A Microsoft anunciou recentemente o desenvolvimento de uma tecnologia baseada em inteligência artificial que é capaz de realizar desenhos complexos baseados em uma descrição detalhada em texto. O sistema não usa utiliza uma imagem já existente da internet para dar o resultado, mas cria desenho real. “Se você for ai Bing e procurar um pássaro, você encontra uma foto de pássaro. Mas aqui, as imagens são criadas pelo computador, pixel por pixel, desde o início”, disse o pesquisador principal Xiaodong He em um comunicado. “Essas aves podem não existir no mundo real – elas são apenas um aspecto da imaginação dos pássaros do nosso computador”.

Embora a forma atual desta tecnologia de desenho não seja perfeita, não é difícil imaginar um futuro onde possa funcionar como um assistente de esboço para pintores e designers de interiores ou uma ferramenta para refinar fotos com base na entrada de voz. Mais adiante, o pesquisador imagina que filmes animados possam ser gerados a partir de um roteiro escrito.

A equipe iniciou sua pesquisa em visão computacional e processamento de linguagem natural com o CaptionBot, um sistema de AI que grava automaticamente legendas para fotos e, em seguida, criou um sistema para responder questões que as pessoas perguntam sobre imagens chamadas SeeingAI, o que pode ser muito útil para deficientes visuais.

A tecnologia atual consiste em duas partes: uma que gera imagens conhecidas como Rede Adversarial Generativa (GAN) e uma que qualifica as imagens geradas, conhecido como discriminador. O desenho de bot foi treinado em pares de imagens e legendas, que ensinam a IA a aprender quais são as palavras com as imagens. A equipe também criou uma representação matemática da atenção humana, que é o que todos usamos quando desenhamos imagens de descrições complexas, como uma asa vermelha, um bico afiado, uma asa amarela. “A atenção é um conceito humano, usamos matemática para fazer a atenção computacional”, disse ele.