Horizonte Europa CL4: IA Eficiente e de Confiança

Mais inteligência com menos dados

O tópico HORIZON-CL4-2023-HUMAN-01-01 financiou investigação para uma inteligência artificial mais eficiente e mais fiável, capaz de fazer o melhor uso possível dos dados. O problema de partida é conhecido. Treinar modelos de IA de alta qualidade exige hoje volumes enormes de dados, intensidade de processamento e consumo energético elevado. Há uma necessidade clara de métodos que otimizem o treino, reduzam a quantidade de dados necessária e minimizem as operações, com o efeito direto de baixar o consumo de energia e a pegada ambiental.

Estas soluções são particularmente relevantes no contexto da IA embebida e incorporada, ou seja, as capacidades de inteligência artificial em robótica e em dispositivos e objetos conectados, incluindo objetos de pequena dimensão com longa autonomia. O tópico implementava a parceria europeia co-programada em IA, dados e robótica, uma das prioridades estratégicas da Europa nesta área.

Necessidades que este instrumento resolve

Sendo uma ação de investigação e inovação que arranca em níveis de maturidade tecnológica baixos, a necessidade dominante deste instrumento é clara e única.

• I&D e ciência: o tópico financiava investigação multidisciplinar em novos métodos de IA e em processos de preparação de dados de treino, com o objetivo de atingir IA de alta qualidade e fiável minimizando as necessidades de dados. As atividades arrancavam no TRL 2 ou 3 e deviam atingir o TRL 4 ou 5 no final do projeto, juntando competências de engenharia, ciência de dados, informática e matemática.

Duas áreas de foco distintas

As propostas tinham de abordar pelo menos uma de duas áreas de foco, indicando claramente qual seria a principal. Para garantir um portefólio equilibrado, as subvenções eram atribuídas não só por ordem de classificação, mas também às propostas mais bem classificadas em cada uma das duas áreas.

• Mineração, recolha, seleção, limpeza, anotação e enriquecimento de dados para IA de forma automatizada e assistida por IA, incluindo a geração e uso de dados sintéticos para reduzir a necessidade de grandes volumes de dados reais e potencialmente sensíveis.
• Modelos de IA mais leves, menos intensivos em dados e em energia, com processos de aprendizagem otimizados que exigem menos entrada de dados sem degradar a qualidade do resultado, recorrendo a métodos como a aprendizagem por transferência, a aprendizagem com um único exemplo e a aprendizagem contínua ao longo do tempo.

O trabalho devia contribuir para que as soluções de IA, dados e robótica cumprissem os requisitos de uma inteligência artificial de confiança, assente em precisão, robustez, segurança, princípios éticos e fiabilidade, em linha com a abordagem europeia à IA. Os princípios éticos tinham de ser adotados desde as fases iniciais de desenvolvimento e desenho. As propostas deviam ainda descrever a disponibilidade dos dados a usar e explicar como tratavam as questões de privacidade e propriedade intelectual, garantindo conformidade contínua com o RGPD, o regulamento da IA e o regulamento dos dados.

Que perfil de organização servia

A natureza profundamente científica do tópico, ainda assim ancorada na parceria industrial de IA, dados e robótica, definia um consórcio de investigação aplicada com forte componente empresarial:

• Centros de investigação e universidades com competência em aprendizagem automática, ciência de dados e métodos de IA eficientes em dados.
• Empresas tecnológicas e PME de deep tech ativas em IA, sobretudo as ligadas à parceria europeia de IA, dados e robótica.
• Organizações com casos de uso em IA embebida, robótica e dispositivos conectados, capazes de validar a eficiência dos métodos em aplicações reais.

Os projetos deviam articular-se com iniciativas existentes, em particular com as ações financiadas no programa Europa Digital, partilhando resultados com a comunidade europeia através da plataforma de IA a pedido, da plataforma industrial digital de robótica e dos espaços comuns europeus de dados. A submissão era em fase única e a cooperação internacional era encorajada, em particular com o Canadá e a Índia.

O que recomendamos

Este tópico antecipou uma das questões que hoje domina o debate sobre inteligência artificial: a sustentabilidade. Treinar modelos cada vez maiores tem um custo energético e ambiental que se tornou impossível de ignorar. A aposta europeia em IA eficiente em dados e em energia, longe de ser apenas uma preocupação ecológica, é também uma estratégia de soberania, porque permite competir sem depender de infraestruturas de computação à escala dos gigantes globais. Para empresas e centros de investigação portugueses com competência em aprendizagem automática, esta é uma área onde a excelência científica conta mais do que a dimensão.

O fator decisivo numa candidatura destas era a demonstração mensurável de progresso. A avaliação exigia indicadores qualitativos e quantitativos, benchmarking e casos de aplicação concretos. Não bastava propor um método mais eficiente, era preciso provar a melhoria face ao estado da arte. Para quem trabalha em IA, a recomendação é acompanhar os tópicos sucessores da parceria de IA, dados e robótica nos programas de trabalho do Cluster 4 e construir cedo a ligação a um caso de aplicação industrial, porque é a combinação de rigor científico com utilidade demonstrada que distingue as propostas financiadas.