Ilustração Nik Neves
Um dos maiores desafios no desenvolvimento de modelos de inteligência artificial é a construção da base de dados que vai alimentá-los. No caso dos Large Language Models (LLMs) que sustentam os motores de IA generativa, por exemplo, o próprio nome indica que se trata de bases “muito grandes”, o que dificulta a sua reprodução. A solução pode estar em um conceito chamado “Few-Shot Learning”, que consiste em criar modelos que atingem alta precisão a partir de pequenas bases de dados. Uma plataforma de Few-Shot Learning está sendo desenvolvida no Brasil com apoio da Empresa Brasileira de Pesquisa e Inovação Industrial (Embrapii) com foco em chatbots e visão computacional.
A iniciativa é a primeira a receber recursos da Embrapii na modalidade Basic Funding Alliance (BFA). Nela, 90% do valor aplicado é não reembolsável. Nesse projeto em questão, a Embrapii vai investir R$ 1 milhão.
Participam do projeto quatro centros de pesquisa credenciados no ecossistema da Embrapii: Instituto Senai de Inovação em Sistemas Embarcados (ISI-SE); Fundação Centros de Referência em Tecnologias Inovadoras (CERTI); Centro de Pesquisa e Desenvolvimento em Telecomunicações (CPQD); e Instituto de Tecnologia para o Desenvolvimento (Lactec). Além dos centros de pesquisa, o projeto reúne as empresas Christal Ltda e Ativa Soluções, e as startups Damone Informática Ltda e Caren Tecnologia da Informação Ltda.
Casos práticos com Few-Shot Learning
Em visão computacional, será criado com a plataforma de Few-Shot Learning uma solução para identificação de defeitos na linha de produção das empresas participantes do projeto, a partir de uma pequena base de imagens.
Em processamento de linguagem natural, a plataforma tentará analisar e classificar contratos das empresas em língua portuguesa, também a partir de uma base pequena para seu aprendizado.
Se a plataforma desenvolvida for bem-sucedida, conseguirá reduzir de maneira significativa o tempo e o custo de desenvolvimento de soluções de IA no Brasil.
