Cientistas do Instituto de Tecnologia de Massachussets (MIT), em parceria com o IBM Watson AI Lab, informaram que estão obtendo avanços científicos importantes em aprendizado de máquina. De acordo a pesquisa, o progresso nas pesquisas, que duram 10 anos e já custaram US$ 240 milhões, pode superar barreiras de longa data na evolução de modelos de inteligência artificial.
O projeto combina o aprendizado profundo com filosofias simbolistas para criar programas que aprendam sobre o mundo através da observação. Isso faz com que as máquinas consigam entender de maneira contextual.
“ A eficiência dos dados na resolução da tarefa é essencialmente perfeita. Você pode alcançar a mesma precisão com 1% dos dados de treinamento ”, disse ao VentureBeat Dario Gil, vice-presidente de IA da IBM Research e IBM Q.
O trabalho do MIT e da IBM em raciocínio simbólico é um dos vários esforços recentes para injetar AI com conhecimento contextual sobre o mundo.
Em junho, pesquisadores do Salesforce detalharam um corpus de código aberto – Common Sense Explanations (CoS-E) – para treinamento e inferência com uma nova estrutura de aprendizado de máquina (Commonsense Auto-Generated Explanation, ou CAGE).
Segundo os cientistas, há uma melhora no desempenho em benchmarks de perguntas e respostas em 10% sobre linhas de base e demonstra uma aptidão para raciocínio em tarefas fora do domínio.
