Capacidade de Processamento de Luz do Cérebro Humano Pode Levar a Melhor Sensoriamento Robótico

O cérebro humano frequentemente serve como inspiração para a inteligência artificial (IA), e é o caso novamente, pois uma equipe de pesquisadores do Exército conseguiu melhorar o sensoriamento robótico ao estudar como o cérebro humano processa luz brilhante e contrastante. O novo desenvolvimento pode ajudar a levar à colaboração entre agentes autônomos e humanos.

De acordo com os pesquisadores, é importante que o sensoriamento de máquina seja eficaz em ambientes em constante mudança, o que leva a desenvolvimentos em autonomia.

A pesquisa foi publicada no Journal of Vision.

Capacidade de Exibição de 100.000 para 1

Andre Harrison é um pesquisador no U.S. Army Combat Capabilities Development Command’s Army Research Laboratory.

“Quando desenvolvemos algoritmos de aprendizado de máquina, imagens do mundo real são usualmente comprimidas para uma faixa mais estreita, como uma câmera de celular faz, em um processo chamado mapeamento de tom,” disse Harrison. “Isso pode contribuir para a fragilidade dos algoritmos de visão de máquina porque eles são baseados em imagens artificiais que não correspondem exatamente aos padrões que vemos no mundo real.”

A equipe de pesquisadores desenvolveu um sistema com capacidade de exibição de 100.000 para 1, o que lhes permitiu obter insights sobre o processo de computação do cérebro no mundo real. De acordo com Harrison, isso permitiu que a equipe implementasse resiliência biológica nos sensores.

Os algoritmos de visão atuais ainda têm um longo caminho a percorrer antes de se tornarem ideais. Isso tem a ver com a faixa limitada de luminância, em torno de 100 para 1, devido aos algoritmos serem baseados em estudos de humanos e animais com monitores de computador. A razão de 100 para 1 é menos do que ideal no mundo real, onde a variação pode chegar a 100.000 para 1. Essa alta razão é chamada de alta faixa dinâmica, ou HDR.

Dr. Chou Po Hung é um pesquisador do Exército.

“Mudanças e variações significativas na luz podem desafiar os sistemas do Exército — drones voando sob uma copa de árvore podem ser confundidos por mudanças de reflexão quando o vento passa pelas folhas, ou veículos autônomos dirigindo em terrenos ásperos podem não reconhecer buracos ou outros obstáculos porque as condições de iluminação são ligeiramente diferentes daquelas com as quais seus algoritmos de visão foram treinados,” disse Hung.

A Capacidade de Compressão do Cérebro Humano

O cérebro humano é capaz de comprimir automaticamente a entrada de 100.000 para 1 em uma faixa mais estreita, e é isso que permite que os humanos interpretem a forma. A equipe de pesquisadores se esforçou para entender esse processo ao estudar o processamento visual precoce em HDR. A equipe se voltou para recursos simples, como luminância HDR.

“O cérebro tem mais de 30 áreas visuais, e ainda temos apenas uma compreensão rudimentar de como essas áreas processam a imagem do olho em uma compreensão da forma 3D,” continuou Hung. “Nossos resultados com estudos de luminância HDR, baseados em comportamento humano e gravações de scalp, mostram apenas o quão pouco sabemos sobre como bridar a lacuna entre laboratório e ambientes do mundo real. Mas essas descobertas nos tiram dessa caixa, mostrando que nossas suposições anteriores, baseadas em monitores de computador padrão, têm uma capacidade limitada de generalizar para o mundo real, e revelam princípios que podem guiar nosso modelamento para os mecanismos corretos.”

Ao descobrir como a luz e os contornos de contraste interagem na representação visual do cérebro, os algoritmos serão mais eficazes na reconstrução do mundo 3D em condições de luminância do mundo real. Ao estimar a forma 3D a partir de informações 2D, sempre há ambiguidades, mas essa nova descoberta permite que elas sejam corrigidas.

“Ao longo de milhões de anos de evolução, nossos cérebros evoluíram atalhos eficazes para reconstruir 3D a partir de informações 2D,” disse Hung. “É um problema de décadas que continua a desafiar cientistas de visão de máquina, mesmo com os recentes avanços em IA.”

A descoberta da equipe também é importante para o desenvolvimento de dispositivos de IA, como radar e compreensão de fala remota, que utilizam sensores de faixa dinâmica ampla.

“A questão da faixa dinâmica não é apenas um problema de sensoriamento,” disse Hung. “Pode ser também um problema mais geral na computação cerebral, pois neurônios individuais têm dezenas de milhares de entradas. Como você constrói algoritmos e arquiteturas que podem ouvir as entradas certas em diferentes contextos? Esperamos que, ao trabalhar nesse problema em um nível sensorial, possamos confirmar que estamos no caminho certo, para que possamos ter as ferramentas certas quando construirmos IA mais complexa.”