Attenzione: questa pagina è una traduzione automatica di questa pagina originariamente in lingua inglese. Si prega di notare in quanto le traduzioni sono generate da macchine, non tutte le traduzioni saranno perfetti. Questo sito web e le sue pagine web sono destinati ad essere letto in inglese. Ogni traduzione del sito e le sue pagine web possono essere imprecise e inesatte, in tutto o in parte. Questa traduzione è fornita per comodità.

I sistemi decisionali altamente accurati possono essere creati con interazione uomo-macchina

I commputer possono essere preparati per classificare le immagini e per identificare così i tumori in scansioni di CT, composizioni minerali in rocce, o patologie nelle analisi ottiche di microscopia. Questa tecnica di intelligenza artificiale è conosciuta come apprendimento automatico ed ha guadagnato le nuove applicazioni negli ultimi anni.

L'addestramento a macchina è effettuato via la ripetizione delle immagini usate come esempi di un contesto particolare o la situazione ed il preparato adeguato di quel materiale richiede lo sforzo degli esperti da varie aree.

Le coordinate dell'essere umano. Senza lo specialista che gestisce il trattamento di addestramento, il commputer può imparare prendere le decisioni basate sulle caratteristiche dell'immagine che non sono collegate con il problema dell'obiettivo. Ciò genera un povero risultato o limitato al database in cui il commputer è stato preparato. Quando il database cambia, gli errori aumentano considerevolmente, rendendo l'analisi a macchina inaffidabile.„

Alexandre Xavier Falcão, dell'istituto di computazione dell'università di Campinas (UNICAMP)

Falcão sta combinando la scienza di calcolo con differenti aree di conoscenza in base ai progetti di apprendimento automatico, sviluppati con le fondamenta di ricerca di São Paulo - il supporto di FAPESP, in una riga della ricerca che studia l'interazione uomo-macchina nel processo decisionale.

Automazione di rilevazione del parassita

Uno dei progetti piombo da Falcão ed ha presentato agli obiettivi della Francia di settimana di FAPESP per automatizzare la rilevazione del parassita nelle analisi delle feci. La ricerca è stata condotta via un'associazione fra Immunocamp (ad una società basata a Campinas specializzata nei prodotti dell'ospedale) ed i ricercatori dagli istituti di computazione e di chimica di UNICAMP come pure il banco delle scienze mediche della stessa università.

Il gruppo interdisciplinare ha sviluppato un commputer - brevettato e presto disponibile nel servizio - capace dell'identificazione delle 15 specie più prevalenti di parassiti che infettano gli esseri umani nel Brasile.

La tecnica di apprendimento automatico ha mostrato il risparmio di temi più di di 90%, che è molto superiore alle analisi convenzionali effettuate dagli esseri umani con l'analisi visiva delle diapositive ottiche di microscopia, a cui le tariffe variano da 48%, al massimo, 76%. Il commputer è egualmente capace di trattamento 2.000 immagini in quattro minuti.

“L'idea non è di sostituire il lavoro degli esseri umani, specialmente perché devono preparare i commputer per identificare più specie del parassita e per confermare la diagnosi degli agenti patogeni individuati dal commputer, ma piuttosto evitare fatica umana ed aumentare la precisione dei risultati,„ ha detto.

La tecnologia approfondita egualmente è stata supportata da FAPESP con la ricerca innovatrice nel programma di piccole imprese (CONDUTTURA).

Apprendimento automatico interattivo

Una delle innovazioni create dal gruppo da UNICAMP era un sistema per la separazione i parassiti e delle impurità basati per principio di flottazione dell'aria dissolta, che permette alle diapositive ottiche di microscopia con meno impurità di essere generata.

Nella parte di scienza di dati, il commputer può effettuare una scansione automatizzata della diapositiva ed individuare i parassiti che compaiono nelle immagini sullo schermo di computer. Ciò era possibile facendo uso delle tecniche di calcolo che separano le componenti di immagine per verificare e decidere se sono riferite alle impurità o ad una delle 15 specie parassitarie.

“L'interazione uomo-macchina ha il potenziale di diminuire lo sforzo umano e di aumentare la fiducia nella decisione algoritmica. Il nostro approccio ha indicato che quello compreso lo specialista nel ciclo di addestramento genera i sistemi decisionali affidabili basati su analisi sulla base di immagini.„

Sistemi decisionali affidabili

Lo scopo della metodologia è di minimizzare lo sforzo fatto dallo specialista in termini di osservazione su grande scala di immagine, cercante la costruzione dei sistemi decisionali altamente accurati.

“L'approccio classico, che non usa gli esempi preregistrati ed interazione umana durante l'addestramento, lascia le varie domande senza risposta. Sono domande essenziali, come quanti esempi sono necessari affinchè i commputer imparino o come spiegare le decisioni prese dal commputer. La nostra metodologia consiste di includere lo specialista nel ciclo di apprendimento automatico in moda da rispondere le domande come questi,„ lui ha detto.

Di conseguenza, la strategia usata dal gruppo di Falcão per lo sviluppo dei sistemi decisionali affidabili è stata di esplorare le abilità complementari. “Gli esseri umani sono superiori in astrazione di conoscenza. I commputer non si stancano e sono migliori ad elaborare un gran quantità di dati. Così, lo sforzo dello specialista è minimizzato gestendo il ciclo d'apprendimento e le decisioni dei commputer diventano spiegabili,„ ha detto.

Il simposio della Francia di settimana di FAPESP sta avendo luogo fra il 21 e il 27 novembrest th, grazie ad un'associazione fra FAPESP e le università di Lione e Parigi, entrambe in Francia. Legga altre notizie circa l'evento a: http://www.fapesp.br/week2019/france/.