Erick Muzart Fonseca dos Santos
Graduado em computação, especializado em análise de dados e Deep Learning (DL). Egresso do Deep Learning Summer School da Université de Montreal, Canadá, em 2017, onde teve contato com o estado da arte de DL e com alguns dos melhores pesquisadores mundiais da área. Auditor e cientista de dados no Tribunal de Contas da União (TCU), lotado no CePI onde atua no programa de capacitação dos auditores em análise de dados. Um dos fundadores do grupo de estudo em DL de Brasília, que congrega voluntários para acompanhar em conjunto os melhores cursos disponíveis na internet e participar de projetos colaborativos, tendo já realizado mais de 40 encontros presenciais no ISC/TCU em 2018
Palestra com um panorama de aplicações modernas de Inteligência Artificial: exemplos e desdobramentos.
Apresentado em 12/2/2019 no TCU em Brasília, por Erick Muzart Fonseca dos Santos
Link para as transparências: https://www.dropbox.com/s/4twq017z1o9…
Link para o Grupo de Estudo em Deep Learning de Brasília: https://t.me/DeepLearningBSB
Objetivos: Entenda em que consiste a Inteligência Artificial (IA) moderna, baseada em redes neurais artificias ou Deep Learning (DL), por meio de exemplos recentes de aplicações que estão transformando diversas áreas de negócio ao automatizar a geração de previsões para suporte à tomada de decisão. Esta apresentação visa exibir um panorama coerente de aplicações de IA e expor uma intuição de seu funcionamento, para facilitar a identificação de novas oportunidades de aplicação em outras áreas, como no governo e no controle externo. Serão apresentadas quais atividades de um processo de trabalho possuem maior potencial de produção de bons resultados com as técnicas da IA/DL, quais as limitações dessas técnicas e como conduzir um projeto de desenvolvimento em DL. Serão abordados os requisitos para um projeto bem sucedido, em termos de quantidade e qualidade dos dados necessários para treinar diversos tipos de modelo, seu custo computacional e os frameworks disponíveis para máxima produtividade.
1 – Contexto geral de IA.
2 – Machine Learning e Deep Learning: intuição dos modelos, como e porque funcionam.
3 – Relevância: novos resultados que ampliam as perspectivas de previsões em larga escala e baixo custo. Ex. ImageNet 2012. Arquiteturas pré-treinadas, reaproveitáveis para visão computacional (VGG, ResNet, DenseNet); conceitos de transferência de aprendizado entre domínios conexos.
4 – Aplicações -clássicas- de IA|DL: percepção (visão, audição), sensoriamento e controle com carros autônomos, dados estruturados, Processamento de Linguagem Natural (NLP): tradução, análise de sentimento, classificação de documentos.
5 – Aplicações mais originais: visão computacional sobre imagens de satélite com aplicações em diversos negócios: monitoramento de projetos de infraestrutura por indicadores indiretos; estoques e vendas de combustíveis e atividade do comércio varejista; necessidade de criatividade para identificar novas aplicações.
6 – Acoplamento de redes neurais: visão e NLP, para descrição de fotos|vídeos; leitura labial. Exemplo de codificação de uma rede neural.
7 – Aplicações médicas: interpretação confiável de exames médicos e diagnóstico para ganho de escala de medicina de alta qualidade a baixo custo; Ex: DeepMind|Google retinopatologias.
8 – Reinforcement learning: jogos Alpha Go e AlphaZero; criação autônoma de conhecimento.
9 – GANS: criação e geração de novos dados originais seguindo distribuição conhecida. Ex: geração de rostos humanos, pela nVidia. Aplicações: transferência de estilo, transformação de imagens|vídeos, aumento de resolução; mapeamento; ambientes virtuais.
10 – Aplicações contra-intuitivas, para soltar a imaginação: “visão WiFi”; tradução não-supervisionada, criação artística original.
11 – Aplicações questionáveis: fake vídeos indistinguíveis da realidade; armas autônomas; inferência de orientação sexual por foto.
12 – Limitações da IA|DL: o que DL ainda não permite fazer e quais os principais obstáculos ao seu uso.
13 – Principais riscos relacionados a IA não regulamentada: Concentração de poder/riqueza nos controladores da IA; Desemprego em massa, podendo levar a “irrelevância” de parte da população; Manipulação ou controle da opinião em grande escala (ex. Facebook).
14 – Como desenvolver competência técnica em IA|DL: Acesso aos cursos atuais das melhores universidades do mundo, MOOCs; Grupos de Estudo em Brasília; Desenvolvimento de projetos piloto; Laboratórios, Start-ups e inovação.
15 – Referências para aprofundamento no tema
Vídeos referenciados na apresentação:
- Two Minute Papers, demonstrações de GAN da Nvidia: https://youtu.be/-cOYwZ2XcAc
- Two Minute Papers, Everybody dance now, AI-Based Motion Transfer: https://www.youtube.com/watch?v=cEBgi…
- Autonomous weapons: https://www.youtube.com/watch?v=9CO6M… [até 3:39]
- Prevendo a destruição florestal antes que aconteça: https://orbitalinsight.com/blog/deep-learning-predict-deforestation-happens-3
Sê o primeiro