São Paulo — InkDesign News —
A ascensão do machine learning e da inteligência artificial (AI) nos últimos anos tem causado um impacto profundo nas diversas áreas, incluindo saúde, educação e tecnologia de consumo, que se transformam por meio de inovações continuas.
Contexto da pesquisa
Nos últimos anos, instituições de pesquisa e universidades brasileiras têm explorado as possibilidades do machine learning através de diversas metodologias. A Universidade de São Paulo (USP), por exemplo, tem sido um centro de pesquisas significativas nessa área, com foco em métodos que abordam desde redes neurais convolucionais (CNN) até modelos de aprendizado de linguagem natural (LLM).
Método proposto
O modelo de aprendizado supervionado utilizado na USP concentra-se em CNNs para tarefas de classificação de imagens, empregando o dataset CIFAR-10 como benchmark. As métricas de desempenho de precisão alcançadas até o momento superam 90% com técnicas de data augmentation, permitindo aumentar a diversidade do conjunto de dados de treinamento.
“Os resultados mostraram que a combinação de CNNs com data augmentation não só melhora a acurácia, mas também a robustez dos modelos em diferentes condições de teste.”
(“The results showed that combining CNNs with data augmentation not only improves accuracy but also the robustness of the models under different test conditions.”)— Dr. João Lima, Pesquisador, Universidade de São Paulo
Resultados e impacto
Os resultados obtidos indicam um avanço significativo na capacidade dos modelos de machine learning em interpretar dados visuais, com implicações diretas em áreas como segurança pública e saúde, onde a identificação precisa de padrões é crucial. Os pesquisadores relatam uma redução de 15% na taxa de erro em comparação com modelos anteriores.
“É claro que o machine learning pode transformar a maneira como abordamos problemas complexos, especialmente na medicina, onde a precisão é fundamental.”
(“It is clear that machine learning can transform the way we approach complex problems, especially in medicine, where precision is key.”)— Dra. Ana Souza, Coordenadora de Pesquisa, Instituto de Ciências Médicas
As aplicações práticas dessa pesquisa vão desde a análise de imagens médicas até a segurança de sistemas, criando uma gama de oportunidades para a integração de AI em soluções cotidianas. Os pesquisadores da USP estão planejando expandir suas investigações para incluir técnicas de aprendizado não-supervisionado e reforço, visando aprimorar ainda mais a eficácia dos modelos.
Fonte: (TechXplore – Machine Learning & AI)
