1.3 Áreas da Inteligência Artificial

1.3 Áreas da Inteligência Artificial

Nesta aula, vamos explorar algumas áreas da inteligência artificial. As fronteiras entre elas não são rígidas, e muitas vezes as técnicas utilizadas para resolver problemas de uma área podem ser úteis para resolver problemas de outra. O verdadeiro poder da inteligência artificial está, na verdade, em conectar todas as áreas.

Visão computacional

A visão computacional é um campo da inteligência artificial que se dedica ao desenvolvimento de algoritmos e ferramentas que conferem aos computadores a capacidade de compreender o mundo visual como os humanos. Inclui tarefas como o reconhecimento de objectos em imagens, a compreensão das suas relações, o reconhecimento de cores e texturas, bem como o reconhecimento de movimentos, acções e suas características. Dado que este campo se foca principalmente na análise de imagens e vídeos, iremos conhecer algumas das tarefas mais comuns.

A classificação de imagens é utilizada para determinar que tipo de objecto está presente numa imagem. Por exemplo, determinar se existe ou não um cão numa imagem é uma tarefa de classificação. A detecção de objectos localiza objectos e responde à questão de onde estão situados na imagem. Por exemplo, enquadrar um cão e um gato presentes numa imagem. A segmentação de imagem permite determinar a forma exacta dos objectos que aparecem na imagem — uma separação mais precisa dos contornos do cão e do gato.

As três principais tarefas da visão computacional no trabalho com imagens

Estas tarefas são aplicáveis em diversas áreas como a condução autónoma, análise de imagens médicas ou de satélite, e permitem uma pesquisa e organização mais eficiente de imagens.

Em que tarefas se enquadram os seguintes problemas:

• Determinar se há um peão na imagem.
• Separar os contornos dos semáforos, passeios e peões na imagem,
• Identificar onde está o sinal de trânsito na imagem?

No processamento de vídeo, as tarefas mais comuns são o seguimento de objetos, o reconhecimento de ações e o posicionamento.

O Seguimento de objetos, como o nome sugere, permite rastrear objetos em vídeo em tempo real. Por exemplo, seguir um carro vizinho durante uma condução autónoma ou acompanhar os movimentos de um jogador num jogo.

Rastreamento de objetos

(imagem retirada de https://docs.ultralytics.com/modes/track/)

A tarefa de reconhecer ações (eng. Reconhecimento de ação) é a capacidade de reconhecer e nomear uma ação que está presente num vídeo, por exemplo, saltar para dentro de água ou fechar uma janela. Estas tarefas ajudam-nos a compreender melhor o conteúdo de vídeo e a facilitar a sua pesquisa.

Exemplos de reconhecimento de ações em vídeos

A estimativa de pose é uma tarefa que identifica a figura humana num vídeo em tempo real, extraindo pontos-chave do esqueleto (olhos, nariz, boca, ombros, cotovelos, ancas, mãos, joelhos e pés). Estas tarefas são úteis em animações interactivas, realidade aumentada e outras aplicações..

Tarefa de Reconhecimento de Posição de Objeto: Imagens do conjunto de dados Leeds Sports Pose

Que tarefa precisamos de resolver para:

• Analisar se estamos sentados corretamente,
• Reconhecer a saída para o quintal do animal de estimação,
• Acompanhar os movimentos de um cliente numa loja?

Mais à frente, iremos abordar os conjuntos de dados utilizados na visão por computador e as redes neuronais convolucionais, um tipo especial de rede usada em tarefas de processamento de imagem e vídeo.

Processamento de Linguagem Natural

O Processamento de Linguagem Natural (PNL ) é um campo da inteligência artificial que lida com tarefas relacionadas com a compreensão e geração de linguagem natural. Existem mais de 7.000 línguas no mundo, cada uma com vocabulário, regras gramaticais e significados próprios.
Algumas tarefas comuns encontradas no processamento de linguagem natural serão descritas abaixo.

Assim como na classificação de imagens, na classificação de texto tentamos determinar se um texto pertence a uma categoria ou não. Por exemplo, é um artigo de jornal sobre o tema do desporto, está escrito em espanhol, é positivo, ou seja, contém algum comentário elogioso, seja verdadeiro ou falso, e coisas do género..

Classificação de texto

O Reconhecimento de Entidade Nomeada é uma tarefa relacionada ao reconhecimento de algumas partes do texto que são relevantes para sua análise posterior. Estes são geralmente os nomes das pessoas que aparecem nele, datas, nomes de geolocalização ou em alguns textos profissionais, por exemplo, no campo da medicina, sintomas ou nomes de doenças. Por um único nome, essas partes do texto são chamadas de entidades.

Exemplo de marcação de entidades nomeadas

A Tarefa da Máquina de Tradução  é desenvolver ferramentas que nos permitam traduzir conteúdo de uma língua para o conteúdo de outra língua. Concordaremos que esta tarefa é a base para uma comunicação bem sucedida e a disponibilidade de informação, mas também que é complicada porque cada língua e cada cultura que a língua representa tem as suas próprias peculiaridades, tais como frases, expressões idiomáticas, gírias ou sarcasmo que são muito difíceis de traduzir (como traduzir um cérebro estéril para pasto? ).

Os sistemas de perguntas e respostas lidam com a questão de como encontrar uma resposta concreta para uma determinada pergunta. São generalizações dos sistemas clássicos de recuperação de informação e permitem-nos obter mais facilmente a informação de que precisamos.

