Os sistemas de inteligência artificial estão ganhando um reforço nas tarefas de visão computacional. Pesquisadores do Instituto de Tecnologia de Massachusetts (MIT), nos Estados Unidos, desenvolveram um novo método para melhorar a forma como esses modelos de IA processam informações, permitindo-lhes analisar um campo visual mais amplo, semelhante à nossa visão periférica.
Tradicionalmente, os modelos de IA se concentram em uma área central, imitando o foco nítido da nossa visão central. Mas essa abordagem limitada pode dificultar sua capacidade de navegar no mundo real. Nossa visão periférica, embora não tão detalhada, desempenha um papel crucial em tarefas como detecção de movimento e percepção de cena.
O método do MIT aborda essa limitação introduzindo um dataset de imagens, batizado de COCO-Periph, onde a visão periférica foi simulada através de técnicas de alteração (blur) nos contornos da imagem, com o objetivo de deteriorar os detalhes. Essa abordagem permite que a IA capture detalhes essenciais no centro, permanecendo ciente das informações do entorno.
Os pesquisadores observaram que os modelos treinados neste paradigma desempenharam melhor se fossem treinados do início, ao invés de passarem por um processo de fine-tuning. Isto indica que há algo essencialmente diferente no processamento da informação quando a visão periférica faz parte do processo. Ainda assim, os melhores modelos produzidos pelo estudo tiveram performance pior que humanos em tarefas de reconhecimento de objetos, e os padrões de desempenho entre os dois grupos também foram diferentes, sugerindo que os modelos usam o contexto de forma diferente de humanos. O método atual pode não replicar perfeitamente as complexidades da visão humana, mas é um salto promissor na criação de IA capaz de perceber o mundo mais como nós.
Os pesquisadores planejam continuam explorando as diferenças, buscando um processo com desempenho mais parecido com o humano. Isto pode ajudar a desenvolver sistemas capazes de aumentar nossas habilidades de uma forma mais intuitiva, como por exemplo uma inteligência artificial capaz de alertar motoristas sobre perigos que eles possam não ter visto.
O trabalho pode ser consultado aqui.
