IA consegue distinguir etnias a partir de raio-x e cientistas não sabem por quê

Uma inteligência artificial provou conseguir diferenciar etnia com base em apenas imagens de raios-X e tomografia computadorizada, nas quais não há diferença identificável, nesse aspecto, para especialistas humanos. Como ela faz isso? Não sabemos, e os cientistas consideram isso preocupante. A precisão na identificação da IA foi de 90%, considerada bastante alta, e a habilidade tem sido estudada desde então.

A ocorrência foi descrita por pesquisadores do Massachussets Institute of Technology (MIT) e publicada na revista científica Lancet Digital Health na quarta-feira da semana passada (11). Marzyeh Ghassemi, professora assistente de engenharia elétrica e ciências da computação e co-autora do paper, disse ter pensado que se tratava de um engano quando observou os resultados pela primeira vez — ou que os alunos estavam loucos, brinca ela.

Inteligência demais?

Para testar a habilidade da inteligência artificial no reconhecimento de imagens, um modelo de aprendizado profundo (deep learning) foi alimentado com imagens de tomografia computadorizada e raios-X de várias partes do corpo, e de grupos variados de pessoas. Cada imagem tinha a etnia da pessoa anotada.

Após a remoção da identificação racial, junto a outras características que poderiam ajudar na identificação — como cor de pele e de cabelo —, a IA foi posta para identificar a etnia do indivíduo escaneado. A precisão de 90% foi o resultado, para todas as áreas do corpo e sem características de identificação.

Co-variantes, como índice de massa corporal (IMC) ou densidade dos seios, que poderiam sugerir uma etnia ao invés de outra, também, foram removidas, para garantir que não houvesse engano nos resultados, já que suspeitou que a IA pudesse estar usando dados estatísticos como esses para enganar o sistema. Mesmo com pessoas com tipos de corpo e IMC semelhantes, o resultado continuava bem alto.

A questão principal é que os pesquisadores não sabem como é possível uma identificação tão precisa em condições tão complicadas. Em outros estudos, a IA conseguiu até mesmo identificar características pessoas em imagens muito corrompidas ou modificadas, e, dessa vez, sem co-variáveis.

Uma hipótese é que a máquina possa estar identificando variações de melanina que não conseguimos notar, mas que apareçam nos exames de raios-X e tomografias computadorizadas, mas isso ainda está sendo investigado. A preocupação dos cientistas é em relação ao uso de IA em hospitais e possíveis reações a diferentes etnias, o que já aconteceu em situações parecidas.

Segundo os pesquisadores, é melhor não trazer algoritmos aos hospitais e clínicas sem entender como eles funcionam realmente, garantindo que não façam decisões racistas ou sexistas — o que, vale lembrar, vem dos vieses que nós mesmos, seres humanos, acabamos inserindo neles até mesmo sem perceber.

Compartilhe:

Share on facebook
Share on twitter
Share on telegram
Share on whatsapp
você pode gostar de

Leonardo Bonato Felix

Tem graduação (UFSJ, 2002), mestrado (UFMG, 2004) e doutorado(UFMG, 2006) também em Engenharia Elétrica. Foi pesquisador visitante da University of Southampton-UK (2019-2020). É professor do Departamento de Engenharia Elétrica da UFV (2006-presente), nas disciplinas de Inteligência Computacional, Sinais e Sistemas, Modelagem e Identificação de Sistemas, Introdução à Engenharia Biomédica, Eletrônica, etc. É pesquisador 1D CNPq, atuando no processamento de sinais biológicos, teoria da detecção e aplicações de inteligência artificial.

Domingos Sárvio Magalhães Valente

Possui graduação em Engenharia Agrícola e Ambiental pela Universidade Federal de Viçosa (2003), mestrado em Engenharia Agrícola pela Universidade Federal de Viçosa (2007) na área de concentração em Pré-Processamento e Armazenagem de Produtos Agrícolas, doutorado em Engenharia Agrícola pela Universidade Federal de Viçosa (2010) na área de concentração em Mecanização Agrícola. Pós-doutorado na University of Illinois (Urbana-Champaign) nos Estados Unidos. Atualmente é Professor Associado da Universidade Federal de Viçosa, no Departamento de Engenharia Agrícola, atuando nas Áreas de Mecanização Agrícola, e Agricultura de Precisão e Digital.

José Augusto Miranda Nacif

Professor no Instituto de Ciências Exatas e Tecnológicas (IEF) do Campus UFV-Florestal da Universidade Federal de Viçosa (UFV). Possui mestrado e doutorado em Ciência da Computação (2004 e 2011) pela Universidade Federal de Minas Gerais e graduação em Engenharia de Controle e Controle e Automação (2001) pela Pontifícia Universidade Católica de Minas Gerais. Atualmente é orientador do Programa de Pós-Graduação em Ciência da Computação da UFV. É bolsista de produtividade do CNPq, nível 2. Tem experiência na área de Ciência da Computação, atuando principalmente nos seguintes temas: Internet das coisas, nanocomputação, computação de alto desempenho e aprendizado de máquina.

Moysés Nascimento

Possui graduação em Estatística pela Universidade Federal do Espírito Santo (2007), mestrado em Estatística Aplicada e Biometria pela Universidade Federal de Viçosa (2009) e doutorado em Estatística e Experimentação Agropecuária pela Universidade Federal de Lavras (2011). Realizou pós-doutorado em Análise de dados Genômicos, via Métodos Econométricos, na North Carolina State University (EUA, 2016). Atualmente, é professor Associado no Departamento de Estatística da Universidade Federal de Viçosa. Tem experiência na área de Probabilidade e Estatística Aplicada, com ênfase em Métodos Estatísticos Aplicados ao Melhoramento - Plantas e Animais, Inteligência Computacional e Aprendizado Estatístico.

Rodolpho Vilela Alves Neves

Possui graduação em Engenharia Elétrica pela Universidade Federal de Viçosa (2011), mestrado (2013) e doutorado (2018) em Engenharia Elétrica pela Universidade de São Paulo. Entre 2015 e 2016, foi pesquisador visitante na Aalborg University, Dinamarca. Atualmente, é professor adjunto no Departamento de Engenharia Elétrica da UFV. Atua principalmente nos temas geração distribuída e controle de sistemas de energia.

Sabrina de Azevedo Silveira

É graduada em Ciência da Computação pela Universidade Federal de Minas Gerais (UFMG-2008) e tem doutorado em Bioinformática (2013). Possui pós-doutorado no European Molecular Biology Laboratory-European Bioinformatics Institute (EMBL-EBI), em Cambridge, no Reino Unido (2019), e no Laboratório de Bioinformática e Sistemas (LBS), do Departamento de Ciência da Computação da Universidade Federal de Minas Gerais (2015). Atualmente, é professora no Departamento de Informática (DPI), da Universidade Federal de Viçosa (UFV). É orientadora do Programa de Pós-Graduação em Ciência da Computação da UFV (CAPES 4) e do Programa de Pós-Graduação em Bioinformática da UFMG (CAPES 7). Tem experiência na área de Ciência da Computação e Bioinformática, atuando principalmente nos seguintes temas: predição de função de enzima, mineração de dados, aprendizagem de máquinas, bases de dados biológicos e visualização de dados.

what you need to know

in your inbox every morning