Tecnologia Científica

O curso de engenharia ensina os alunos a aproveitar o poder da IA para o bem
O cientista da computação Mathias Unberath ensina os fundamentos da inteligência artificial e abordagens éticas para usar a poderosa tecnologia
Por Catherine Graham - 24/01/2021


Getty Images

A inteligência artificial é usada para resolver problemas difíceis, como a triagem de pacientes COVID-19 em hospitais ou para ajudar a polícia a identificar os participantes da insurreição de 6 de janeiro no Capitólio dos Estados Unidos. Mas a IA também permitiu a proliferação de "deepfakes", vídeos manipulados e outras mídias criadas por algoritmos de IA que costumam ser usados ​​para espalhar desinformação online.

Em Machine Learning: Deep Learning, um curso da Johns Hopkins oferecido no outono passado pelo professor assistente de ciência da computação Mathias Unberath , alunos de graduação e pós-graduação aceitaram o desafio de construir sistemas de IA do zero com o objetivo de resolver problemas contemporâneos. O curso, que ensina os alunos a projetar, usar e pensar sobre sistemas de IA, também está sendo oferecido nesta primavera, e mais de 100 alunos já se inscreveram até agora.

A aula expõe os alunos aos conceitos básicos de aprendizagem profunda emergentes em áreas como visão computacional, processamento de linguagem e saúde, diz Unberath, que leciona o curso nos últimos três anos.

"Avanços recentes em redes neurais profundas tiveram um impacto abrangente no campo da inteligência artificial", diz Unberath. "Os alunos de Hopkins certamente desempenharão um papel importante na formação dessa tecnologia no futuro. Queremos fornecer aos alunos as habilidades e estruturas conceituais certas para serem designers conscienciosos de tecnologias baseadas em IA, e é por isso que, além de conteúdo puramente técnico —Incluímos palestras sobre design centrado no ser humano, preconceito algorítmico e considerações éticas. "

Recentemente, mais de 90 alunos e professores participaram da vitrine virtual do curso, na qual 22 equipes de alunos compartilharam seus projetos finais. Após as apresentações, a Intuitive Surgical, uma empresa líder em robótica cirúrgica, premiou duas equipes com o prêmio de melhor projeto com um prêmio em dinheiro. Abaixo estão alguns dos projetos que chamaram a atenção dos jurados.

Deep Fakes for Good

Embora popularizada pela mídia social e aplicativos de troca de rosto, a tecnologia deepfake tem muitos usos positivos para arte, educação e até mesmo saúde. Por exemplo, a síntese de fala falsa profunda pode beneficiar pacientes que perderam a capacidade de falar, como pacientes com síndrome de encarceramento causada por esclerose lateral amiotrófica (ELA). Esses pacientes às vezes contam com interfaces de fala cérebro-computador para se comunicar, nas quais redes neurais profundas, ou DNNs, traduzem a atividade cerebral em fala e geram uma voz genérica.

"QUEREMOS FORNECER AOS ALUNOS AS HABILIDADES E ESTRUTURAS CONCEITUAIS CERTAS PARA SEREM DESIGNERS CONSCIENCIOSOS DE TECNOLOGIAS BASEADAS EM IA, E É POR ISSO QUE, ALÉM DO CONTEÚDO PURAMENTE TÉCNICO, INCLUÍMOS PALESTRAS SOBRE DESIGN CENTRADO NO SER HUMANO, VIÉS ALGORÍTMICO E CONSIDERAÇÕES ÉTICAS. "

Mathias Unberath
Professor assistente de ciência da computação

Através do uso de técnicas deepfake, um modelo pode ser treinado para gerar uma "voz" personalizada semelhante à humana, diz Steve Luo, um estudante de doutorado em engenharia biomédica que pesquisa estratégias de comunicação para a síndrome do encarceramento. Com esse problema em mente, Luo e os alunos de pós-graduação em robótica Jessica Soong e Cindy Huang construíram um sistema de conversão de texto em fala usando redes neurais convolucionais profundas.

