Ia | Rodrigo Lira

Artigo escrito por aluno do IFPE recebe o prêmio de melhor artigo no Encontro Nacional de Computação dos Institutos Federais

Thu, 25 Jul 2024 10:18:25 -0300

No dia 25/07/2024, em Brasília, o artigo “Avaliando o Desempenho de Modelos Generativos de Dados para Classificação de Notícias Falsas” conquistou a premiação de Melhor Trabalho de Graduação do Encontro Nacional de Computação dos Institutos Federais (ENCompIF), evento realizado no 44º Congresso da Sociedade Brasileira de Computação!

Esse artigo é fruto do Trabalho de Conclusão de Curso (TCC) do estudante William Teles, egresso do curso superior em Análise e Desenvolvimento de Sistemas (ADS). O artigo teve orientação dos Professores Rodrigo Lira e Antônio Sá Barreto Neto e colaboração de João Gabriel Rocha Silva, professor do Instituto Federal de Brasília - IFB.

Postagem original:

Popularização e Democratização da Inteligência Artificial no Nordeste Brasileiro: Um Relato de Experiência

Thu, 28 Dec 2023 00:00:00 +0000

Material sobre Reinforcement Learning

Thu, 22 Jun 2023 10:18:25 -0300

Eu estou usando Aprendizam Por Reforço (do inglês, Reinforcement Learning) na minha tese de doutorado e no processo de aprendizado eu acabei encontrando muitos materias interessantes na internet. Resolvi fazer uma listagem deles para deixar público e também me ajudar em consultas futuras.

Para quem estiver procurando conhecimento teórico, eu sugiro os livros:

de Sutton e Barto
de Szepesvari

Para quem quiser conhecer um pouco da teoria ao mesmo tempo que desenvolve projetos práticos com Python:

do Hugginfaces
com RLLib
do Dibya.

* Há também o curso que eu não realizei.

Disciplinas em instituições:

IAs Úteis ao público geral

Sun, 05 Mar 2023 10:18:25 -0300

A Super Interessante trouxe uma matéria intitulada: “ ” onde é apresentada a evolução dos projetos de IA. É uma matéria que detalha os projetos que vieram antes do ChatGPT e o que podemos esperar para o futuro. Em um dos infográficos foram apresentados projetos de IA que estão acessíveis (alguns pagos) para o usuário final, assim como o chatbot da OpenAI.

Resolvi pegar essa listagem para começar um repositório de projeto desse tipo que podem ser utilizados no nosso dia a dia.

1. Synthesia

Acesso: Pago

Link:

O que é? Ferramenta para geração de vídeo com informações escritas pelo usuário. O avatar narra o texto que foi criado pelo usuário.

2. Murf

Link:

Acesso: Pago (com nível gratuito)

O que é? O Murf é uma empresa que possui várias soluções ligadas a síntese de voz. No site é possível mudar ou clonar a voz contida em um áudio, além de gerar uma narração a partir de um texto.

3. Runway

Your browser does not support the video tag.

Acesso: Pago (com nível gratuito)

Link:

O que é? É um software para edição de imagem com funcionalidades geradas através de machine learning. Como ele é possível trocar/apagar objetos na imagem, separar as cenas e ampliar o cenário.

4. Typestudio

Link:

Acesso: Pago (com nível gratuito)

O que é? Permite editar vídeos e podcasts como se fossem textos: você apaga e reagrupa as frases e ele remonta automaticamente a gravação, fazendo ajustes necessários para que soe natural.

5. AI Content Detector

Link:

Acesso: Pago (com nível gratuito)

O que é? Serviço on-line para detecção de plagiarismo e geração automática de texto.

6. AI Text Classifier by OpenAI

Link:

Acesso: Gratuito

O que é? Um serviço de detecção de geração automática de texto, diponibilizado pela OpenAI.

7. ChatGPT

Link:

Acesso: Gratuito

O que é? É o chatbot com inteligência artificial desenvolvido pela OpenAI. Você pode fazer perguntas sobre assuntos diversos que ele vai responder de acordo com o conhecimento adquirido em um conjunto de textos utilizados no seu treinamento.

