Investigação de Métodos de Explicação para Aprendizado Profundo

Resumo

A mineração de dados vem sendo aplicada com sucesso em vários domínios para extrair conhecimento a partir de diferentes tipos de mídia. No contexto de imagens, parte desse processo pode ser apoiado por métodos de aprendizado profundo, incluindo as redes neurais convolucionais. Tidos como o estado da arte em muitas tarefas de reconhecimento visual, esses métodos têm a habilidade de aprender diretamente a partir de dados não estruturados. Porém, eles são geralmente percebidos como caixas pretas, tornando sua decisão menos compreensível para os humanos e inviabilizando seu uso em determinadas aplicações. O objetivo deste projeto consiste em investigar métodos de explicação, oriundos da inteligência artificial explicável, para auxiliar a confirmar, contestar e/ou construir novas suposições acerca do conhecimento adquirido por modelos de aprendizado profundo para classificação de pequenos e grandes conjuntos de imagens de microrganismos. Os métodos de explicação pesquisados serão avaliados e validados em conjunto com microbiologistas clínicos, sobretudo aqueles que buscam a descoberta de compostos bioativos inéditos com potencial farmacológico.