Uma nova pesquisa em inteligência artificial, focada em machine learning, apresenta um modelo inovador que redefine a categorização de imagens, permitindo que sistemas de AI adaptem suas interpretações com base no contexto. Este desenvolvimento foi liderado pela Universidade de Michigan e apresentado na conferência CVPR 2025.
Contexto da pesquisa
O estudo, que foi apresentado em junho de 2025, traz uma abordagem chamada “categorization ad-hoc aberta” (OAK), que permite que sistemas de AI reinterpretam a mesma imagem de maneira dinâmica, dependendo do contexto e do propósito da categorização. A pesquisa destaca a flexibilidade necessária para que a AI possa compreender imagens de maneira similar à percepção humana.
Método proposto
A equipe de pesquisa ampliou o modelo CLIP da OpenAI, que é um modelo de AI baseado em visão e linguagem. A principal inovação foi a introdução de tokens de contexto, que funcionam como conjuntos de instruções especializadas. Esses tokens são alimentados no sistema junto com dados de imagem, permitindo que a tecnologia se concentre em características visuais relevantes sem instruções explícitas sobre onde “olhar”.
“Ficamos surpresos com a eficácia com que o sistema aprendeu a focar a atenção adequadamente e organizar os dados de maneira limpa com um mecanismo tão simples.”
(“We were surprised by how effectively the system learned to focus attention appropriately and organize data cleanly with such a simple mechanism.”)— Zilin Wang, Estudante de doutorado, Universidade de Michigan
Resultados e impacto
Os resultados mostram que OAK pode identificar categorias que nunca foram vistas durante o treinamento. Por exemplo, quando solicitado a reconhecer itens que podem ser vendidos em uma venda de garagem, o sistema pode identificar itens como malas e chapéus, mesmo que só tenha visto exemplos de sapatos. OAK combina abordagens de aprendizado semântico e agrupamento visual, alcançando uma precisão de 87,4% na identificação de categorias novas no conjunto de dados Stanford, superando outros modelos por mais de 50%.
A nova abordagem pode ser crucial para aplicações em robótica e outras áreas, onde os sistemas precisam perceber ambientes diferentes dependendo de suas tarefas.
Fonte: (TechXplore – Machine Learning & AI)