8. DALL-E-2

Link:

Acesso: Gratuito

O que é? Segundo o site da OpenAI, DALL-E 2 o pode criar imagens originais e realistas e arte a partir de uma descrição de texto. Pode combinar conceitos, atributos e estilos.

9. SpiritMet

Link:

Acesso: Pago (com nível gratuito)

O que é? SpiritMe é uma plataforma que permite que os usuários possam criar avatares digitais de si mesmos, em questão de minutos, por meio da tecnologia text-to-video, permitindo criar vídeos personalizados com avatares que parecem reais, podendo refletir nossa aparência, voz e diferentes expressões.

10. IMG Creator

Link:

Acesso: Pago (com nível gratuito)

O que é? IMG Creator é uma ferramenta poderosa para designers, fotógrafos e escritores que procuram inspiração e desejam automatizar tarefas tediosas. Com apenas uma imagem de referência, Imagen AI pode gerar ideias ilimitadas de design, variações de produtos e inspiração ilustrativa.

O elefante de Von Neumann

Sun, 28 Jun 2020 17:32:05 -0300

Acho que ouvi uma menção a essa história pela primeira vez quando estava lendo o , mas também pode ter sido em alguma aula do doutorado. Pesquisei um pouco e achei poucas informações sobre ela. Apesar de ter acontecido na década de 50, o conteúdo me parece muito atual.

Em um , o professor descreveu o encontro que teve em 1953 com , que na época já era vencedor de um .

O texto do artigo é muito interessante e vale a pena ser lido, porém o que interessa para o post é o diálogo final. Segundo descreve no artigo, em um momento do encontro, já desesperado pelo que tinha ouvido, Dyson questionou se Fermi não estava impressionado com os resultados numéricos da pesquisa que acabara de apresentá-lo. Nesse momento, Fermi perguntou o seguinte: “Quantos parâmetros arbitrários você usou para seus cálculos?”. Após pensar, Dyson informou: “Quatro” e então Femi disse o seguinte: "Lembro que meu amigo Johnny von Neumann costumava dizer que com quatro parâmetros eu posso ajustar um elefante, e com cinco, posso fazê-lo mexer sua tromba".

Até pode ser que von Neumann nunca tenha realmente dito isso, mas o professor Fermi estava certo quando disse que seria possível ajustar um elefante com quatro parâmetros. Em 2010, Jürgen Mayer, Khaled Khairy e Jonathon Howard publicaram o artigo na revista American Journal of Physics. No artigo foi apresentado quatro números complexos que representavam os parâmetros necessários para especificar a forma do elefante, além de um quinto parâmetro responsável pelo olho e pela movimentação da tromba do animal.

Eles desenharam o elefante como um conjunto de pontos que poderiam ser obtidos a partir das expansão das séries abaixo:

$x(t)=\sum_{k=0}^{\infty} (A_{k}^{x}cos(kt) + B_{k}^{x}sen(kt))$

$y(t)=\sum_{k=0}^{\infty} (A_{k}^{y}cos(kt) + B_{k}^{y}sen(kt))$

Em que $A_{k}^{x}$, $B_{k}^{x}$, $A_{k}^{y}$, $B_{k}^{y}$ são os coeficientes da expansão. Os números complexos definidos pelos autores foram os seguintes:

Parâmetro	Parte Real	Parte Imaginária
$p_1 = 50 - 30i$	$B^x_1 = 50$	$B^y_1 = 50$
$p_2 = 18 + 8i$	$B^x_2 = 18$	$B^y_2 = 8$
$p_3 = 12 - 10i$	$A^x_3 = 12$	$B^y_3 = -10$
$p_4 = -14-60i$	$A^x_5 =-14$	$A^y_1 = -60$
$p_5 = 40+20i$	wiggle coeff. = 40	$x_{eye} = y_{eye} = 20$

O artigo é curto, ele possui apenas duas páginas que são dedicadas a explicar como seria possível desenhar o elefante. O resultado foi apresentado em figura e também em um que pode ser visto na animação abaixo.

