Jornal UFG
12/03/2021
Valeska Fernandes (Comunicação INF-UFG)
Artigo intitulado “On the cost-effectiveness of neural and non-neural approaches and representations for text classification: A comprehensive comparative study” é um dos maiores estudos comparativos da área de Inteligência Artificial (IA) neurais e não-neurais, de acordo com o próprio artigo. A bibliografia usada no artigo evidenciou que nenhum estudo até então havia realizado uma pesquisa tão ampla.
O trabalho contou com treze pesquisadores, sendo dois professores do Instituto de Informática da UFG, Thierson Rosa e Wellington Martins. Publicado na revista Information Processing & Management, de Alto impacto, com Qualis A1, foi bastante elogiado pelos avaliadores e deve ter um impacto importante na comunidade científica, já que questiona a chamada “nova era” (momento ImageNet) em NLP com abordagens neurais.
O momento ImageNet em NLP, explica o professor Wellington Martins, “aconteceu em 2012 quando uma rede neural profunda (AlexNet) superou em muito (diminuição em 10% do erro) as abordagens tradicionais (não neurais) na tarefa de reconhecimento de imagens da competição ImageNet. Esta vantagem competitiva da abordagem neural (deep learning) tem sido buscada em outras áreas que não a visão computacional, como por exemplo no processamento de linguagem natural (NLP).” Por isso, segundo o professor, o artigo mostra que, para a tarefa de classificação de texto (que é básica em NLP), as abordagens tradicionais (não neurais) ainda têm uma série de vantagens.
A pesquisa revela sérios problemas experimentais em publicações recentes da área e mostra a competitividade e, em alguns casos, a superioridade de métodos não-neurais mais simples, mais baratos, com desempenho muito superior, e com maior capacidade explicativa. Segundo o professor Wellington, “em coleções grandes, os métodos neuronais mais recentes como o BERT tiveram resultados um pouco melhores que os não-neuronais, porém a um custo computacional de treinamento, muito superior”. As descobertas apresentadas no artigo pedem uma autorreflexão das melhores práticas no campo, desde a forma como os experimentos são conduzidos e analisados até a escolha de baselines adequadas para cada situação e cenário.
O artigo está disponível online através do link: https://authors.elsevier.com/c/1cXTX15hYdjqF9
Como citar este texto: Jornal UFG. Estudo comparativo da área de Inteligência Artificial. Texto de Valeska Fernandes. Saense. https://saense.com.br/2021/03/estudo-comparativo-da-area-de-inteligencia-artificial/. Publicado em 12 de março (2021).
