Funcionário da Amazon usa IA para impedir que seu gato traga animais mortos para dentro de casa

Eis uma aplicação inusitada de inteligência artificial, feita como um projeto pessoal por um empregado da Amazon nos Estados Unidos. Ben Hamm tem um gato, e como quase todo dono de gato sabe, frequentemente ele encontrava pequenos animais mortos ou machucados dentro de casa, que seu animal de estimação caçava no jardim e trazia para dentro. Às vezes era o próprio Ben quem tinha que sacrificar os animais em estado irrecuperável. Se inspirando em alguns dos produtos oferecidos pela própria empresa, ele teve então uma ideia: treinar um sistema de inteligência artificial para reconhecer quando o gato estava tentando entrar em casa com uma presa, e bloquear seu acesso.

O sistema faz uso do DeepLens, uma câmera da Amazon desenvolvida especificamente para ser usada em experimentos de machine learning, e do SageMaker, uma ferramenta que a Amazon oferece na sua plataforma de nuvem AWS para “criar, treinar e implantar rapidamente modelos de machine learning”. Ben instalou a câmera na portinhola que permitia ao gato acesso à casa, onde também colocou uma trava eletrônica. Ele então treinou o algoritmo para detectar quando o gato se aproximava, e determinar se ele estava trazendo uma presa. Em caso afirmativo, a trava seria acionada e permaneceria trancada por um intervalo de 15 minutos, tempo suficiente para que o gato se desfizesse da presa.

Ben até considerou que seria possível treinar o próprio gato ao invés de um modelo de machine learning, mas ele comenta que gatos não respondem bem a condicionamento por reforço negativo (ou seja, punição em função de comportamento indesejado), e que seria difícil aplicar reforço positivo (dar uma recompensa em caso de comportamento desejado) quando a frequência com que o gato trazia presas era baixa, além de que seus passeios no jardim costumavam acontecer de madrugada. Ainda assim, a aplicação de um modelo de machine learning foi um pouco exaustiva, já que ele precisou fornecer 23000 fotos rotuladas manualmente para as situações em que o gato não estava presente, estava se afastando ou se aproximando, e se tinha presa ou não.

As categorias de imagens fornecidas ao modelo. Créditos: Ben Hamm.

A precisão do sistema na prática não foi perfeita: em um período de cinco semanas, o gato ficou preso injustamente uma vez, e ganhou acesso uma das sete vezes em que tentou entrar com uma presa. Mas isso pode ser devido ao fato de que, no final das contas, o modelo treinou com poucos exemplos. O treinamento continuado pode melhorar essa performance. Ainda assim, é de se esperar que qualquer pessoa que já teve a desagradável surpresa de encontrar um rato morto no meio da cozinha veria vantagem em um sistema com 6/7 (86%) de precisão.

O projeto de Ben mostra que a inteligência artificial não está disponível somente para empresas. A tendência é que cada vez mais, pessoas comuns vão encontrar nessa tecnologia soluções para seus problemas cotidianos. Esse acaba sendo um bom exemplo da democratização das ferramentas mais recentes para as aplicações mais diversas, onde o limite é ditado somente pela engenhosidade pessoal.