Segundo o artigo, a movimentação da tromba do elefante é possível pois é utilizado a parte real de $p_5$ (wiggle coefficient) que representa onde a tromba do animal é ligada ao corpo. Quem tiver curiosidade pode executar o código em Python abaixo disponibilizado em .

O resultado da execução do código será a seguinte figura:

Há também uma acima que adiciona uma nova função (LivePlot) que é responsável por usar o wiggle coefficient para mostrar a movimentação da tromba do elefante.

Por fim, eu destaco um trecho do como reflexão sobre tudo isso.

O ponto, claro, é que modelos com um grande número de parâmetros podem descrever uma variedade incrivelmente ampla de fenômenos. Mesmo que tal modelo esteja de acordo com os dados disponíveis, isso não o torna um bom modelo. Isso pode significar apenas que há liberdade suficiente no modelo que pode descrever quase qualquer conjunto de dados de tamanho determinado, sem capturar nenhuma percepção genuína do fenômeno em questão.

Usando o Netlogo para simular a transmissão do coronavírus

Mon, 08 Jun 2020 15:14:19 -0300

E se tentássemos simular o comportamento do vírus utilizando um sistema multiagentes? Essa pergunta passou pela minha cabeça em uma das noites de quarentena. Foi por isso que eu resolvi utilizar o , um ambiente de simulação que permite o desenvolvimento de modelos multiagentes, para simular a transmissão do novo coronavírus e mostrar como as ações recomendadas pela Organização Mundial de Saúde (OMS) são importantes para diminuir o contágio dele.

Antes de continuarmos, é importante deixar claro que a simulação não tem pretensões de prever o quantitativo de óbitos que serão causadas pela doença . O objetivo principal é demonstrar o comportamento do vírus e seus efeitos em diferentes cenários num mundo restrito composto inicialmente por 700 agentes . Ressalta-se que certas informações não foram levadas em consideração no experimento, como a sobrecarga de unidades de saúde, comorbidades ou idade dos infectados, fatores que podem agravar o combate à doença.

O modelo desenvolvido foi baseado no , um modelo para simulação de transmissão de doenças virais, que está disponível na biblioteca do NetLogo. Nele foram realizadas as seguintes alterações:

Imunidade: , mas nessa simulação foi utilizado que o agente infectado pelo vírus desenvolvem imunidade para o resto da vida.
Assintomáticos: O modelo Virus não faz distinção em doentes com sintomas e sem sintomas, no modelo o agente só possui três estados: saudável, doente e imune. Para representar melhor a situação do coronavírus foi adicionado a possibilidade de um agente doente ser assintomático. Nesse sentido, ao contrair a doença o agente tem 50% de chance de ser assintomático.
Movimentação no Ambiente: No modelo inicial a movimentação de todos os agentes acontecem sem nenhuma restrição. Na modelagem foi colocada uma nova variável chamada social-isolation. Isso faz com que apenas parte da população se mova no ambiente a cada iteração. Além disso, os agentes doentes que apresentam sintomas só se movimentam no ambiente nos primeiros dias da doença.
Infecção no ambiente: A posição do ambiente (patch) pode alojar o vírus, caso um agente infectado o transmita quando estiver nela. Nesse caso, o vírus só fica alojado na posição por um curto espaço de tempo.

Os agentes possuem cores que distinguem seu estado no ambiente. O vermelho e laranja representam os doentes sintomáticos e assintomáticos, respectivamente. Os verdes são os saudáveis e os cinzas, os imunes. Na animação abaixo é apresentada um trecho da simulação de um dos cenários (Cenário 1). O agente que está em foco inicia a simulação com o vírus mas se cura e consequentemente se torna imune.

A interface da simulação possui variáveis que podem ser modificadas pelo usuário para analisar o comportamento da transmissão do vírus, também estão presentes monitores e gráficos que facilitam a visualização dos resultados. Na figura abaixo é apresentada a área de atualização de variáveis e a tela na qual a simulação ocorre.