Resumir todas as informações importantes de várias fontes diferentes é conhecido como  uma tarefa de sumarização. Tal como na tarefa anterior, os resumos resultantes das tarefas de sumarização devem facilitar a leitura de uma grande quantidade de conteúdo ou servir para nos relembrar informações e detalhes importantes do que lemos.

Sumarização

Além de tarefas relacionadas ao texto e conteúdo textual, o processamento de linguagem natural também lida com análise de fala. Há duas tarefas em particular: fala para texto (speech-to-text)  e vice-versa, texto para fala (text-to-speech). Estes dois grupos de tarefas são especialmente importantes para o desenvolvimento de assistentes pessoais, programas como Siri, Cortana ou Alexa, que podem entender mensagens de voz e executar uma tarefa solicitada, como por exemplo, definir um alarme ou ligar para alguém da lista telefônica.

Em que tarefas se enquadram os seguintes problemas:

Extraindo o nome da organização no texto,

Descobrir quem é o autor do livro,

Qual é o significado da palavra Netizen ?

Inteligência Artificial Generativa

A Inteligência Artificial Generativa (AGI) é um campo da inteligência artificial que lida com a geração de conteúdo como imagens, texto, áudio ou vídeo. Ao longo dos últimos anos, os avanços neste campo têm sido impressionantes.

ChatGPT é um programa que marcou um avanço significativo na área da geração de conteúdos textuais. Ele, de acordo com as instruções do utilizador, os chamados prompts, pode gerar conteúdo de texto apropriados. No entanto, é importante lembrar que os textos gerados desta forma não têm de ser absolutamente rigorosos — podem conter dados incorretos, referências inventadas ou conteúdo ofensivo. Por isso, tudo o que for gerado pelo programa deve ser verificado antes de ser utilizado. Se criares uma conta em  chat.openai.com , podes experimentar por ti próprio como funciona o programa ChatGPT. Por trás do programa ChatGPT está a  comunidade OpenAI.

O programa StableDiffusion  , ao contrário  do ChatGPT, que gera texto, gera imagens com base em instruções. Por exemplo, todas as imagens listadas abaixo foram geradas por este programa. É um software de código aberto (open source) e pode ser descarregado a partir do repositório oficial no  GitHub juntamente com o respetivo código. Podes testar o próprio modelo em https://stablediffusionweb.com/ . Tem em atenção que este serviço é utilizado por um grande número de pessoas de forma gratuita e, por vezes, pode não estar disponível. O nome do próprio programa corresponde a uma técnica bastante popular utilizada nesta área.

Exemplos de imagens geradas pelo StableDiffusion

Muitas vezes, ao gerar imagens, o estilo desejado da nova imagem também pode ser selecionado. Esta técnica é conhecida como transferência de estilo (style transfer). Podes ver um exemplo na imagem abaixo.

Além de imagens e texto, a inteligência artificial também pode gerar conteúdo de áudio. Neste link, podes testar o programa MusicGen  da Meta, descrevendo por palavras que tipo de música desejas gerar e, eventualmente, fornecendo um exemplo para transferência de estilo. Depois, podes ouvir o conteúdo que criaste. Também podes experimentar programas que realizam transferência de estilo ao gerar voz (imitando a voz de outra pessoa) ou que compõem música com base no que já 'ouviram' nos dados. Um desses projetos é o Magenta. Podes aceder através do link https://magenta.github.io/listen-to-transformer/.

Atividades sugeridas:
- Peça ao ChatGPT para criar um quiz sobre IA e veja quantas questões consegue responder.
- Experimente dar instruções ao StableDiffusion ou Dalle-mini para gerar uma imagem semelhante à apresentada.

O programa DALL-E da OpenAI também gera imagens com base nas diretrizes do usuário. O programa dalle-mini é uma versão publicamente disponível deste programa. Está disponível em https://huggingface.co/spaces/dalle-mini/dalle-mini .

Jogar jogos

Uma das primeiras tarefas em que se tentou aplicar a inteligência artificial foi o jogo de xadrez. Com a sua vitória sobre o Grande Mestre Garry Kasparov, esta área de investigação ganhou bastante simpatia e apoio por parte da comunidade ligada à inteligência artificial. Apesar de seguirem um conjunto preciso de instruções e regras, os jogos são caracterizados por um fenómeno conhecido como explosão combinatória — ou seja, um número muito elevado de possíveis escolhas de ações após um determinado número de jogadas. Isto significa que os jogos não permitem encontrar soluções eficazes recorrendo apenas às técnicas de programação tradicionais dentro de um tempo razoável. Para além do xadrez, a inteligência artificial também se destacou no jogo Go, com o programa AlphaGo, e ainda em jogos de vídeo Atari e jogos de estratégia como Dota, Starcraft, entre outros. No final deste curso, vais aprender mais sobre uma área chamada aprendizagem por reforço (reinforcement learning), que é amplamente aplicada neste domínio.

Explosão combinatória no jogo de xadrez

Atividade sugerida:
- Verifique se o seu jogo favorito usa IA em alguma parte.

Robótica

A inteligência artificial é frequentemente necessária para melhorar os comportamentos e as capacidades de objetos físicos, como robots, máquinas industriais, automóveis, drones, eletrodomésticos ou dispositivos médicos. A informação sobre o mundo chega a estes objetos através de instruções por voz, gravações de câmaras ou medições de sensores, sendo a sua tarefa processar esses dados e transformá-los em decisões. O papel da inteligência artificial nesta área é melhorar as capacidades desses objetos e ajudá-los a adotar comportamentos inteligentes