INTELIGÊNCIA ARTIFICIAL NO DSPCOM: UMA ETNOGRAFIA DO PROCESSO DE DESENVOLVIMENTO E POTENCIALIDADES DOS MÉTODOS.
Vol 4 2021 - 136542
Trabalho
Resumo
O objetivo dessa pesquisa foi acompanhar e etnografar a produção de IA a partir de dois projetos de pesquisa em desenvolvimento no Laboratório DSPCom. O foco principal esteve na observação das conexões e relações estabelecidas no laboratório, entre agentes humanos, não-humanos, a agência da lógica e dos saberes envolvidos na produção tecnocientífica e nos processos de desenvolvimento técnico dos métodos aplicados, considerando o que eles informam e mobilizam. Observei as definições, processos e conteúdos desenvolvidos e mobilizados a partir de métodos de IA (machine learning, deep learning, redes neurais, etc.), a fim de descrevê-los etnograficamente, buscando compreender o universo técnico da IA no laboratório. As perguntas que baseiam a pesquisa foram: Quais as potencialidades metodológicas utilizadas, considerando a definição do problema e a criação de resolução para os projetos? O que os métodos de IA mobilizam e informam nesses processos? Adotei a etnografia como processo para acompanhar o desenvolvimento dessas tecnologias. O capitalismo e a tecnociência são constituídos por dinâmicas processuais. Desta forma, a etnografia pode ser vista como abordagem vantajosa para a análise das construções da tecnociência em seu caráter processual e em ação (MONTEIRO, 2014).
Apoio/Financiamento da Pesquisa: FAPESP
Instituições
- 1 Unicamp
Eixo Temático
- HUMANAS
Palavras-chave
Inteligência Artificial
Etnografia de Laboratório
Covid-19
Discussões Científicas de Qualidade
Com ~200 mil publicações revisadas por pesquisadores do mundo todo, o Galoá impulsiona cientistas na descoberta de pesquisas de ponta por meio de nossa plataforma indexada.
Confira nossos produtos e como podemos ajudá-lo a dar mais alcance para sua pesquisa:
MATEUS VICENTE
Olá Paola, boa tarde.
Desculpe a demora em retornar.
Sobre as perguntas que orientaram a direção do projeto, o intuito foi observar e etnografar os métodos aplicáveis de IA a partir de projetos de pesquisa em desenvolvimento no Laboratório DSPCom. A partir disso, gostaria de saber o porque os métodos e abordagens dos projetos eram escolhidos para serem usados, e porque não outros métodos. E a partir do aprofundamento e do processo etnográfico, compreender o que esses métodos e técnicas de IA selecionados informavam e mobilizavam.
Os projetos que estavam sendo desenvolvidos nesse período eram sobre a construção de uma IA que detectasse COVID-19, a partir de radiografias de pulmões. Isso significa, apresentar uma radiografia de um pulmão para a máquina e ela responder se encontrou ou não inflamações típicas causadas pelo coronavírus.
Ao ir me aprofundando nesse processo de construção dessas pesquisas, dois métodos me chamaram mais atenção. Que são "Transfer Learning" e "Data Augmentation". Em resumo, o primeiro permite uma transferência de aprendizagem de outras máquinas e algoritmos já construídos e treinados. A "experiência" e o aprendizado adquirido é transferido, portanto, para outra máquina para desempenhar uma nova função. A segunda técnica citada, diz respeito a um processo de aumentar o volume de dados para treinamento da máquina. Quão maior for o volume de dados, melhor é para o treinamento e renderá melhores resultados.
Como as pesquisas etnografadas tratavam de imagens, os pesquisadores conseguiram arquiteturas de redes neurais que detectavam padrões em imagens, que já tinham sido treinadas para outras funções. Assim, foi aplicado os dois métodos citados. Transferiu-se o aprendizado dessas arquiteturas de redes neurais, para a que eles construíram. E como as radiografias de pulmões não eram tantas, aplicou-se o método "data augmentation" citado acima.
Então, em resumo, em relação a potencialidade dos métodos de IA e o que eles mobilizam e informam, o que encontrei nesse processo foi uma capacidade de adaptação e de reutilização de experiências e aprendizados já adquiridos por outras máquinas de IA e algoritmos. Esse métodos utilizados e citados acima, permitiram esse processo, dentro de um cenário pandêmico e da tentativa de criar ferramentas que auxiliem no combate a COVID-19.
Paola Argentin
Esse exercício que fez de explicar resumidamente sua pesquisa foi muito bom. Ficou muito mais claro. Obrigada por explicar melhor.
Sobre a etnografia em si, eu vi que seus encontros foram completamente remotos e a observação do "processo e o conteúdo da ciência", como você mesmo diz, foram feitos, sobretudo, a partir da disciplina "Aprendizagem de Máquina". Você também fez entrevistas? Como foi seu processo de organização dos seus dados de pesquisa?
Gostaria de destacar um trecho que gostei muito:
"Portanto, não se trata de uma escolha, tão pouco da adoção do que vem sendo
pensado na antropologia como “netnografia”, e sim, de um efeito, causa ou consequência das
práticas científicas que aconteceram durante o isolamento social."
Acho importante destacar estas diferenças em nossas metodologias porque tem sido muito comum transformar toda a etnografia feita por meios digitais em netnografia.
Por fim, numa escrita maior sobre sua pesquisa, sugiro que você desenvolva aquilo que disse no último parágrafo: "Desde a primeira fase dessa pesquisa, carreguei comigo a concepção de que as tecnologias como a IA compõem parte da engrenagem do centro do capitalismo contemporâneo." Essa ideia, evidentemente, está diluída em sua descrição, mas poderia ser interessante desenvolve-la diretamente.
MATEUS VICENTE
Oi Paola,
Muito obrigado pelos comentários! A disciplina de aprendizagem de máquina eu acompanhei, mas foquei mais nos métodos e técnicas que foram utilizadas nas pesquisas que acompanhei (assistindo e revisando as aulas e os slides delas). Toda a parte técnica explicativa das pesquisas foram apoiadas na disciplina e nas reuniões com os pesquisadores e o orientador.
Me atentarei em desenvolver mais esses trechos que você indicou.
Muito obrigado novamente!
Abraço,
Mateus
Paola Argentin
Ótimo! Obrigada pela interação, Mateus. Que sua pesquisa te dê bons frutos.