A identificação automática de características complexas em imagens já se tornou uma realidade graças às redes neurais artificiais. Alguns exemplos de software que exploram essa técnica são o sistema de marcação automática do Facebook, O mecanismo de busca de imagens do Google e o sistema de reconhecimento de animais e plantas usado pelo iNaturalist. Sabemos que essas redes são inspiradas no cérebro humano, mas seu mecanismo de funcionamento ainda é misterioso.

Nova pesquisa, conduzido pela SISSA em associação com a Universidade Técnica de Munique e publicado para a 33ª Conferência Anual NeurIPS, propõe uma nova abordagem para o estudo de redes neurais profundas e lança uma nova luz sobre os processos de elaboração de imagens que essas redes são capazes de realizar.

Semelhante ao que acontece no sistema visual, redes neurais usadas para reconhecimento automático de imagem analisam o conteúdo progressivamente, através de uma cadeia de estágios de processamento. Contudo, Até a presente data, não está completamente claro quais mecanismos permitem que redes profundas atinjam seus níveis extraordinários de precisão.

"Desenvolvemos um método inovador para medir sistematicamente o nível de complexidade das informações codificadas nas várias camadas de uma rede profunda - a chamada dimensão intrínseca das representações de imagens, "dizem Davide Zoccolan e Alessandro Laio, respectivamente neurocientista e físico do SISSA. “Graças a um trabalho multidisciplinar que contou com a colaboração de especialistas em física, neurociências e aprendizado de máquina, conseguimos explorar uma ferramenta desenvolvida originalmente em outra área para estudar o funcionamento de redes neurais profundas. "

Cientistas da SISSA, em associação com Jakob Macke da Universidade Técnica de Munique, examinaram como as informações adquiridas das redes neurais usadas para classificação de imagens são processadas:"Descobrimos que as representações de imagens passam por uma transformação progressiva. Nos estágios iniciais de processamento, a informação da imagem é fiel e exaustivamente representada, dando origem a representações ricas e complexas. Nos estágios finais de processamento, a informação é radicalmente simplificada, produzindo representações de imagem que são suportadas por algumas dezenas de parâmetros, "explicam os dois cientistas." Surpreendentemente, descobrimos que a precisão da classificação de uma rede neural depende fortemente de sua capacidade de simplificar:quanto mais simplifica as informações, quanto mais preciso for. "

Este é um resultado especialmente importante para a SISSA, que lançou recentemente um novo programa de pesquisa em ciência de dados, com o objetivo de estudar e desenvolver algoritmos inovadores para o processamento de conjuntos de dados complexos e grandes.