Abordagem de aprendizado profundo para reconhecimento de imagens

Embora seja provavelmente a palavra da moda do século, a IA ainda é um conceito vago para muitas pessoas. Na tentativa de esclarecer essa ambiguidade, apresentamos aqui uma introdução acessível que destaca duas maneiras pelas quais as empresas adotam e desenvolvem a IA, e como decidimos fazer isso.

Fora do universo de Westworld, a IA assume diversas formas, tem uma história bastante longa e está mais presente no seu dia a dia do que você imagina.

Nós nos conectamos com amigos nas redes sociais, chamamos um Uber para ir ao trabalho, descobrimos novas séries na Netflix e recebemos recomendações de restaurantes no Maps — tudo isso é uma extensão digital das atividades que sempre fizemos. Só que agora, em grande parte graças à IA, a maneira como interagimos com esses serviços é mais rápida, mais fácil e mais inteligente.

Aprendizado de máquina, visão computacional, processamento de linguagem natural, redes neurais e mecanismos de recomendação — os engenheiros de pesquisa vêm desenvolvendo essas tecnologias há várias décadas.

Então, por que todo mundo parece estar entrando na onda da IA justamente agora?

Em 2012, a pesquisa em IA alcançou um grande avanço com o surgimento das redes neurais profundas.
Elas são muito mais poderosas do que os métodos de aprendizado anteriores e proporcionam os melhores resultados em inúmeros problemas da vida real. Seu desenvolvimento é apoiado por avanços no poder de computação, o que permitiu a execução de um número enorme de parâmetros e a realização do complexo processo de aprendizado, que envolve grandes volumes de dados.

As redes neurais profundas oferecem soluções poderosas para detecção de objetos, reconhecimento de imagens e segmentação. Para as empresas, elas representam uma oportunidade de criar uma experiência de usuário excepcional, aumentar a eficiência e encantar seus clientes.

Como os produtos de IA são desenvolvidos?

Quando se trata de criar produtos e serviços baseados em IA, as empresas geralmente optam por uma de duas abordagens. Elas utilizam APIs “plug&play” e modelos de aprendizado de máquina ou desenvolvem suas próprias soluções especializadas.

As APIs prontas para uso são a primeira escolha para muitas empresas, pois são muito acessíveis e fáceis de usar. Os principais provedores de serviços de computação as disponibilizam com facilidade, com o objetivo de atrair mais desenvolvedores para usar suas plataformas. É por isso que as APIs do Amazon Rekognition, do Google Vision ou do Microsoft Cognitive Services estão se tornando cada vez mais avançadas e poderosas.

No entanto, essas ferramentas não são infalíveis. Frequentemente, elas apresentam baixo desempenho na resolução de problemas específicos de IA, e as empresas perdem a oportunidade de oferecer qualidade e experiência do usuário de alto nível.

Muitas APIs permitem o reconhecimento de texto em imagens, mas quase certamente não estão preparadas para extrair tipos e formatos específicos, ou seja, para interpretar o texto reconhecido. Por exemplo, elas não conseguem detectar o nome e o sobrenome no documento de identidade de uma pessoa nem reconhecer um tipo específico de problema matemático. Na Microblink, percebemos essa lacuna e demos um passo adiante para oferecer ao mercado um software de visão computacional especializado e significativamente melhor.

A outra abordagem de IA adotada pelas empresas consiste em desenvolver soluções próprias para aplicações especializadas em um determinado produto ou serviço. Essa abordagem também está se tornando mais fácil de ser implementada. A principal razão para isso é o número crescente de conjuntos de dados disponíveis publicamente para o treinamento de modelos de aprendizado de máquina. Alguns podem até ser úteis para problemas específicos de aprendizado de máquina (por exemplo, o conjunto de dados MS COCO para detecção de objetos, segmentação e legenda).

Além de conjuntos de dados de fácil acesso, também existem mais ferramentas de código aberto que simplificam o processo de aprendizagem. O PyTorch e o TensorFlow 2.0, as bibliotecas de código aberto de aprendizado de máquina mais populares para pesquisa e produção, estão significativamente mais fáceis de usar do que eram, digamos, há dois anos.

Desculpem estragar a festa de novo, mas essa abordagem também tem uma pegadinha. A teoria é uma coisa, mas, na prática, pode ser difícil obter os resultados desejados. Há duas questões comuns com as quais se deve ter cuidado ao desenvolver suas próprias soluções de IA:

1. A discrepância entre o conjunto de dados utilizado para treinar modelos de redes neurais e os dados reais aos quais os modelos são aplicados. Em particular, modelos treinados com conjuntos de dados disponíveis publicamente raramente são adequados para produtos altamente especializados.
2. O problema da aplicabilidade em termos de consumo de recursos, memória e tempo, considerando que a solução final precisa atender aos requisitos de eficiência que muitas vezes não existem na fase de pesquisa do desenvolvimento da IA.
   (Em termos mais simples, os usuários finais têm pouco conhecimento e ainda menos paciência para lidar com os desafios dos serviços baseados em aprendizado de máquina. O serviço precisa funcionar sempre e precisa funcionar rápido.)

Aproveitando o melhor dos dois mundos

Nos últimos seis anos, passamos a conhecer bem os benefícios e os desafios de ambas as abordagens. Tornamos a IA o cerne de nossa tecnologia e, há vários anos, passamos a desenvolver redes neurais profundas para lidar com os seguintes problemas:

• Reconhecimento e extração de texto em imagens de documentos de identificação, cartões de crédito, recibos de compras e até mesmo problemas matemáticos
• Detecção e classificação de diferentes tipos de documentos
• Análise de imagens e diversas outras tarefas.

Estamos empenhados em superar esses desafios da visão computacional para proporcionar às empresas experiências digitais excepcionais, tais como:

• Pagamentos de contas sem esforço (basta escanear os boletos — afinal, quem é que ainda vai ao banco hoje em dia?)
• Acompanhamento fácil das despesas (por meio da digitalização de recibos de compras, em vez de inserir manualmente cada item adquirido)
• Integração de usuários remotos (por meio da digitalização de documentos de identidade ou cartões de crédito)
• Dominando a matemática com facilidade (usando um aplicativo para escanear, resolver e aprender conceitos matemáticos)

Utilizamos uma abordagem integrada que combina o melhor das duas perspectivas mencionadas acima, e nosso sucesso confirma que estamos no caminho certo. Nossa tecnologia tem alcance global, economizando tempo e facilitando as tarefas do dia a dia para mais de 100 milhões de usuários finais em todo o mundo. O Photomath, hoje uma empresa independente da Microblink, é o aplicativo número 1 para aprender matemática, tem mais de 120 milhões de downloads e foi recentemente integrado ao Snapchat. O BlinkReceipt, nosso produto para digitalizar recibos de lojas, já foi usado para digitalizar mais de 180 milhões de recibos até o momento. O BlinkCard, nosso produto mais recente, é o software de digitalização mais rápido e preciso para diversos tipos de cartões de crédito e bancários.

Se isso despertou sua curiosidade, ótimo! Compartilhamos mais algumas dicas em outro post: Nosso guia de 5 passos para o desenvolvimento de IA.