"Este problema é desafiador devido à quantidade limitada de dados de treinamento. Nos casos em que um paciente já perdeu a voz, as amostras de voz simplesmente não estão disponíveis ou não são de boa qualidade", diz Soong.

Eles treinaram o modelo usando dois conjuntos de dados: amostras de voz publicamente disponíveis de 24 alto-falantes e um conjunto de dados personalizado de amostras de voz de Unberath, retiradas das palestras do curso pré-gravadas. Na apresentação final, a equipe demonstrou que o sistema pode gerar com sucesso vozes deepfake que soam muito como a pessoa real - incluindo seu próprio professor, mesmo com dados de treinamento limitados.

Detecção e classificação de máscara facial

Máscaras e distanciamento social têm se mostrado métodos eficazes para diminuir a disseminação de COVID-19. A necessidade de encorajar as pessoas a cumprir tais medidas de saúde pública é mais premente do que nunca, já que o mundo ultrapassa 2 milhões de mortes relacionadas ao coronavírus.

Para seu projeto, John Morkos, Andy Ding e Zach Murphy - todos estudantes de medicina de Hopkins interessados ​​em tecnologia de saúde - criaram um algoritmo para avaliar automaticamente o uso de máscara a partir de imagens. A equipe utilizou o conjunto de dados Kaggle Face Mask Detection, compreendendo 853 imagens diferentes de pessoas usando, não usando ou usando máscaras incorretamente. Usando técnicas de visão por computador de aprendizado profundo, a equipe implementou um modelo de detecção de objetos para identificar rostos nessas imagens e classificar o uso da máscara de acordo.

O modelo demonstrou resultados promissores para a identificação de faces corretamente mascaradas e não mascaradas; no entanto, a equipe descobriu que a detecção de máscaras incorretas exigia imagens mais detalhadas, porque o modelo também deve detectar características distintas do rosto, como o nariz, em relação à máscara. Mas, com mais imagens, dizem eles, o modelo pode ser útil para monitorar o uso da máscara em tempo real.

"Todos nós vimos pessoas em lojas de varejo examinando clientes em busca de máscaras, e isso nos inspirou a prosseguir com este projeto. Um sistema de visão automatizado como o nosso tornaria mais fácil fazer a triagem de conformidade de máscara em estádios, aeroportos ou outros espaços lotados." Ding diz.

DetectaTrip

De acordo com os Centros de Controle e Prevenção de Doenças dos Estados Unidos, 3 milhões de adultos com 65 anos ou mais são tratados em departamentos de emergência para lesões por queda a cada ano, mas muitas quedas ainda não serão relatadas, mesmo em instalações de cuidados, porque os prestadores de cuidados nem sempre sabem as quedas acontecer.

Para resolver esse problema, os alunos de graduação em ciência da computação Maia Stiber e Catalina Gomez e os alunos de pós-graduação em robótica Erica Tevere e Kinjal Shah criaram o DetectaTrip, uma ferramenta que pode apontar a localização de quedas em imagens de vídeo. Um grande obstáculo enfrentado pela equipe foi a falta de vídeos realistas de queda, já que muitos conjuntos de dados existentes incluem apenas quedas simuladas, disse Stiber. Felizmente, os alunos treinaram o modelo em um pequeno conjunto de dados de verdadeiras quedas inesperadas, que eles obtiveram nas compilações de "falhas" do YouTube.

A equipe relatou que DetectaTrip pode identificar o início de uma queda (em vídeos) com um alto grau de precisão. Stiber diz que uma possível extensão do projeto é usar o aprendizado profundo para identificar a causa de uma queda. Se totalmente realizado, o DetectaTrip tem o potencial de ajudar os prestadores de cuidados e hospitais a detectar quedas, avaliar a gravidade das quedas e atribuir urgência à intervenção médica.

 

.
.

Leia mais a seguir