Investigadores tornam IA mais clara e confiável na indústria

Por: Redação 

Uma equipa de investigadores da Faculdade de Ciências e Tecnologia da Universidade de Coimbra (FCTUC) desenvolveu um método para tornar os modelos de Inteligência Artificial mais explicáveis e confiáveis, com foco na sua aplicação em contextos industriais.

De acordo com o comunicado de imprensa, os investigadores, responsáveis pelo artigo Distilling Complex Knowledge Into Explainable T–S Fuzzy Systems, desenvolveram uma metodologia inovadora que utiliza sistemas de lógica difusa (fuzzy systems), capazes de lidar com informações imprecisas ou incertas, simulando a forma como os seres humanos tomam decisões baseadas em regras vagas, integrada numa arquitetura do tipo “professor-aluno” (knowledge distillation).

Essa abordagem permite transformar modelos de inteligência artificial complexos e difíceis de interpretar em versões mais simples e explicáveis, por meio de um processo em que um modelo mais sofisticado atua como “professor” e serve de referência para treinar um modelo mais acessível, o “aluno”, sem comprometer o desempenho.

Nesse contexto, o modelo complexo, denominado NFN-LSTM, combina redes neuronais do tipo Long Short-Term Memory (memória de longo curto prazo) com lógica difusa e desempenha o papel de “professor”, enquanto o modelo mais simples e interpretável, chamado NFN-MOD, aprende a reproduzir seu comportamento de forma compreensível e eficiente.

Modelo NFN-MOD traduz decisões de IA

O modelo NFN-MOD consegue representar como os processos industriais evoluem ao longo do tempo, utilizando informações de momentos anteriores para fazer previsões.

Segundo a equipa de investigadores, a metodologia foi testada em dois casos reais: numa
unidade de recuperação de enxofre e num processo de moagem na indústria do cimento. Em ambos, o modelo NFN-MOD conseguiu imitar o comportamento do modelo mais complexo, ao mesmo tempo em que explicava de forma “clara” os fatores que causam eventos importantes, como picos na emissão de gases nocivos ou mudanças na concentração de resíduos.

Este trabalho faz parte da tese de doutoramento de Jorge S. S. Júnior, orientada por Jérôme Mendes, investigador do Centro de Engenharia Mecânica, Materiais e Processos (CEMMPRE), e coorientação de Cristiano Premebida, investigador do Instituto de Sistemas e Robótica (ISR), em colaboração com Francisco Souza (imec-NL, OnePlanet Research Center, Países Baixos).