Pular para o conteúdo
Even3

O impacto da diversidade de sinalizadores no aprendizado da IA

Trecho de 1 min 44 s de Identificação de sinais de libras com inteligência computacional, gravado no evento Semana Nacional de Ciência e Tecnologia do IFMG - SNCT 2021.

Assistir à gravação completaNo Even3 Conteúdos · 1 h 44 min

Sobre este trecho

Veja como a variabilidade entre pessoas executando sinais é essencial para calibrar modelos de inteligência artificial.

Vai de a da gravação.

O que é dito neste trecho

E o que que qual que é o interessante, tá? Quanto maior a a área abaixo dessa curva azul, melhor é nosso algoritmo, tá? Então, por exemplo, a melhor melhor das situações é ele aqui, ó, reto e seguindo, eh, eh, como se fosse uma como se você fizesse um L reto aqui em cima, tá? Eh, e aí como que eu podia saber se o meu algoritmo é de fato promissor? Eu peguei seis sinalizadores aleatórios e a hipótese era que a curva com seis fosse menor do que a com a curva com 12. E se eu tiver mais pessoas executando o sinal, mais eu vou subindo com essa curva. E é de fato que me mostrou aqui, eh, esses dois gráficos. Com seis sinalizadores, eu tô muito próximo da curva vermelha, que é uma curva, como que eu falo, de certa forma aleatório, como se fosse um problema aleatório aleatório, mas por eu ter 20 classes, essa curva ainda assim é uma curva interessante, não falo que é excelente, mas é uma curva interessante. E à medida que eu for melhorando as pessoas o número de pessoas que executam esse sinal, eu vou subindo essa curva. E o que isso quer dizer? Que quanto mais a moça quanto quanto mais pessoas diferentes executando o sinal, melhor é para o meu algoritmo aprender. Por quê? Porque eu tenho aquilo que eu falei inicialmente, que é a variação na execução do sinal que que é próprio de cada pessoa. Então, se eu conseguir mais, eh, variações, mais o meu algoritmo aprende, eh, a prosódia do sinal, tá?

Outros trechos deste conteúdo