Primeira abordagem a redes neurais

Primeira abordagem a redes neurais

Um pequeno relato desta primeira aventura. Com resultados abaixo do esperado.

Sendo o assunto da Inteligência Artificial um tema actual, resolvi começar a pesquisar alguma coisa... primeiro no Youtube. No youtube há muita coisa em diversos idiomas. Percebe-se que a Inteligência Artificial é como dizem alguns, um grande guarda chuva que acolhe muitas disciplinas.

Um dos vídeos mais interessantes é o do canal Ringa Tech, que usa Javascript e a biblioteca Brain.js para exemplificar de forma clara, uma rede neural simples, com cores de fundo e cores de texto.

https://www.youtube.com/watch?v=UNFFLJPW7KQ

Uma ideia de aplicação, seria determinar a distância de qualquer ponto de um triângulo ao seu centro de massa. Fiz uma janela em Python para depois iniciar sobre ela a rede neural:

Como estou a usar fundamentalmente o Python na programação, tentei fazer a correspondência para esta linguagem. O Brains.js não tem equivalente simples que eu encontrasse. Tentei instalar o Tensorflow (não funciona no meu computador por ter um processador antigo), depois a Anaconda que supostamente tem uma versão do Tensorflow mais antiga (Anaconda é um pacote de "utilidades" para o Python que não consegui por a funcionar.

Outra opção seria o Colab do Google, mas este não aceita o ambiente gráfico Tkinter.

Então resolvi virar-me para o Javascript. Aproveitei o código que está no GitHub do Ringa Tech e fui modificando o código.

O primeiro passo foi criar um canvas e uns textos para comunicar os resultados ao utilizador.

A mecânica de funcionamento é igual à ideia inicial de Python (no python nem precisava de clicar...), um clique no ecrã determina as coordenadas e depois sobre elas calcular a distância ao centro de massa.

Com o canvas e os textos a indicarem as coordenadas e o cálculo matemático (por fórmulas sem rede neural), o passo seguinte é analisar o problema.

Como inputs dei as coordenadas dos 3 vértices e as respectivas distâncias ao centro de massa, divididos pela dimensão do canvas, 600 pixeis. E ainda o ponto do centro com distância zero.

{input: [50/600,50/600], output: [0.5003]},

{input: [550/600,50/600], output: [0.5003]},

{input: [300/600,550/600], output: [0.556]},

{input: [300/600,216.67/600], output: [0.000]},

Agora ao correr o programa, vejo a imprecisão do output.

Na imagem da esquerda, cliquei perto do centro (tem um círculo para que se referencie com o rato) e na imagem direita cliquei perto do vértice do lado direito.

Veja-se que os cálculos matemáticos estão aproximados, de acordo com a capacidade de com o rato clicarmos no sítio exacto...

E no cálculo neural já temos uma boa dose de erro principalmente no centro e no vértice inferior.

A explicação pode passar pelo facto de esta não ser uma aplicação típica de uma rede neural? Ou por poucos pontos de treino / input para o modelo?

Ou como estamos a lidar com números entre 0 e 1 para os pesos do input e output, junto com a precisão do rato, obtemos um bom grau de incerteza. Uma opção aqui poderia ser a introdução de coordenadas pelo utilizador...

A explicação que vi no site :

https://codingthesmartway.com/beginners-guide-to-neural-networks-in-javascript-with-brain-js/

Parece-me lógica de acordo com as premissas das redes neurais:

The reason for this is that the neural network is not dealing with a fixed algorithm to solve the problem. Instead the neural network is learning based on the provided sample data and performing it’s internal computation of the basis of probabilities.

Como primeira abordagem serviu para ter uma noção da mecânica da rede, mas também deu para ter uma ideia da imprecisão que obti, e de quanto se pode tornar complexa a implementação de uma rede neural (com Pytorch ou Tensorflow).