O avanço
acelerado das soluções baseadas em Inteligência Artificial (IA)
tem levantado um dos maiores desafios atuais: a confiança humana nos
modelos de alto desempenho, sobretudo pela dificuldade em compreender
como tomam as suas decisões. Esta questão é particularmente
crítica em ambientes industriais, onde é imperativo que os sistemas
sejam não só exatos, mas também transparentes e explicáveis para
garantir a segurança e eficácia das operações.
Uma equipa de
investigadores da Faculdade de Ciências e Tecnologia da Universidade
de Coimbra (FCTUC) propôs uma metodologia inovadora que permite
extrair conhecimento interpretável a partir de modelos complexos de
IA, tornando-os acessíveis aos operadores industriais. A abordagem
baseia-se na utilização de sistemas de lógica difusa (fuzzy
systems),
para representar as dinâmicas dos processos industriais de forma
simples, mas eficaz.
«Este
método foi desenvolvido com base numa arquitetura do tipo
"professor-aluno" (knowledge
distillation),
onde um modelo complexo (NFN-LSTM), que combina redes neuronais do
tipo Long
Short-Term Memory
com lógica difusa, serve de referência para treinar um modelo mais
simples e interpretável (NFN-MOD). Este último recorre a funções
com entradas atrasadas para simular a memória temporal do processo,
aliando desempenho à compreensibilidade»,
explica Jorge S. S. Júnior, aluno de doutoramento do Departamento de
Engenharia Eletrotécnica e de Computadores (DEEC) da FCTUC.
De acordo com a
equipa de investigadores, esta investigação demonstrou a eficácia
da metodologia em dois casos de estudo com dados reais: uma unidade
de recuperação de enxofre e um processo de moagem na indústria
cimenteira. Em ambos, o modelo NFN-MOD conseguiu replicar o
comportamento do modelo professor com elevada precisão, ao mesmo
tempo que oferecia explicações claras sobre os fatores que
influenciam eventos críticos, como picos de emissões de gases
nocivos ou variações na concentração de resíduos.
«Além
disso, o modelo introduz uma nova forma de análise contextual,
permitindo aos operadores compreender melhor os diferentes cenários
industriais e apoiar a tomada de decisões. O método promete, assim,
aumentar significativamente a confiança nos sistemas de IA e
otimizar o controlo de processos em ambientes industriais exigentes»,
conclui a equipa de investigadores.
Este trabalho foi
desenvolvido no âmbito da tese de doutoramento de Jorge S. S.
Júnior, sob orientação de Jérôme Mendes, investigador do Centro
de Engenharia Mecânica, Materiais e Processos (CEMMPRE), e
coorientação de Cristiano Premebida, investigador do Instituto de
Sistemas e Robótica (ISR), em colaboração com Francisco Souza
(imec-NL, OnePlanet Research Center, Países Baixos).
O artigo
“Distilling
Complex Knowledge Into Explainable T–S Fuzzy Systems”,
publicado na revista IEEE
Transactions on Fuzzy Systems,
pode ser consultado aqui.
Esta publicação foi destacada na IEEE
Computational Intelligence Society
(CIS) Newsletter como "Research Frontier".
Sara
Machado
Assessora
de Imprensa
Universidade
de Coimbra• Faculdade de Ciências e Tecnologia
Nenhum comentário:
Postar um comentário