A IA comportamental está tornando a visão computacional mais impactante

Por muitos anos, as inovações em visão computacional focaram em tarefas como detecção de objetos - identificar objetos como um cachorro ou um carro em imagens e vídeos. Essas abordagens permitiram aplicações em áreas como veículos autônomos, manufatura e 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 visão computacional, o conceito de análise de comportamento orientada por IA ganhou 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, passaremos pelos destaques da palestra do David e exploraremos como o rastreamento comportamental torna a IA mais prática.

Link to this sectionEntendendo 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 explicando que, em sua empresa, a The Main Branch, o foco é sempre resolver problemas reais com IA, e não apenas exibir suas capacidades. Muitos clientes chegam 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, eles trabalham com clientes que trazem desafios específicos para que possam 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.

Link to this sectionTecnologia de rastreamento comportamental: a chave para uma IA acionável#

Um passo vital para tornar a IA verdadeiramente útil é ir além de tarefas de visão computacional básicas como detecção de objetos e usar esses insights para o rastreamento comportamental. David destacou que a IA comportamental foca em entender ações e padrões, não apenas em identificar objetos. Isso torna a IA capaz de reconhecer eventos significativos e fornecer insights acionáveis.

Ele deu um exemplo de um animal rolando no chão, o que pode indicar doença. Embora as pessoas não consigam observar um animal 24 horas por dia, sistemas de vigilância orientados por IA com recursos de rastreamento comportamental conseguem. Tais soluções podem monitorar objetos continuamente, detectar comportamentos específicos, enviar um alerta e permitir uma ação oportuna. Isso 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.

Link to this sectionDando vida à IA comportamental#

David Scott ilustrou então como o Ultralytics YOLOv8, um modelo de visão computacional, foi um divisor de águas para os projetos de rastreamento comportamental de sua equipe. Ele forneceu uma base sólida para detectar, classificar e rastrear objetos. Sua equipe também foi um passo além e treinou o YOLOv8 de forma personalizada para focar no monitoramento 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 se tornar ainda mais confiáveis e precisas. Este modelo mais recente oferece recursos como precisão aprimorada e processamento mais rápido que melhoram sua capacidade de rastrear comportamentos. Discutiremos isso com mais detalhes após obter uma melhor compreensão das aplicações para as quais a IA comportamental pode ser usada.

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.

Link to this sectionHerdSense 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. HerdSense focou no monitoramento e identificação de vacas usando 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.

Link to this sectionMonitorando a saúde dos cavalos usando visão computacional#

Seguindo em frente, David apresentou outro projeto fascinante onde aplicaram técnicas semelhantes de rastreamento comportamental para monitorar cavalos. Neste projeto, a equipe de David não precisou rastrear os IDs individuais dos cavalos tão de perto quanto fizeram com as vacas. Em vez disso, focaram em comportamentos específicos e rastrearam detalhes como padrões de alimentação e níveis gerais de atividade para detectar problemas de saúde precocemente. Identificar pequenas mudanças no comportamento poderia levar a intervenções mais rápidas para fornecer melhores cuidados e evitar problemas antes que se tornem graves.

Fig 3. Monitorando cavalos com a ajuda da IA comportamental.

Link to this sectionPor que a IA comportamental não é tão simples quanto parece#

David também discutiu a complexidade do rastreamento comportamental através de um exemplo intrigante. Enquanto pesquisava maneiras de melhorar a análise comportamental, sua equipe encontrou uma empresa que afirmava detectar furto em lojas analisando poses específicas, como alguém com a mão no bolso. A princípio, isso parecia uma ideia inteligente - certos movimentos poderiam sugerir comportamento suspeito, certo?

Fig 4. Entendendo os desafios da tecnologia de rastreamento 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.

Link to this sectionCriando modelos de visão computacional mais inteligentes que entendem ações#

Subsequentemente, David levou o público aos bastidores para mostrar como sua equipe construiu uma solução de visão computacional para monitorar a saúde das vacas com a ajuda do YOLOv8 e suas habilidades de estimativa de pose.

Eles começaram criando um conjunto de dados personalizado para 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 movimento. Em seguida, o modelo foi treinado em um 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.

Link to this sectionO 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.

Isso 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 YOLO11.

Em particular, o YOLO11 oferece melhor desempenho, especialmente com relação a aplicações em tempo real onde a precisão é fundamental, como agricultura e saúde. Com seus recursos avançados, o YOLO11 está redefinindo como as indústrias usam a IA, fornecendo insights inovadores em tempo real e ajudando-as a enfrentar desafios de forma mais eficaz.

Link to this sectionPrincipais 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.

Fique conectado com nossa comunidade para aprender mais sobre a IA e suas aplicações no mundo real. Visite nosso repositório GitHub para descobrir inovações em áreas como IA na agricultura e visão computacional na manufatura.