A pesquisa em inteligaªncia artificial estãoconstantemente desenvolvendo novas hipa³teses que tem o potencial de beneficiar a sociedade e a indaºstria; no entanto, a s vezes esses benefa­cios não são totalmente realizados devido a  falta de ferramentas de engenharia. Para ajudar a preencher essa lacuna, os alunos de pós-graduação do Programa de Tese de Mestrado em Engenharia (MEng) 6-A do Departamento de Engenharia Elanãtrica e Ciência da Computação do MIT trabalham com algumas das empresas mais inovadoras do mundo e colaboram em projetos de ponta, enquanto contribuem para e completando sua tese MEng.

Durante uma parte do ano passado, quatro alunos do 6-A MEng se uniram e conclua­ram um esta¡gio com a equipe de prototipagem avana§ada da IBM Research por meio do MIT-IBM Watson AI Lab em projetos de IA, geralmente desenvolvendo aplicativos da Web para resolver um problema do mundo real ou casos de uso de nega³cios. Aqui, os alunos trabalharam ao lado de engenheiros de IA, engenheiros de experiência do usua¡rio, pesquisadores full-stack e generalistas para acomodar solicitações de projetos e receber conselhos de teses, diz Lee Martie, membro da equipe de pesquisa da IBM e gerente da 6-A. Os projetos dos alunos variaram desde a geração de dados sintanãticos para permitir a análise de dados sensa­veis a  privacidade atéo uso de visão computacional para identificar ações em va­deo que permitem monitorar a segurança humana e acompanhar o progresso da construção em um canteiro de obras.

“Apreciei toda a expertise da equipe e o feedback”, diz Violetta Jusiega '21, graduada 6-A, que participou do programa. “Acho que trabalhar na indústria oferece a lente de garantir que as necessidades do projeto sejam atendidas e [oferece a oportunidade] de fundamentar a pesquisa e garantir que seja útil para algum caso de uso no futuro.”

A pesquisa de Jusiega cruzou os campos de visão computacional e design para focar em visualização de dados e interfaces de usua¡rio para a área médica. Trabalhando com a IBM, ela construiu uma interface de programação de aplicativos (API) que permite que os médicos interajam com um modelo de IA de estratanãgia de tratamento médico, que foi implantado na nuvem. Sua interface forneceu uma a¡rvore de decisão médica, bem como alguns planos de tratamento prescritos. Depois de receber feedback sobre seu projeto de médicos em um hospital local, Jusiega desenvolveu iterações da API e como os resultados eram exibidos, visualmente, para que fossem fa¡ceis de usar e compreensa­veis para os médicos, que geralmente não codificam. Ela diz que, “Essas ferramentas muitas vezes não são adquiridas em campo porque carecem de alguns desses princa­pios de API que se tornam mais importantes em um setor onde tudo já émuito rápido, então hápouco tempo para incorporar uma nova tecnologia.” Mas esse projeto pode eventualmente permitir a implantação do setor. “Acho que esse aplicativo tem muito potencial, seja ele escolhido pelos médicos ou simplesmente usado em pesquisas. a‰ muito promissor e muito emocionante ver como a tecnologia pode nos ajudar a modificar, ou posso melhorar, o campo da saúde para ser ainda mais personalizado para os pacientes e oferecer a eles o melhor atendimento possí­vel”, diz ela. “Acho que esse aplicativo tem muito potencial, seja ele escolhido pelos médicos ou simplesmente usado em pesquisas. a‰ muito promissor e muito emocionante ver como a tecnologia pode nos ajudar a modificar, ou posso melhorar, o campo da saúde para ser ainda mais personalizado para os pacientes e oferecer a eles o melhor atendimento possí­vel”, diz ela. “Acho que esse aplicativo tem muito potencial, seja ele escolhido pelos médicos ou simplesmente usado em pesquisas. a‰ muito promissor e muito emocionante ver como a tecnologia pode nos ajudar a modificar, ou posso melhorar, o campo da saúde para ser ainda mais personalizado para os pacientes e oferecer a eles o melhor atendimento possí­vel”, diz ela.

