A IA comportamental está tornando a visão computacional mais impactante

Durante muitos anos, as inovações em visão computacional concentraram-se em tarefas como object detection - identificar objetos como um cão ou um carro em imagens e vídeos. Estas abordagens permitiram aplicações em áreas como veículos autónomos, fabrico e cuidados de saúde.

No entanto, essas tarefas frequentemente focam apenas em identificar o que um objeto é. E se os sistemas de visão computacional pudessem ir um passo além? Por exemplo, em vez de simplesmente detectar um cachorro, digamos que o sistema pudesse entender que o cachorro está perseguindo uma bola ou que um carro está freando repentinamente porque um pedestre está atravessando. Essa mudança do reconhecimento básico para a compreensão contextual representa uma mudança importante em direção a uma IA comportamental mais inteligente e consciente do contexto.

No YOLO Vision 2024 (YV24), o evento híbrido anual da Ultralytics que celebra os avanços em vision AI, o conceito de análise de comportamento impulsionada por IA esteve em destaque durante uma palestra interessante de David Scott, CEO da The Main Branch.

Em sua palestra, David explorou a transição de tarefas básicas de visão computacional para o rastreamento comportamental. Com mais de 25 anos de experiência na construção de aplicações tecnológicas de ponta, ele demonstrou o impacto desse salto. Ele enfatizou como decodificar padrões e comportamentos está remodelando indústrias como agricultura e bem-estar animal.

Neste artigo, vamos percorrer os principais pontos da palestra de David e explorar como o rastreio comportamental torna a IA mais prática.

Entendendo os desafios da adoção de IA#

David Scott iniciou seu discurso com um choque de realidade ousado e disse: "Um colega meu costuma dizer: 'A ciência não vende', o que nos ofende um pouco porque nós realmente gostamos de ciência. A IA é muito legal - por que as pessoas simplesmente não a comprariam? Mas a realidade é que as pessoas não querem comprar apenas porque achamos que é legal; elas precisam de um motivo para comprar".

Ele continuou a explicar que, na sua empresa, a The Main Branch, o foco está sempre em resolver problemas reais com IA, e não apenas em exibir as suas capacidades. Muitos clientes aparecem querendo falar sobre como podem usar IA em geral, mas ele vê isso como uma abordagem retrógrada - é como ter uma solução sem um problema. Em vez disso, trabalham com clientes que trazem desafios específicos para poderem criar soluções de IA que realmente fazem a diferença.

Fig 1. David Scott no palco no YV24.

David também compartilhou que seu trabalho muitas vezes vai além de apenas reconhecer objetos em uma cena. Identificar o que está lá é apenas o primeiro passo. O valor real vem de descobrir o que fazer com essa informação e torná-la útil dentro da cadeia de valor mais ampla.

Tecnologia de rastreamento comportamental: a chave para uma IA acionável#

Um passo vital para tornar a IA verdadeiramente útil é ir além das tarefas de visão computacional básicas, como a deteção de objetos, e usar esses conhecimentos para o rastreio comportamental. David destacou que a IA comportamental se concentra em compreender ações e padrões, e não apenas em identificar objetos. Isto torna a IA capaz de reconhecer eventos significativos e fornecer percepções acionáveis.

Ele deu o exemplo de um animal a rebolar no chão, o que pode indicar doença. Embora as pessoas não consiguem vigiar um animal a toda a hora, os sistemas de vigilância impulsionados por IA com capacidades de rastreio comportamental conseguem. Tais soluções podem monitorizar objetos continuamente, detetar comportamentos específicos, enviar um alerta e permitir uma ação oportuna. Isto transforma dados brutos em algo prático e valioso.

David também demonstrou que essa abordagem torna a IA não apenas interessante, mas verdadeiramente impactante. Ao abordar problemas reais, como monitorar comportamentos e agir sobre eles, o rastreamento comportamental pode se tornar uma parte fundamental de soluções de IA eficazes em diversos setores.

