Ablação (inteligência artificial)

Em inteligência artificial (IA), particularmente em aprendizado de máquina,[1] a ablação consiste na remoção de um componente de um sistema de IA. Um estudo de ablação tem como objetivo determinar a contribuição de um componente para o sistema de IA, removendo-o e analisando o desempenho resultante.[2]

O termo é uma analogia com a biologia (remoção de componentes de um organismo) e é particularmente utilizado na análise de redes neurais artificiais, por analogia com a cirurgia cerebral ablativa [en].[3] Outras analogias incluem sistemas neurológicos, como o da Drosophila e o cérebro de vertebrados.

Os estudos de ablação exigem que um sistema apresente degradação graciosa: o sistema deve continuar funcionando mesmo quando certos componentes estão ausentes ou degradados.[4] De acordo com alguns pesquisadores, os estudos de ablação são considerados uma técnica conveniente para investigar a inteligência artificial e sua resiliência a danos estruturais.[3]

Os estudos de ablação danificam ou removem certos componentes em um ambiente controlado para investigar todos os possíveis resultados de falhas no sistema; isso caracteriza como cada ação impacta o desempenho e a capacidade geral do sistema. O processo de ablação pode ser usado para testar sistemas que realizam tarefas como reconhecimento de fala, detecção de objetos [en] e controle de robôs [en].[5]

História

O termo é atribuído a Allen Newell,[6] um dos fundadores da inteligência artificial, que o utilizou em seu tutorial de 1974 sobre reconhecimento de fala, publicado em 1975. O termo é uma analogia com a ablação em biologia. A motivação era que, embora os componentes individuais sejam projetados, a contribuição de um componente individual para o desempenho geral do sistema não é clara; a remoção de componentes permite essa análise.[4]

Newell comparou o cérebro humano a computadores artificiais. Com isso em mente, Newell via ambos como sistemas de conhecimento, nos quais procedimentos como a ablação podem ser realizados para testar certas hipóteses.

Ver também

  • Muntzing

Referências

  1. ↑ «Ablation Programming for Machine Learning». DiVA (em inglês). Consultado em 3 de outubro de 2025. Arquivado do original em 6 de janeiro de 2024 
  2. ↑ Sheikholeslami, Sina (2019). Ablation Programming for Machine Learning (Dissertação de Mestrado) (em inglês). KTH Royal Institute of Technology. doi:10.13140/RG.2.2.27959.06567. Consultado em 3 de outubro de 2025 
  3. ↑ a b Meyes, Richard; Lu, Melanie; Puiseau, Constantin Waubert de; Meisen, Tobias (18 de fevereiro de 2019), Ablation Studies in Artificial Neural Networks (em inglês), doi:10.48550/arXiv.1901.08644, consultado em 3 de outubro de 2025 
  4. ↑ a b Newell, Allen (1975). «A Tutorial on Speech Understanding Systems». In: Reddy, Dabbala R.; Institute of Electrical and Electronics Engineers. Speech recognition: invited papers presented at the 1974 IEEE Symposium on Speech Recognition, Carnegie-Mellon Univ., Pittsburgh, Pennsylvania, April 15-19 (em inglês). New York: Acad. Press. p. 43. ISBN 0-12-584550-2. Consultado em 3 de outubro de 2025 
  5. ↑ Meyes, R; Lu, M; de Puiseau, C Waubert; Meisen, T (2019). «Ablation Studies to Uncover Structure of Learned Representations in Artificial Neural Networks». Proceedings on the International Conference on Artificial Intelligence (em inglês). Consultado em 3 de outubro de 2025 
  6. ↑ Cohen, Paul R.; Howe, Adele E. (15 de dezembro de 1988). «How Evaluation Guides AI Research: The Message Still Counts More than the Medium». AI Magazine (em inglês). 9 (4): 35–35. ISSN 2371-9621. doi:10.1609/aimag.v9i4.952. Consultado em 3 de outubro de 2025 
Este artigo é emitido por Wikipédia. O texto é licenciado sob Creative Commons Attribution-Share Alike 4.0. Termos adicionais podem ser aplicados aos arquivos de mídia.