A IA comportamental está a tornar a visão computacional mais impactante

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

No entanto, estas tarefas concentram-se frequentemente apenas em identificar o que é um objeto. E se os sistemas de IA de visão pudessem ir mais além? Por exemplo, em vez de simplesmente detetar um cão, poderiam compreender que o cão está a perseguir uma bola ou que um carro está a travar repentinamente porque um peão está a atravessar a rua. Esta mudança do reconhecimento básico para a compreensão contextual representa uma grande evolução rumo 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 na IA de visão, o conceito de análise comportamental orientada por IA esteve no centro das atenções durante uma interessante palestra de David Scott, CEO da The Main Branch.

Na sua palestra, David explorou a transição das tarefas básicas de visão computacional para o rastreamento comportamental. Com mais de 25 anos de experiência na criação de aplicações tecnológicas de ponta, mostrou o impacto desta evolução. Destacou como a descodificação de padrões e comportamentos está a transformar setores como a agricultura e o bem-estar animal.

Neste artigo, vamos apresentar os destaques da palestra de David e explorar como o rastreamento comportamental torna a IA mais prática.

Compreender os desafios da adoção da IA#

David Scott iniciou a sua palestra com uma franca verificação da realidade e afirmou: “Um colega meu diz muitas vezes: ‘A ciência não vende’, o que ofende um pouco muitos de nós aqui, porque gostamos realmente de ciência. A IA é realmente fantástica — porque é que as pessoas não a comprariam simplesmente? Mas a realidade é que as pessoas não querem comprá-la só porque achamos que é fantástica; precisam de ter uma razão para a comprar.”

Continuou, explicando 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 chegam querendo falar sobre como podem usar a IA em geral, mas ele considera essa uma abordagem invertida — é como ter uma solução sem um problema. Em vez disso, trabalham com clientes que apresentam desafios específicos, para poderem criar soluções de IA que façam realmente a diferença.

Fig. 1. David Scott no palco do YV24.

David partilhou também que o trabalho da sua equipa vai muitas vezes além de simplesmente reconhecer objetos numa cena. Identificar o que está presente é apenas o primeiro passo. O verdadeiro valor está em descobrir o que fazer com essa informação e torná-la útil no contexto mais amplo da cadeia de valor.

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

Um passo essencial para tornar a IA verdadeiramente útil é ir além das tarefas básicas de visão computacional, como a deteção de objetos, e utilizar essas informações para o rastreamento comportamental. David salientou que a IA comportamental se concentra em compreender ações e padrões, e não apenas em identificar objetos. Isto permite à IA reconhecer eventos relevantes e fornecer informações acionáveis.

Deu o exemplo de um animal a rebolar no chão, o que poderia indicar uma doença. Embora as pessoas não possam observar um animal 24 horas por dia, os sistemas de vigilância orientados por IA com capacidades de rastreamento comportamental podem fazê-lo. Estas soluções podem monitorizar objetos continuamente, detetar comportamentos específicos, enviar um alerta e permitir uma ação atempada. Assim, os dados brutos transformam-se em algo prático e valioso.

David mostrou também que esta abordagem torna a IA não apenas interessante, mas verdadeiramente impactante. Ao resolver problemas reais, como monitorizar comportamentos e agir com base neles, o rastreamento comportamental pode tornar-se uma parte essencial de soluções de IA eficazes em vários setores.

Dar vida à IA comportamental#

David Scott ilustrou então como o Ultralytics YOLOv8, um modelo de visão computacional, representou um avanço decisivo nos projetos de rastreamento comportamental da sua equipa. O modelo forneceu uma base sólida para detetar, classificar e rastrear objetos. A equipa foi ainda mais longe e treinou o YOLOv8 de forma personalizada para se concentrar na monitorização de comportamentos ao longo do tempo, tornando-o mais prático e útil em 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 maior precisão e processamento mais rápido, que reforçam a sua capacidade de rastrear comportamentos. Abordaremos este tema com mais detalhe depois de compreendermos melhor as aplicações em que a IA comportamental pode ser utilizada.

Em seguida, vamos explorar as soluções apresentadas por David e a forma como a tecnologia de rastreamento comportamental está a ser utilizada em aplicações do mundo real para resolver desafios quotidianos e gerar um impacto significativo.

HerdSense com análise comportamental orientada por IA#

Primeiro, David partilhou um desafio interessante que resolveram com um projeto chamado HerdSense, que envolvia monitorizar a saúde de milhares de vacas num enorme parque de engorda. O objetivo era rastrear o comportamento de cada vaca para identificar potenciais problemas de saúde. Isto significava acompanhar dezenas de milhares de animais em simultâneo, e não era uma tarefa simples.

Fig. 2. A HerdSense concentrou-se na monitorização e identificação de vacas com IA comportamental.

Para começar a resolver o problema de identificar cada vaca e rastrear os seus comportamentos, a equipa de David realizou um workshop de dois dias para delinear todos os comportamentos possíveis que precisavam de monitorizar. No total, identificaram mais de 200 comportamentos.

Cada um dos 200 comportamentos dependia da capacidade de reconhecer com precisão cada vaca, uma vez que todos os dados tinham de ser associados a animais específicos. Uma das principais preocupações era rastrear as vacas quando se agrupavam, o que dificultava a observação dos animais individualmente.