Dando vida à IA comportamental#

David Scott ilustrou de seguida como o Ultralytics YOLOv8, um modelo de visão computacional, foi um avanço para os projetos de rastreio comportamental da sua equipa. Deu-lhes uma base sólida para detetar, classificar e rastrear objetos. A sua equipa também foi mais longe e treinou o YOLOv8 à medida para se concentrar na monitorização de comportamentos ao longo do tempo, tornando-o mais prático e útil para situações do mundo real.

Curiosamente, com o lançamento do Ultralytics YOLO11, soluções como as criadas pela The Main Branch podem tornar-se ainda mais fiáveis e precisas. Este modelo mais recente oferece funcionalidades como precisão melhorada e processamento mais rápido que melhoram a sua capacidade de rastrear comportamentos. Discutiremos isto em mais detalhe depois de compreendermos melhor as aplicações para as quais a IA comportamental pode ser utilizada.

A seguir, vamos explorar as soluções das quais David falou e como a tecnologia de rastreamento comportamental está sendo usada em aplicações do mundo real para resolver desafios diários e causar um impacto significativo.

HerdSense com análise de comportamento orientada por IA#

Primeiro, David compartilhou um desafio emocionante que enfrentaram com um projeto chamado HerdSense, que envolvia monitorar a saúde de milhares de vacas em um confinamento enorme. O objetivo era rastrear o comportamento de vacas individuais para identificar possíveis problemas de saúde. Isso significava ficar de olho em dezenas de milhares de animais ao mesmo tempo, e não era uma tarefa simples.

Fig. 2 O HerdSense focou-se na monitorização e identificação de vacas utilizando IA comportamental.

Para começar a resolver o problema de identificar cada vaca e rastrear seus comportamentos, a equipe de David conduziu um workshop de dois dias para descrever todos os comportamentos possíveis que precisavam monitorar. Eles identificaram mais de 200 comportamentos no total.

Cada um dos 200 comportamentos dependia da capacidade de reconhecer com precisão as vacas individualmente, já que todos os dados precisavam ser vinculados a animais específicos. Uma grande preocupação era rastrear as vacas quando elas se agrupavam em manadas, o que tornava difícil ver os animais individualmente.

A equipe de David desenvolveu um sistema de visão computacional para garantir que cada vaca fosse identificada consistentemente, mesmo em situações difíceis. Eles conseguiram confirmar que a mesma vaca sempre seria designada com o mesmo ID, mesmo que desaparecesse de vista, se misturasse com outras ou reaparecesse mais tarde.

Monitorando a saúde dos cavalos usando visão computacional#

Continuando, David apresentou outro projeto fascinante onde aplicaram técnicas de rastreio comportamental semelhantes para monitorizar cavalos. Neste projeto, a equipa de David não precisou de rastrear os IDs de cavalos individuais tão de perto como fizeram com as vacas. Em vez disso, concentraram-se em comportamentos específicos e rastrearam detalhes como padrões de alimentação e níveis gerais de atividade para detetar precocemente quaisquer problemas de saúde. Identificar pequenas alterações no comportamento pode levar a intervenções mais rápidas para prestar melhores cuidados e prevenir problemas antes que se tornem graves.

Fig. 3 Monitorização de cavalos com a ajuda de IA comportamental.

Por que a IA comportamental não é tão simples quanto parece#

David também discutiu a complexidade do rastreio comportamental através de um exemplo intrigante. Enquanto investigavam formas de melhorar a análise comportamental, a sua equipa deparou-se com uma empresa que alegava detetar roubos em lojas analisando posturas específicas, como alguém com a mão no bolso. No início, isto parecia uma ideia inteligente - certos movimentos podiam sugerir comportamento suspeito, certo?

Fig. 4 Compreender os desafios da tecnologia de rastreio comportamental.

No entanto, à medida que David explorava mais, ele percebeu as limitações desse método. Uma única pose, como a mão no bolso, não significa necessariamente que alguém está furtando. Pode apenas indicar que a pessoa está relaxada, pensativa ou até com frio. O problema de focar em poses isoladas é que isso ignora o contexto mais amplo. O comportamento não é apenas uma única ação - é um padrão de ações ao longo do tempo, moldado pelo contexto e pela intenção.