Outro estudante de pós-graduação 6-A, Spencer Compton, também estava considerando ajudar os profissionais a tomar decisaµes mais informadas, para uso em ambientes que incluem cuidados de saúde, mas ele estava abordando isso de uma perspectiva causal. Ao receber um conjunto de varia¡veis ​​relacionadas, Compton estava investigando se havia uma maneira de determinar não apenas a correlação, mas a relação de causa e efeito entre elas (a direção da interação) apenas a partir dos dados. Para isso, ele e seus colaboradores da IBM Research e da Purdue University recorreram a um campo da matemática chamado teoria da informação. Com o objetivo de projetar um algoritmo para aprender redes complexas de relações causais, Compton usou ideias relacionadas a  entropia, a aleatoriedade em um sistema, para ajudar a determinar se uma relação causal estãopresente e como as varia¡veis ​​podem estar interagindo. “Ao julgar uma explicação, as pessoas costumam usar a navalha de Occam como padra£o”, diz Compton. “Estamos mais inclinados a acreditar em uma explicação mais simples do que em uma mais complexa.” Em muitos casos, ele diz, parecia ter um bom desempenho. Por exemplo, eles foram capazes de considerar varia¡veis ​​como câncer de pulma£o, poluição e achados de raios-X. Ele ficou satisfeito que sua pesquisa permitiu que ele ajudasse a criar uma estrutura de “inferaªncia causal entra³pica” que poderia ajudar em decisaµes seguras e inteligentes no futuro, de maneira satisfata³ria. “A matemática érealmente surpreendentemente profunda, interessante e complexa”, diz Compton. “Na³s estamos basicamente perguntando, 'quando a explicação mais simples écorreta?' mas como uma questãode matemática.” eles foram capazes de considerar varia¡veis ​​como câncer de pulma£o, poluição e achados de raios-X. Ele ficou satisfeito que sua pesquisa permitiu que ele ajudasse a criar uma estrutura de “inferaªncia causal entra³pica” que poderia ajudar em decisaµes seguras e inteligentes no futuro, de maneira satisfata³ria. “A matemática érealmente surpreendentemente profunda, interessante e complexa”, diz Compton. “Na³s estamos basicamente perguntando, 'quando a explicação mais simples écorreta?' mas como uma questãode matemática.” eles foram capazes de considerar varia¡veis ​​como câncer de pulma£o, poluição e achados de raios-X. Ele ficou satisfeito que sua pesquisa permitiu que ele ajudasse a criar uma estrutura de “inferaªncia causal entra³pica” que poderia ajudar em decisaµes seguras e inteligentes no futuro, de maneira satisfata³ria. “A matemática érealmente surpreendentemente profunda, interessante e complexa”, diz Compton. “Na³s estamos basicamente perguntando, 'quando a explicação mais simples écorreta?' mas como uma questãode matemática.” 'quando a explicação mais simples estãocorreta?' mas como uma questãode matemática.” 'quando a explicação mais simples estãocorreta?' mas como uma questãode matemática.”

Determinar relacionamentos dentro de dados a s vezes pode exigir grandes volumes para descobrir padraµes, mas para dados que podem conter informações confidenciais, isso pode não estar dispona­vel. Para seu trabalho de mestrado, Ivy Huang trabalhou com a IBM Research para gerar dados tabulares sintanãticos usando uma ferramenta de processamento de linguagem natural chamada modelo de transformador, que pode aprender e prever valores futuros a partir de valores passados. Treinado em dados reais, o modelo pode produzir novos dados com padraµes, propriedades e relacionamentos semelhantes sem restrições como privacidade, disponibilidade e acesso que podem vir com dados reais em transações financeiras e registros médicos eletra´nicos. Além disso, ela criou uma API e implementou o modelo em um cluster IBM, o que permitiu aos usuários aumentar o acesso ao modelo e a capacidade de consulta¡-lo sem comprometer os dados originais.

Trabalhando com a equipe de prototipagem avana§ada, o candidato do MEng Brandon Perez também considerou como coletar e investigar dados com restrições, mas no seu caso foi usar estruturas de visão computacional, centradas em um modelo de reconhecimento de ações, para identificar os acontecimentos do canteiro de obras. A equipe baseou seu trabalho no conjunto de dados Moments in Time, que contanãm mais de um milha£o de videoclipes de três segundos com cerca de 300 ra³tulos de classificação anexados e teve um bom desempenho durante o treinamento de IA. No entanto, o grupo precisava de mais dados de va­deo baseados em construção. Para isso, eles usaram o YouTube-8M. Perez construiu uma estrutura para testar e ajustar modelos de detecção de objetos existentes e modelos de reconhecimento de ação que podem ser conectados a uma ferramenta automa¡tica de localização espacial e temporal - como eles identificariam e rotulariam ações especa­ficas em uma linha do tempo de va­deo. “Fiquei satisfeito por poder explorar o que me deixou curioso e grato pela autonomia que me foi dada com este projeto”, diz Perez. “Senti que sempre fui apoiado e meu mentor foi um grande apoio ao projeto.”

“O tipo de colaboração que vimos entre nossos alunos do MEng e pesquisadores da IBM éexatamente o que éo programa 6-A MEng Thesis no MIT”, diz Tomas Palacios, professor de engenharia elanãtrica e diretor do corpo docente do MIT 6-A. Programa de Tese do MEng. “Por mais de 100 anos, a 6-A conecta estudantes do MIT com a indústria para resolver juntos alguns dos problemas mais importantes do mundo.”