Como o Google Identifica Números de Residências a Partir de Fotografias

Uma rede neural que conta com onze níveis é usada pela Google para identificar números de residências em imagens no serviço Street View. Mas não são cérebros convencionais, são máquinas capazes de aprender. Estas máquinas inteligentes contam com softwares ultra sofisticados e toda a estrutura tem permitido ao Google identificar dados em imagens e aplicá-los ao serviço Street View com grande eficiência, em menos tempo do que no uso de equipes compostas por humanos para localizar e ler os números nas fachadas em cada fotografia.

Mas os cérebros eletrônicos da Google vão além de ler dados em imagens e aprendem outros truques, como a compreensão de comandos de voz, já bastante integrada ao sistema Android e recursos do Google+, além, é claro, do seu clássico serviço de busca.

No caso das imagens, o processo para fazer com que os computadores do Google lessem os números exigiu que engenheiros "mostrassem" ao computador imagens previamente recortadas de números de residências e prédios já identificados e inseridos na base de dados do Street View por equipes humanas. Para identificar o que é número residencial e diferenciar de outros dados, como números quaisquer pintados na fachada, o sistema se limita a 5 dígitos, o que é um padrão razoável para a maioria dos lugares no mundo. Então primeiro é feito o descarte de imagens onde o volume de dígitos ultrapassa este limite, depois o computador aprendeu a ler os números onde aparecem menos de 5 dígitos, comparando as imagens com o que encontrava na mesma posição geográfica, nos registros do sistema. Com o tempo o software passa a mostrar os frutos do aprendizado, sendo capaz de realizar o serviço em outras áreas em que os dados ainda não tenham sido processados por humanos e inseridos na base de dados do Street View.

Este nerd é Ian Goodfellow, um dos

engenheiros responsáveis pelas

inovações com inteligência artificial

no Street View

Embora o sistema de inteligência desenvolvido para a Google seja fenomenal a primeira vista, ele não é perfeito. Seus Desenvolvedores esperam uma eficiência semelhante a de equipes humanas em relação a capacidade de detecção de números, coisa de 98%. A vantagem estaria na velocidade com a qual o sistema automato é capaz de realizar o serviço. Além do mais, a possibilidade de o mesmo sistema vir a ser adaptado para leitura de outros tipos de numeração, com mais de 5 dígitos é bem difícil.

Contudo, o sistema tem um grande destaque por realizar tudo o que faz a partir de uma única rede neural. Isto certamente trará melhorias para outros departamentos, como o reconhecimento de voz e até mesmo de texto escaneado.

Fonte: MIT Tecnology Review