A equipa de David desenvolveu um sistema de visão computacional para garantir que cada vaca fosse identificada de forma consistente, mesmo em situações difíceis. Conseguiram confirmar que à mesma vaca seria sempre atribuído o mesmo ID, mesmo que desaparecesse do campo de visão, se misturasse com outras ou reaparecesse mais tarde.

Monitorizar a saúde dos cavalos com visão computacional#

De seguida, David apresentou outro projeto fascinante, no qual aplicaram técnicas semelhantes de rastreamento comportamental para monitorizar cavalos. Neste projeto, a equipa de David não precisava de rastrear os IDs individuais dos cavalos com o mesmo nível de detalhe utilizado no caso das vacas. Em vez disso, concentrou-se em comportamentos específicos e rastreou detalhes como padrões alimentares e níveis gerais de atividade, para detetar precocemente quaisquer problemas de saúde. Identificar pequenas alterações no comportamento poderia conduzir a intervenções mais rápidas, proporcionando melhores cuidados e evitando que os problemas se tornassem graves.

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

Porque é que a IA comportamental não é tão simples como parece#

David discutiu também a complexidade do rastreamento comportamental através de um exemplo intrigante. Ao investigar formas de melhorar a análise comportamental, a sua equipa encontrou uma empresa que afirmava conseguir detetar furtos em lojas através da análise de poses específicas, como alguém com a mão no bolso. À primeira vista, isto parecia uma ideia inteligente — certos movimentos poderiam indicar um comportamento suspeito, certo?

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

No entanto, ao analisar a questão mais profundamente, David percebeu as limitações deste método. Uma única pose, como ter a mão no bolso, não significa necessariamente que alguém esteja a furtar numa loja. Pode simplesmente indicar que a pessoa está descontraída, a pensar ou até com frio. O problema de se concentrarem em poses isoladas é que isso ignora o contexto mais amplo. O comportamento não é apenas uma ação isolada — é um padrão de ações ao longo do tempo, moldado pelo contexto e pela intenção.

David salientou que o verdadeiro rastreamento comportamental é muito mais complexo e exige uma abordagem holística. Trata-se de analisar sequências de ações e compreender o seu significado no contexto geral. Embora o setor da IA esteja a avançar, observou que ainda há trabalho a fazer para desenvolver o rastreamento comportamental e fornecer informações relevantes e precisas.

Criar modelos de IA de visão mais inteligentes que compreendam ações#

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

Começaram por criar um dataset personalizado para a estimativa da pose de uma vaca, aumentando o número padrão de pontos-chave de 17 para 145, para tornar o modelo mais eficaz na análise do movimento. Depois, o modelo foi treinado com um dataset enorme, composto por mais de 2 milhões de imagens e 110 milhões de exemplos comportamentais.

Utilizando uma infraestrutura de hardware avançada, a equipa de David conseguiu treinar o modelo em apenas dois dias, em vez das semanas que seriam necessárias com hardware convencional. De seguida, o modelo treinado foi integrado num rastreador comportamental personalizado que analisava simultaneamente vários fotogramas de vídeo para detetar padrões nas ações das vacas.

O resultado foi uma solução orientada por IA de visão capaz de detetar e rastrear oito comportamentos diferentes das vacas, como comer, beber e deitar-se, para identificar pequenas alterações comportamentais que poderiam indicar problemas de saúde. Isto permite aos agricultores agir rapidamente e melhora a gestão do rebanho.

O futuro da IA comportamental#

David terminou a sua palestra partilhando uma lição importante com o público: “Se não deres espaço à IA para falhar, estás a preparar-te para falhar, porque, no fim de contas, é estatística.” Salientou que a IA, apesar dos seus pontos fortes, não é perfeita. É uma ferramenta que aprende com padrões e haverá sempre momentos em que não acertará. Em vez de temer esses erros, o essencial é criar sistemas capazes de lidar com eles e continuar a melhorar ao longo do tempo.

Isto também se aplica aos próprios modelos de visão computacional. Por exemplo, o Ultralytics YOLO11, a versão mais recente dos modelos YOLO da Ultralytics, foi desenvolvido tendo em conta a necessidade de elevar o desempenho para o nível seguinte em comparação com o YOLOv8.

Fig. 5. Tarefas de visão computacional compatíveis com o Ultralytics YOLO11.

Em particular, o Ultralytics YOLO11 oferece melhor desempenho, especialmente em aplicações em tempo real nas quais a precisão é essencial, como a agricultura e a saúde. Com as suas funcionalidades avançadas, o YOLO11 está a redefinir a forma como os setores utilizam a IA, fornecendo informações inovadoras em tempo real e ajudando-os a enfrentar os desafios de forma mais eficaz.

Principais conclusões#

A palestra de David no YV24 recordou-nos que a IA é mais do que uma simples inovação fantástica — é uma ferramenta poderosa para resolver problemas reais e melhorar a forma como vivemos e trabalhamos. Ao concentrar-se no comportamento, a IA já está a gerar impacto em áreas como o acompanhamento da saúde animal e o reconhecimento de padrões relevantes nas ações quotidianas.

O potencial da IA comportamental é entusiasmante, e estamos apenas no início. Ao transformar dados brutos em informações acionáveis, a IA comportamental passa da monitorização passiva para a resolução ativa de problemas. À medida que se desenvolve, a IA comportamental deverá impulsionar decisões mais inteligentes, simplificar processos e trazer melhorias significativas às nossas vidas.

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