Abordagem de aprendizagem profunda para reconhecimento de imagens

Embora provavelmente seja a palavra da moda do século, a IA ainda é um conceito vago para muitas pessoas. Em uma tentativa de desvendar sua ambiguidade, aqui está uma breve introdução que apresenta duas maneiras pelas quais as empresas adotam e desenvolvem a IA, e como escolhemos fazer isso.

Fora do reino de Westworld, a IA tem muitas formas, uma longa história e está mais presente na sua vida cotidiana do que você imagina.

Nós nos conectamos com amigos nas mídias sociais, pegamos um Uber para o trabalho, descobrimos novos programas 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 esses recursos há várias décadas.

Então, por que todos parecem estar aderindo ao movimento da IA neste momento?

Em 2012, a pesquisa em IA fez um grande avanço na forma de redes neurais profundas.
Elas são muito mais poderosas do que os métodos de aprendizado anteriores e fornecem os melhores resultados em vários problemas da vida real. Seu desenvolvimento é respaldado por avanços na capacidade de computação, o que permitiu a execução de um grande número de parâmetros e o complexo processo de aprendizado com muitos dados.

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

Como os produtos de IA são criados?

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

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

No entanto, essas ferramentas não são perfeitas. Muitas vezes, elas têm um desempenho ruim ao resolver problemas específicos de IA, e as empresas perdem a oportunidade de oferecer qualidade e experiência de usuário supremas.

Muitas APIs permitem o reconhecimento de texto em imagens, mas é quase certo que não estão ajustadas para extrair tipos e formatos específicos, ou seja, dar sentido ao texto reconhecido. Por exemplo, elas não conseguem detectar o nome e o sobrenome no documento de identidade de alguém ou reconhecer um tipo específico de problema de matemática. Em Microblink, percebemos essa lacuna e demos um passo adiante para oferecer um software de visão computacional especializado e significativamente melhor no mercado.

A outra abordagem de IA adotada pelas empresas é a criação de soluções proprietárias para aplicação especializada em um determinado produto ou serviço. Essa abordagem também está se tornando mais fácil para você começar. O principal motivo para isso é o número crescente de conjuntos de dados disponíveis publicamente para o treinamento de modelos de aprendizado de máquina. Alguns podem funcionar até mesmo para problemas específicos de ML (por exemplo, o conjunto de dados MS COCO para detecção, segmentação e legendagem de objetos).

Além de conjuntos de dados facilmente acessíveis, há também mais ferramentas de código aberto que simplificam o processo de aprendizado. O PyTorch e o Tensorflow 2.0, as bibliotecas de aprendizado de máquina de código aberto mais populares para pesquisa e produção, são significativamente mais fáceis de usar do que eram, digamos, há dois anos.

Desculpe-me por estragar a festa novamente, mas essa abordagem também tem um problema. A teoria é uma coisa, mas em problemas da vida real, pode ser difícil obter os resultados desejados. Há dois problemas comuns que você deve observar ao criar suas próprias soluções de IA:

1. A discrepância entre o conjunto de dados usado para treinar modelos de redes neurais e os dados reais aos quais os modelos são aplicados. Em particular, os modelos treinados em 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, já 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 entendimento e ainda menos paciência para desafios em serviços com tecnologia de ML. O serviço tem que funcionar sempre e tem que funcionar rápido).

Aproveitando o melhor dos dois mundos

Nos últimos seis anos, ficamos bem cientes dos benefícios e desafios de ambas as abordagens. Tornamos a IA o núcleo de nossa tecnologia e passamos a desenvolver redes neurais profundas há vários anos para solucionar os seguintes problemas:

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

Nós nos dedicamos a enfrentar esses desafios de visão computacional para possibilitar às empresas experiências digitais supremas, como:

• Pagamentos de contas sem esforço (por meio da digitalização de boletos de pagamento – porque quem ainda vai ao banco?)
• Fácil rastreamento de despesas (digitalizando recibos de varejo em vez de inserir cada item comprado manualmente)
• Integração remota de usuários (por meio da digitalização de documentos de identidade ou cartões de crédito)
• Dominar a matemática com facilidade (usando um aplicativo para digitalizar, resolver e aprender conceitos matemáticos)

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

Se isso despertou sua curiosidade, ótimo! Em outro post, você encontrará um pouco mais de sabedoria: Nosso guia de 5 etapas para o desenvolvimento de IA.