Um pouco das principais notícias e apresentações do grupo de pesquisa.
O ATISLabs, em colaboração com o PESC da COPPE/UFRJ, apresentou ao STF um protótipo inovador para o resumo de processos judiciais usando inteligência artificial, em 18 de dezembro de 2024. Desenvolvido em resposta a uma chamada do Ministro Luís Roberto Barroso.
O trabalho "A Factibilidade dos Large Language Models (LLMs) e o Desafio da Informação Precisa", realizado pelo professor Filipe Braida e o aluno Lucas Menduiña da UFRRJ, foi premiado como o melhor na área "Ciências Exatas e da Terra" na X RAIC e IV RAIDTec 2023. A pesquisa aborda os benefícios e desafios dos LLMs, como o ChatGPT, na geração de informação precisa, introduzindo uma nova abordagem de recuperação de informações baseada em LLM para tarefas de Q&A, especialmente em contextos esportivos.
Na RAIC e RAIDTec 2023 da UFRRJ, o professor Filipe Braida e alunos do curso de Ciência da Computação apresentaram pesquisas inovadoras em IA, explorando Large Language Models, a aplicação segura do ChatGPT em conteúdo sensível e o uso de embedding-based retrieval para melhorar sistemas de perguntas e respostas. Os trabalhos destacam avanços significativos e desafios na interseção da IA com a confiabilidade e precisão da informação.
UFRRJ firma acordo de cooperação com o COB para desenvolver uma plataforma de IA destinada a educar atletas olímpicos sobre prevenção ao doping. Este projeto une tecnologia e esporte na luta contra o doping, fortalecendo os pilares de ensino, pesquisa e extensão da UFRRJ.
Na 19ª Semana Nacional de Ciência e Tecnologia (SNCT), que acontece de 17 a 21 de outubro na UFRRJ, o professor Filipe Braida apresentará o projeto "Sistema de Análise das Redes Sociais para Ciência de Dados no Esporte". Em colaboração com o professor Leandro Alvim, o projeto visa combater o doping no esporte através do monitoramento de redes sociais para coletar dados e apoiar ações educativas. Este trabalho integra a parceria entre a UFRRJ e o COB, alinhando-se às iniciativas de prevenção ao doping.
O Professor Filipe Braida, do Departamento de Ciência da Computação da UFRRJ, participou de uma mesa redonda sobre controle de doping no II Congresso Olímpico Brasileiro. Ele discutiu a intersecção da inteligência artificial com o esporte, destacando um projeto em parceria com o COB para desenvolver um sistema de e-learning que visa educar jovens atletas sobre a prevenção ao doping. Este evento ressaltou a importância da interdisciplinaridade e da aplicação da ciência da computação em diferentes áreas, como a do esporte de alta performance.
Nickolas Machado apresentou sobre "Redes Neurais Binarizadas" e neuroevolução na última reunião do grupo de pesquisa HPC, focando no algoritmo NEAT. Ele apresentou conceitos sobre redes binarizadas, destacou o uso de NEAT em jogos e explorou a evolução de redes neurais através de algoritmos evolucionários
Leandro Bataglia apresentou sobre o potencial do Multithreading em Julia na última reunião do grupo de pesquisa HPC. Ele focou nas macros @threaded e @spawn para paralelismo de dados e tarefas, respectivamente, e discutiu estratégias para evitar condições de corrida e otimizar o desempenho. A apresentação comparou diferentes métodos de paralelismo, evidenciando as práticas mais eficientes para melhorar o desempenho computacional em Julia.
Gabriel Marinho apresentou "Stream Classification Algorithm Guided by Clustering" no grupo de pesquisa em HPC, focando em classificação de dados em tempo real e adaptação a ambientes não estacionários.
Durante um recente encontro do grupo de pesquisa em Computação de Alto Desempenho (HPC), Raul Sena proferiu uma palestra detalhada sobre o conceito de distributional shift em modelos de aprendizado de máquina, destacando sua importância para a criação de sistemas robustos e confiáveis. Intitulada "Entendendo o Distributional Shift em Ambientes Não Estacionários", a apresentação abordou os desafios impostos por mudanças na distribuição dos dados, especialmente em contextos dinâmicos sujeitos à intervenção humana ou alterações ambientais.
O projeto XRayCovid-19, desenvolvido pela ATISLabs em parceria com a Universidade Federal Rural do Rio de Janeiro, usa Inteligência Artificial para agilizar o diagnóstico da COVID-19 por meio de radiografias de tórax. Com foco em praticidade, rapidez e eficácia, esta ferramenta gratuita visa apoiar profissionais de saúde na luta contra a pandemia, oferecendo diagnósticos em apenas 55ms e com 92% de precisão.
O projeto XRayCovid-19, desenvolvido pela ATISLabs em parceria com a Universidade Federal Rural do Rio de Janeiro, usa Inteligência Artificial para agilizar o diagnóstico da COVID-19 por meio de radiografias de tórax. Com foco em praticidade, rapidez e eficácia, esta ferramenta gratuita visa apoiar profissionais de saúde na luta contra a pandemia, oferecendo diagnósticos em apenas 55ms e com 92% de precisão.