David destacou que o rastreamento comportamental verdadeiro é muito mais complexo e requer uma abordagem holística. Trata-se de analisar sequências de ações e entender o que elas significam no quadro geral. Embora a indústria de IA esteja fazendo progressos, ele observou que ainda há trabalho a ser feito no avanço do rastreamento comportamental para fornecer insights significativos e precisos.

Criando modelos de visão computacional mais inteligentes que entendem ações#

Posteriormente, David levou o público aos bastidores para mostrar como a sua equipa construiu uma solução de visão computacional para monitorizar a saúde das vacas com a ajuda do Ultralytics YOLOv8 e das suas capacidades de pose estimation.

Começaram por criar um conjunto de dados personalizado para a estimativa de pose de uma vaca, aumentando o número padrão de pontos-chave de 17 para 145 para tornar o modelo melhor na análise de movimentos. Em seguida, o modelo foi treinado num enorme conjunto de dados de mais de 2 milhões de imagens e 110 milhões de exemplos comportamentais.

Usando infraestrutura de hardware avançada, a equipe de David conseguiu treinar o modelo em apenas dois dias, em vez das semanas que teria levado em hardware convencional. O modelo treinado foi então integrado a um rastreador de comportamento personalizado que analisava vários quadros de vídeo simultaneamente para detectar padrões nas ações das vacas.

O resultado foi uma solução baseada em visão computacional que pode detectar e rastrear oito comportamentos diferentes de vacas, como comer, beber e deitar, para detectar pequenas mudanças comportamentais que podem sinalizar preocupações de saúde. Isso permite que os fazendeiros ajam rapidamente e melhora o gerenciamento do rebanho.

O caminho a seguir para a IA comportamental#

David encerrou sua palestra compartilhando uma lição importante com o público: "Se você não der espaço para a IA falhar, você está se preparando para o fracasso porque, no final das contas, ela é estatística". Ele ressaltou que a IA, apesar de seus pontos fortes, não é perfeita. É uma ferramenta que aprende com padrões, e sempre haverá momentos em que ela não fará as coisas corretamente. Em vez de temer esses erros, a chave é construir sistemas que possam lidar com eles e continuar a melhorar com o tempo.

Isto também é verdade quando se trata dos próprios modelos de visão computacional. Por exemplo, o Ultralytics YOLO11, a versão mais recente dos modelos Ultralytics YOLO, foi construído tendo em mente a necessidade de levar as coisas para o próximo nível em comparação com o YOLOv8.

Fig 5. Tarefas de visão computacional suportadas pelo Ultralytics YOLO11.

Em particular, o Ultralytics YOLO11 oferece melhor desempenho, especialmente no que diz respeito a aplicações em tempo real onde a precisão é fundamental, como na agricultura e na saúde. Com os seus recursos avançados, o YOLO11 está a redefinir a forma como as indústrias utilizam a IA, fornecendo insights inovadores em tempo real e ajudando-as a enfrentar desafios de forma mais eficaz.

Principais pontos#

A palestra de David no YV24 foi um lembrete de que a IA é mais do que apenas uma inovação legal - é uma ferramenta poderosa para resolver problemas reais e melhorar como vivemos e trabalhamos. Ao focar no comportamento, a IA já está causando um impacto em áreas como rastreamento da saúde animal e reconhecimento de padrões significativos em ações diárias.

O potencial para a IA comportamental é empolgante, e estamos apenas no começo. Ao transformar dados brutos em insights acionáveis, a IA comportamental muda do monitoramento passivo para a resolução ativa de problemas. À medida que se desenvolve ainda mais, a IA comportamental está definida para impulsionar decisões mais inteligentes, simplificar processos e trazer melhorias significativas para nossas vidas.

Mantém-te ligado à nossa comunidade para saberes mais sobre a IA e as suas aplicações no mundo real. Visita o nosso repositório GitHub para descobrir inovações em áreas como IA na agricultura e visão computacional no fabrico.