Inteligência Artificial: reconhecimento de padrões

Imagem de: Inteligência Artificial: reconhecimento de padrões

Diferente daquilo que você pode vir a acreditar, a Inteligência Artificial (IA) não está limitada a laboratórios de pesquisa e nem é uma função exclusiva de robôs. Na verdade, a IA não é algo tão “sobrenatural” como a maior parte das pessoas pensa, pelo contrário, ela é até relativamente simples.

Um dos ramos da Inteligência Artificial que, embora não seja encontrado com tanta frequencia em ambientes físicos ou estruturas públicas, é mais comum do que pensamos é o de Reconhecimento de Padrões. Você tem exemplos disso todos os dias em seu computador, pois basicamente trata-se de um sistema capaz de organizar informações de acordo com determinados dados.

Sabe o filtro antispam do seu email? Então esse é um exemplo simples de reconhecimento de padrões: baseado no número de destinatários e em configurações previamente aplicadas, seu gerenciador consegue separar determinadas mensagens e classificá-las em outra categoria. E o reconhecimento de rostos em fotos? Este é outro exemplo bem simples. Em outras palavras, você pode encontrá-la tanto em um site como em um leitor de retinas.

Filtros antispam utilizam Reconhecimento de Padrões

O Reconhecimento de Padrões é um subtópico da Aprendizagem de Máquina, a qual, por sua vez, é um subcampo da Inteligência Artificial. A Aprendizagem de Máquina tem por função desenvolver algoritmos e técnicas que permitam a um computador “aprender”, ou seja, melhorar o seu desempenho em determinada tarefa. Algoritmos são como “receitas de bolo”: uma lista de ações que devem ser executadas sequencialmente.

Mas... o que são padrões para um sistema destes?

Um padrão pode ser considerado como um conjunto de características semelhantes. Ele também pode ser a descrição de um problema recorrente para o qual existe uma solução que pode ser reutilizada diversas vezes em situações diferentes.

Em ambos os casos, note que são questões que envolvem uma série de características que se repetem e podem ser devidamente identificadas. Desta forma, elas passam a compor um comportamento rotineiro cuja resolução pode estar disposta de forma constante.

Para que reconhecer padrões?

A Inteligência Artificial utiliza-se do Reconhecimento de Padrões para analisar determinado conjunto de dados (“conjunto de treinamento”) e organizá-los de acordo com padrões. O reconhecimento de padrões visa classificar dados baseados em conhecimento a priori (preliminar ou dedutivo) ou informações estatísticas extraídas de padrões.

Estes padrões a serem classificados normalmente são grupos de medidas ou observações que definem pontos em um espaço multidimensional apropriado. Antes de partir para a análise efetiva, uma etapa de treinamento é realizada: nela o algoritmo de reconhecimento é testado para que seja possível saber se ele encontra os resultados esperados.

Existem dois tipos de reconhecimento: o supervisionado e o não supervisionado, porém ambos entram em ação após a identificação do padrão. O reconhecimento supervisionado utiliza o conjunto de treinamento para classificar os dados obtidos de acordo com as categorias já existentes e nelas organizá-los. Por sua vez, o reconhecimento não supervisionado utiliza o conjunto de treinamento para criar novas categorias, ao invés de simplesmente separar os dados de acordo com as categorias já existentes.

Como o processo é feito?

Inteligência Artificial?Quando pensando em seres humanos, reconhecer padrões parece uma tarefa extremamente simples - é necessário apenas uma coleta de informações à qual passa por uma série de comparações chegando a um resultado final. No contexto de Inteligência Artificial, o reconhecimento não é uma tarefa trivial, pois ainda não existe máquina ou programa capaz de igualar-se a capacidade de reconhecimento atingida pelo cérebro humano.

Um sistema completo de reconhecimento de padrões, basicamente é composto por um sensor que obtém observações a serem classificadas ou descritas (filtragem da entrada), cujo objetivo principal é eliminar dados desnecessários ou distorcidos fazendo com que sejam apresentados apenas objetos relevantes para o reconhecimento do que está sendo analisado.

Em seguida, o mecanismo de extração de características entra em ação, efetuando a análise dos dados de entrada de forma a extrair e derivar informações úteis para o processo de reconhecimento. Desta maneira, as informações numéricas ou simbólicas advindas da observação serão registradas.

Por último o trabalho fica ao encargo de um esquema de classificação destes dados, cujos resultados serão categorizados conforme seus padrões. Em outras palavras, o objeto de análise é declarado como pertencente à determinada classe.

Para funcionarem corretamente, estes classificadores não podem ser nem muito generalizados, pois sua classificação será muito vaga e nem muito específicos, pois deixarão de pegar elementos relevantes devido a estarem muito presos a um tipo de constante.

Algumas aplicações

Esse processo é um pouco mais simples do que parece. Por exemplo, você sabe como seu rosto é reconhecido em uma foto? Primeiro, o classificador procura por dados presentes em faces humanas (dois olhos, um nariz, uma boca, etc.). Em seguida, ele procura simetria e proporções para ter certeza de que ele é humano (distância entre olhos, queixo com relação ao nariz ou a boca, por exemplo).

Ao final, se todas estas características coincidirem com o que ele tem em seu conhecimento como sendo um rosto, ele confirma este padrão e seleciona na tela. E também é por isso que algumas vezes os rostos não são reconhecidos, o classificador tinha informações para buscar determinados objetos que acabam por não aparecer (como em uma foto de perfil e um pouco mais distante, por exemplo).

Para se fazer um reconhecimento de voz (ou som), primeiramente é feita a digitalização da fala que se quer reconhecer. Então, efetua-se uma computação das características que representam o domínio espectral (frequências) contido na voz. Em seguida, utiliza-se o classificador para buscar um conjunto de características dentro dos dados fonéticos analisados. Por último é aplicado um método de busca para associar as saídas com padrões de palavras (ou determinado ruído) a fim de encontrar semelhanças.

Reconhecimento de rosto aplicado a uma foto.

Outro exemplo mais simples e comum desse processo é a leitura do código de barras de uma embalagem feita por uma atendente de supermercado: a máquina captura os dados do código, compara com os padrões do banco de dados e, então, exibe a informação referente ao código na tela do monitor.

O Reconhecimento de Padrões (RP) pode também ser usado pela Biometria para identificar criminosos no meio da multidão, desbloquear um computador através de comandos de voz, ou mesmo substituir o uso de cartões em caixas automáticos pela leitura de retinas. Entretanto, não é somente usando dados do mundo físico que a IA utiliza o RP: ela também pode utilizar um banco de dados local. Algo parecido é usado pelos cientistas que estudam o genoma humano, pois através de diversas comparações eles são capazes de descobrir a função de genes até então incógnitos.


Estes foram exemplos simples de como a Inteligência Artificial está sendo usada atualmente. Gostaria de contribuir citando outras possibilidades? Comente!

Cupons de desconto TecMundo:
Você sabia que o TecMundo está no Facebook, Instagram, Telegram, TikTok, Twitter e no Whatsapp? Siga-nos por lá.