Avertissement : Cette page est une traduction automatique de cette page à l'origine en anglais. Veuillez noter puisque les traductions sont générées par des machines, pas tous les traduction sera parfaite. Ce site Web et ses pages Web sont destinés à être lus en anglais. Toute traduction de ce site et de ses pages Web peut être imprécis et inexacte, en tout ou en partie. Cette traduction est fournie dans une pratique.

Des systèmes de prise de décision hautement précis peuvent être produits avec l'interaction homme-machine

Des machines peuvent être formées pour classifier des images et pour recenser ainsi des tumeurs en échographies de CT, compositions minérales dans les roches, ou pathologies dans des analyses optiques de microscopie. Cette technique d'artificial intelligence est connue comme apprentissage automatique et a gagné des applications neuves ces dernières années.

La formation de machine est effectuée par l'intermédiaire de la répétition des images utilisées comme exemples d'un contexte particulier ou la situation et la préparation adéquate de ce matériau exige l'effort des experts d'un grand choix d'endroits.

Les coordonnées d'être humain. Sans spécialiste réglant le procédé de formation, la machine peut apprendre à prendre des décisions basées sur les caractéristiques de l'image qui ne sont pas liées au problème d'objectif. Ceci produit d'un mauvais résultat ou de celui limité à la base de données dans laquelle la machine a été formée. Quand la base de données change, les erreurs augmentent considérablement, rendant l'analyse de machine peu fiable. »

Alexandre Xavier Falcão, de l'institut de calculer de l'université de Campinas (UNICAMP)

Falcão avait combiné calculant la science avec différents endroits de basé sur la connaissance sur des projets d'apprentissage automatique, développés avec la fondation de recherches de São Paulo - le support de FAPESP, dans une ligne de recherches qui vérifie l'interaction homme-machine dans la prise de décision.

Automatisation de dépistage de parasite

Un des projets a abouti par Falcão et a présenté aux objectifs de la France de semaine de FAPESP pour automatiser le dépistage de parasite dans des analyses de selles. La recherche a été conduite par l'intermédiaire d'un partenariat entre Immunocamp (une compagnie basée sur Campinas spécialisée dans des produits d'hôpital) et chercheurs des instituts de calculer et de chimie d'UNICAMP, ainsi que de l'école des sciences médicales de la même université.

L'équipe interdisciplinaire a développé une machine - brevetée et bientôt procurable sur le marché - capable de recenser les 15 substances les plus répandues des parasites qui infectent des êtres humains au Brésil.

La technique d'apprentissage automatique a montré le rendement plus de 90%, qui est beaucoup plus élevé que les analyses conventionnelles effectuées par des êtres humains par l'analyse visuelle des guides optiques de microscopie, aux dont les régimes varient de 48%, tout au plus, 76%. La machine est également capable de traiter 2.000 images en quatre mn.

« L'idée n'est pas de substituer le travail des êtres humains, pas moins parce qu'ils doivent former les machines pour recenser plus de substance de parasite et pour confirmer le diagnostic des agents pathogènes trouvés par la machine, mais éviter plutôt la fatigue humaine et augmenter la précision des résultats, » il a dit.

La technologie d'inauguration a été également supportée par FAPESP par la recherche novatrice dans le programme de petites entreprises (TUYAU).

Apprentissage automatique interactif

Une des innovations produites par l'équipe d'UNICAMP était un système pour séparer des parasites et des impuretés basés sur le principe de la flottation à air dissoute, qui permet aux guides optiques de microscopie avec moins impuretés d'être produits.

Dans la pièce de la science de caractéristiques, la machine peut effectuer une échographie robotisée du guide et trouver les parasites qui apparaissent dans les images sur l'écran d'ordinateur. C'était possible utilisant les techniques de calcul qui séparent les composantes d'image pour vérifier et décider si elles sont liées aux impuretés ou à une des 15 substances parasites.

« L'interaction homme-machine a le potentiel de réduire l'effort humain et d'augmenter la confiance dans la décision algorithmique. Notre approche a montré que cela comprenant le spécialiste dans le cycle de formation produit des systèmes de prise de décision fiables basés sur l'analyse d'image. »

Systèmes de prise de décision fiables

L'objectif de la méthodologie est de réduire à un minimum l'effort effectué par le spécialiste en termes d'observation de grande puissance d'image, recherchant la construction des systèmes de prise de décision hautement précis.

« L'approche classique, qui n'emploie des exemples pré-enregistrés et aucune interaction humaine pendant la formation, laisse des questions variées sans réponse. Elles sont des questions essentielles, telles que combien d'exemples sont nécessaires pour que les machines apprennent ou la façon expliquer les décisions prises par la machine. Notre méthodologie se compose comprendre le spécialiste dans le cycle d'apprentissage automatique de sorte que des questions de ce type soient répondues, » il a dit.

Par conséquent, la stratégie employée par l'équipe de Falcão pour établir les systèmes de prise de décision fiables a été d'explorer des capacités complémentaires. Les « êtres humains sont supérieurs en abstraction de la connaissance. Les machines ne fatiguent pas et sont meilleures à traiter de grandes quantités de caractéristiques. Ainsi, l'effort du spécialiste est réduit à un minimum en réglant le cycle apprenant et les décisions des machines deviennent explicables, » il a dit.

Le colloque de la France de semaine de FAPESP a lieu entre les 21 et 27 novembrest th, grâce à un partenariat entre FAPESP et les universités de Lyon et Paris, les deux en France. Affichez d'autres nouvelles au sujet de l'événement à : http://www.fapesp.br/week2019/france/.