FYI.

This story is over 5 years old.

Tecnologia

​Essa inteligência artificial te ajuda a tirar a selfie perfeita

Todos no Tinder lembrarão de você.
Crédito: Jake Stimpson/ Flickr

"Agora vai", você pensa ao subir uma nova foto no Tinder. "Que venham os matches."

É uma imagem sua em um campo aberto, as mãos sobre a cabeça inclinada para trás. É como se você dissesse: "Adoro o cheiro de estrume pela manhã!". Você está bonito (a) e em lugar bonito. Como não curtir?

Rola um matche ou outro, mas que dó, nem muitos mandam mensagem. Foi mal, miga, você perdeu na roleta do Tinder. Outros e outras levaram a melhor. Mas não se desespere. Saiba que a culpa não é do seu egoísmo nem de seu irremediável hálito de café. O problema é que talvez sua foto não seja memorável o suficiente.

Publicidade

Um novo sistema de aprendizagem profundo pode ajudar você na próxima. O sistema, uma rede neural chamada MemNet, desenvolvida por pesquisadores do Laboratório de Informática e Inteligência Artificial do MIT (CSAIL), analisa suas fotos e confere a elas um ranking de memorabilidade (sim, existe) com base em fotos que outros seres humanos consideraram mais memoráveis em testes. O sistema ainda sobrepõe sobre a imagem um "mapa de calor" que destaca que partes da foto as pessoas têm mais tendência a lembrar.

"Se observamos uma imagem,só porque lembramos dela, isso não significa que lembremos de todos os detalhes ao seu redor", disse Aditya Khlosa, estudante de PhD em informática responsável pelo projeto. "Por exemplo, se você viu uma foto minha e depois mudei levemente a iluminação, você diria que viu a foto antes. Porque você está focando em mim e é isso que você lembra. É isso que tentamos extrair da nossa rede: quais partes da imagem são importantes."

Minha foto de perfil do Facebook. Crédito: Demo da MemNet

Se você quer fazer um teste com suas fotos pagando de gatinho, tem uma demonstração online disponibilizada pelos pesquisadores.

De acordo com um artigo descritivo sobre o sistema, descobriu-se que fotos em que o rosto da pessoa é o foco tendem a ser mais memoráveis que aquelas com um cenário mais amplo. "Fiquei agradavelmente surpresa", afirmou Khlosa, referindo-se aos resultados.

A abordagem de Khlosa e seus colegas envolve um truque chamado de "sintonia fina" que se aproveita do poder dessas redes neurais – camadas de "neurônios" digitais que rodam cálculos complexos em dados inseridos (tipo fotos) e chegam mais perto de um dado de saída desejável ao aprender cada vez mais com a inserção de novos dados. Trata-se de tecnologia promissora que Elon Musk e seus amigos ricos há pouco apoiaram com um investimento de 1 bilhão de dólares em uma instituição de pesquisa sem fins lucrativos.

Publicidade

A técnica consiste em misturar partes de duas redes neurais diferentes. As camadas inferiores da MemNet foram tiradas de um sistema que reconhece ambientes e objetos; segundo a equipe, ambas foram treinadas em um número absurdo de fotos. As duas camadas superiores, por sua vez, foram treinadas com rankings de memorabilidade fornecidos por seres humanos em outros testes. Quando você fornece uma foto à MemNet, as camadas inferiores determinam se o que está retratado ali é uma pessoa ou cachorro ou se está sentado em uma bicicleta ou uma cadeira. As camadas superiores então conferem – assim que a MemNet souber o que está "vendo" – um ranking de memorabilidade geral. Para criar o mapa de calor, a rede analisa as partes da imagem e não seu todo.

Usar algoritmos para determinar quão objetos como rostos podem ser memoráveis é algo que já foi feito antes, mas não de forma tão bem sucedida. Khlosa atribui tal sucesso ao uso de aprendizagem profunda por parte da equipe do CSAIL com algoritmos mais limitados. A MemNet não é perfeita, porém.

Quando inseri uma caixa cinza sem nada à rede, ela lhe atribuiu uma nota "média" em termos de memorabilidade – a mesma nota atribuída a uma foto minha do Facebook. O mesmo para uma caixa em branco. Isso porque a rede não foi treinada para reconhecer imagens vazias, afirmou Khlosa, então se trata de uma "limitação do banco de dados", explicou.

Mas o trabalho na MemNet está longe de ter chegado ao fim. Junto do artigo, Khlosa e seus colegas estão disponibilizando seu banco de dados de imagens com suas pontuações para download. Outros pesquisadores podem usá-lo para desenvolverem seus próprios estudos sobre IA e memorabilidade, talvez até superando a própria MemNet. A equipe do CSAIL também se dedicará a tornar a MemNet útil para além de tornar sua foto no Tinder mais memorável. Khlosa afirma ver aplicações suas na sala de aula, por exemplo.

"Quando éramos jovens, memorizávamos um monte de diagramas, dava muito trabalho", disse. "Se pudéssemos tornar diagramas científicos mais memoráveis, visualmente falando, poderíamos facilitar o trabalho de estudantes e professores."

O sistema poderia ser usado até mesmo para tornar textos mais interessantes, de acordo com Khlosa. Mas como?

"Não sei, sendo bem sincero", disse. "Mas chegamos até aqui e iremos além, com sorte no decorrer dos próximos anos."

Tradução: Thiago "Índio" Silva