A abordagem baseia-se na utilização de sistemas de lógica difusa ('fuzzy systems'), para representar as dinâmicas dos processos industriais de forma simples, mas eficaz, revelou a FCTUC, numa nota enviada à agência Lusa.
O avanço acelerado das soluções baseadas em IA "tem levantado um dos maiores desafios atuais: a confiança humana nos modelos de alto desempenho, sobretudo pela dificuldade em compreender como tomam as suas decisões".
Esta questão é particularmente crítica em ambientes industriais, onde é imperativo que os sistemas sejam não só exatos, mas também transparentes e explicáveis para garantir a segurança e eficácia das operações.
O método desenvolvido pelos investigadores baseia-se numa arquitetura do tipo "professor-aluno", onde um modelo complexo (NFN-LSTM), que combina redes neuronais do tipo 'Long Short-Term Memory' com lógica difusa, serve de referência para treinar um modelo mais simples e interpretável (NFN-MOD), explicou o aluno de doutoramento do Departamento de Engenharia Eletrotécnica e de Computadores da FCTUC, Jorge S. S. Júnior.
"Este último recorre a funções com entradas atrasadas para simular a memória temporal do processo, aliando desempenho à compreensibilidade", completou o doutorando.
De acordo com a equipa de investigadores, o estudo demonstrou a eficácia da metodologia em dois casos de estudo com dados reais: uma unidade de recuperação de enxofre e um processo de moagem na indústria cimenteira.
Em ambos, o modelo NFN-MOD conseguiu replicar o comportamento do modelo professor com elevada precisão, enquanto oferecia explicações claras sobre os fatores que influenciam eventos críticos, como picos de emissões de gases nocivos ou variações na concentração de resíduos.
Além disso, o modelo introduz uma nova forma de análise contextual, permitindo aos operadores compreender melhor os diferentes cenários industriais e apoiar a tomada de decisões.
"O método promete, assim, aumentar significativamente a confiança nos sistemas de IA e otimizar o controlo de processos em ambientes industriais exigentes", concluiu a equipa de investigadores.
Leia Também: Quando a conversa corre mal, quem tem culpa: IA ou utilizador? "Ambos"
