Pesquisadores da Universidade Estadual Paulista (Unesp), campus de Bauru, em colaboração com colegas da Friedrich-Alexander-Universität Erlangen Nürnberg, da Alemanha, pretendem, por meio de um projeto apoiado pela FAPESP, otimizar técnicas avançadas de inteligência artificial usadas hoje para que, por meio de algoritmos, computadores sejam capazes de coletar dados, interpretá-los e fazer previsões e generalizações a partir deles.
O projeto foi selecionado na terceira chamada de 2016 do programa São Paulo Researchers in International Collaboration (SPRINT), cujo resultado foi anunciado no final de janeiro. Ele conta ainda com a participação de André Carlos Ponce de Leon Ferreira de Carvalho, professor do Instituto de Ciências Matemáticas e de Computação (ICMC) da Universidade de São Paulo (USP), campus de São Carlos, e André Fujita, professor do Instituto de Matemática e Estatística (IME) da mesma universidade.
A chamada do programa, que teve como objetivo promover o avanço da pesquisa científica por meio de colaborações em projetos conjuntos de médio e longo prazos entre pesquisadores vinculados a universidades e instituições de pesquisa no Estado de São Paulo e cientistas de instituições de ensino e pesquisa no exterior, registrou recorde de propostas selecionadas.
Foram selecionadas 24 propostas de mobilidade entre pesquisadores do Estado de São Paulo e de sete instituições de ensino e pesquisa de cinco países, com as quais a FAPESP mantém acordo de cooperação, e mais quatro propostas de pesquisadores cujos parceiros são vinculados a quatro instituições, de quatro países diferentes, com as quais a Fundação ainda não possui acordo vigente.
O programa está com uma chamada aberta até o dia 24 de abril para submissão de novas propostas de mobilidade entre pesquisadores do Estado de São Paulo e de 14 instituições de ensino e pesquisa de nove países, com as quais a FAPESP mantém acordo de cooperação.
“Este é o terceiro projeto que submetemos e fomos selecionados no âmbito do programa SPRINT”, disse João Paulo Papa, professor do Departamento de Computação da Unesp de Bauru e pesquisador responsável pelo projeto do lado brasileiro, à Agência FAPESP.
“Já havíamos realizado um projeto em colaboração com colegas da Ohio State University, dos Estados Unidos, em 2015, e da RMIT University, da Austrália, no mesmo ano, também na área de otimização de técnicas avançadas de inteligência artificial voltadas, neste último caso, para o diagnóstico por imagem de retinopatia diabética [danos dos vasos sanguíneos no tecido da retina causados por diabetes]. E, agora, pretendemos usar essa mesma abordagem em bioinformática [a aplicação de técnicas de informática voltadas para análise e modelização de dados obtidos em pesquisas biológicas]”, afirmou.
Algoritmos bioinspirados
De acordo com o pesquisador, uma das técnicas mais avançadas utilizadas hoje em inteligência artificial para analisar grandes quantidades de dados e extrair conhecimento deles são as do tipo deep learning – aprendizado em profundidade, em tradução livre.
Já utilizados por empresas, como o Facebook, para fazer o reconhecimento do usuário a partir de fotos, por exemplo, uma das vantagens dos algoritmos de aprendizado em profundidade é sua capacidade de aprendizagem em grandes quantidade de dados de uma forma não supervisionada (dados não anotados, no jargão da computação).
Para fazer isso, contudo, esses algoritmos têm que lidar com centenas de parâmetros, explicou Papa. “O desafio de criar algoritmos de deep learning é justamente escolher os parâmetros mais adequados, porque cada aplicação exige uma configuração diferente”, afirmou.
Uma das abordagens que têm sido adotadas para identificar os melhores parâmetros desejados para uma determinada aplicação é rodar um algoritmo inúmeras vezes para selecionar o melhor resultado.
A fim de diminuir o tempo desse processo de escolha aleatória de parâmetros, os pesquisadores pretendem avaliar o uso de algoritmos chamados de bioinspirados, assim designados por serem inspirados na natureza. Um deles, por exemplo, é baseado no comportamento de formigas.
As formigas tendem a escolher o menor trajeto durante seus deslocamentos porque, à medida que caminham, liberam feromônio para que as outras integrantes de sua colônia possam segui-las. E se o trajeto que escolherem for longo corre-se o risco de o feromônio que liberaram se dissipar e as formigas de suas colônias perderem esses rastros, explicou Papa.
“Os algoritmos bioinspirados no comportamento das formigas são baseados nessa premissa para escolher os melhores valores dos parâmetros para uma aplicação específica em um tempo viável, de modo a otimizar ou diminuir o erro de uma aplicação de uma técnica de inteligência artificial”, detalhou.
Os pesquisadores escolheram a área de bioinformática para validar o uso dessas técnicas em razão de os colaboradores da USP e da universidade alemã terem interesse nessa área.
Uma das aplicações que vislumbram é para comparações do DNA de duas pessoas, por exemplo, para analisar seus níveis de similaridade.
“O objetivo do nosso projeto é mostrar em um exemplo concreto na área de bioinformática que os métodos de aprendizado e otimização de máquinas podem ser usados em sinergia”, disse Alexander Martin, professor do Departamento de Matemática da Friedrich-Alexander-Universität Erlangen Nürnberg e pesquisador responsável pelo projeto no exterior.
Na avaliação dele, o programa SPRINT da FAPESP permitirá financiar a fase exploratória do projeto, que muitas vezes é difícil de ser realizada por meio de programas mantidos por outras agências de fomento à pesquisa no Brasil e na Europa, comparou.
“O programa SPRINT nos permitirá prosseguir nesta linha de pesquisa com a grande colaboração dos nossos colegas de São Paulo”, afirmou.
Mais informações sobre o Programa SPRINT podem ser obtidas em www.fapesp.br/sprint.
PT 
EN 
