.

Em uma grande conquista, o estudo da UCLA pretende combinar a compreensão profunda dos dados e o conhecimento do mundo real da física, criando assim uma IA híbrida com capacidades aprimoradas. Achuta Kadambi, autor correspondente do estudo e professor assistente de engenharia elétrica e computacional na UCLA Samueli School of Engineering, explica: “Formas de inferência conscientes da física podem permitir que carros dirijam de forma mais segura ou que robôs cirúrgicos sejam mais precisos.”

Incorporando Física na Visão Computacional da IA

A equipe de pesquisa descreve três maneiras inovadoras de integrar a física na visão computacional da IA:

1. Infundindo física em conjuntos de dados da IA: Isso envolve etiquetar objetos com informações adicionais, como sua velocidade potencial ou peso, semelhante a personagens em jogos de vídeo.
2. Integrando física em arquiteturas de rede: Essa estratégia envolve executar dados por meio de um filtro de rede que codifica propriedades físicas no que as câmeras capturam.
3. Incorporando física na função de perda da rede: Aqui, o conhecimento baseado em física é utilizado para ajudar a IA a interpretar dados de treinamento sobre suas observações.

Essas linhas de pesquisa experimentais já produziram resultados promissores no aprimoramento da visão computacional. Por exemplo, a abordagem híbrida permite que a IA acompanhe e preveja o movimento de um objeto com mais precisão e possa produzir imagens precisas e de alta resolução a partir de cenas obscurecidas por condições climáticas adversas.

O Futuro da IA Consciente da Física

Os pesquisadores são otimistas de que avanços contínuos nessa abordagem de dualidade possam levar as IAs baseadas em aprendizado profundo a aprender independentemente as leis da física. Isso poderia marcar uma nova fronteira nas tecnologias de visão computacional impulsionadas por IA, abrindo caminho para aplicações de IA mais seguras e precisas em vários setores, incluindo veículos autônomos e robótica cirúrgica.

O estudo, apoiado em parte por uma subvenção do Laboratório de Pesquisa do Exército, foi coautorado pelo cientista do Laboratório de Pesquisa do Exército, Celso de Melo, e pelos membros da faculdade da UCLA, Stefano Soatto, Cho-Jui Hsieh e Mani Srivastava. Financiamento adicional veio de subvenções da National Science Foundation, do Programa de Jovens Investigadores do Exército, da Agência de Projetos de Pesquisa Avançada de Defesa, Intrinsic, uma empresa Alphabet (GOOG ) (GOOGL ), e Amazon.