Foram definidos três cenários para analisar o comportamento da transmissão do vírus no ambiente. Os cenários testados foram os seguintes:

Cenário 1 - A doença já está presente no ambiente mas os agentes não diminuem a interação social e nem usam outras estratégias para mitigar a transmissão do vírus. Nesse cenário a infecciosidade é o valor máximo e o isolamento social não existe.
Cenário 2 - A taxa de isolamento social é modificada para 48% e a taxa de infecciosidade é diminuída para .
Cenário 3 - A taxa de infecciosidade é mantida em 16% e a .

Em todos os cenários o , o valor máximo de agentes no ambiente foi configurado como 1000 e a variável que indica a chance de se recuperar (chance-recovery) foi 93%. O valor da variável da taxa de infecciosidade (infectiousness) foi inicialmente 66%, mas esse valor foi alterado para 16% quando simulado o uso de máscaras pela população.

Como resultados foram obtidos os valores da quantidade de vítimas, dias para acabar os casos de infecção do vírus, quantidade de infectados, total de população que viveu no ambiente, além da porcentagem de vítimas da doença e a porcentagem de imunes ao término da simulação. A média de 30 simulações desses valores estão apresentados na tabela abaixo:

-	Cenário 1	Cenário 2	Cenário 3
Vítimas	66,07	36,8	20
% atual imunes	89,35	50,36	25,94
População	1066,03	1041	1023,7
% população vítima	6,18	3,53	1,95
Infectados	960,7	545,77	280,53
Dias de Transmissão	145,7	116,9	98,33

O Cenário 1 foi o que sua população teve a maior exposição ao vírus, isso é possível ser evidenciado pela porcentagem da população que se tornou imune ao fim da simulação. Consequentemente esse cenário obteve a maior quantidade de vítimas. A quantidade de dias de transmissão também foi o maior dentre os cenários e isso aconteceu porque a transmissão só ficou controlada quando mais de 70% da população se tornou imune. Uma característica que foi visualizada é que nesse cenário houve um momento no primeiro mês que praticamente toda a população foi infectada em um curto espaço de tempo - situação que seria catastrófica no mundo real. Na figura abaixo é apresentado os resultados de uma das simulações utilizando o Cenário 1.

No Cenário 2 existe também um aumento da infecção no primeiro mês, quando a maioria ainda é saudável, mas a curva é muito mais achatada do que a apresentada no cenário anterior. Visualizando os números obtidos nesse cenário é possível perceber que o impacto do vírus na população diminuiu quase que pela metade, isso foi devido ao isolamento social e a diminuição da taxa de infecciosidade do vírus. Na figura abaixo é apresentado o resultado de uma simulação utilizando o Cenário 2.

Dentre os cenários analisados nesta simulação, o Cenário 3 obteve os melhores resultados para o controle da transmissão do vírus. Todas as variáveis analisadas foram menores quando se aumentou o isolamento social e diminuiu a taxa de infecciosidade da doença. Na figura abaixo é apresentado o resultado de uma das simulações utilizando o Cenário 3.

Os resultados obtidos nos cenários utilizados neste experimento evidenciam que, assim como indicado pela comunidade científica mundial, a melhor forma de combater o vírus atual é se protegendo. No experimento o impacto do vírus foi muito menor quando a população dos agentes diminuiu a interação social e usou meios para diminuir a taxa de infecciosidade do vírus. Isso ratifica a importância seguir as recomendações da OMS de utilizar máscaras, higienizar as mãos com frequência e restringir ao máximo a interação social.

Uma versão web do modelo pode ser acessada em , nela apenas os cenários apresentados estão habilitados.

Computação Bioinspirada

Mon, 01 Jan 0001 00:00:00 +0000

Sistemas Inteligentes - Inovação e o seu papel no novo mundo

Mon, 01 Jan 0001 00:00:00 +0000

Note

O arquivo da apresentação está disponível no campo PDF (logo abaixo do título).