Busca avançada
Ano de início
Entree

Urban insights: deep learning aplicado à governança de cidades

Processo: 17/16583-6
Linha de fomento:Auxílio à Pesquisa - Pesquisa Inovativa em Pequenas Empresas - PIPE
Vigência: 01 de outubro de 2018 - 30 de setembro de 2019
Área do conhecimento:Ciências Exatas e da Terra - Ciência da Computação - Sistemas de Computação
Pesquisador responsável:Daniel Abujabra Merege
Beneficiário:Daniel Abujabra Merege
Empresa:Daniel Abujabra Merege - ME
CNAE: Desenvolvimento de programas de computador sob encomenda
Portais, provedores de conteúdo e outros serviços de informação na internet
Município: São Paulo
Pesquisadores principais:Rafael Pillon Almeida ; Ricardo Igor Souto Guimarães
Pesq. associados: Rodrigo Marotti Togneri
Bolsa(s) vinculada(s):18/22126-0 - Urban Insights: deep learning aplicado à governança de cidades, BP.TT
18/22123-0 - Urban Insights: deep learning aplicado à governança de cidades, BP.TT
18/21776-0 - Urban insights: deep learning aplicado à governança de cidades, BP.PIPE
Assunto(s):Cidades inteligentes  Governança  Aprendizagem profunda  Inteligência artificial  Prestação de serviços  Serviço público 

Resumo

As cidades no Brasil e no mundo precisam se desenvolver tecnologicamente e fomentar a inovação para prover melhores serviços para seus cidadãos. Segundo a Organização das Nações Unidas, espera-se que as pessoas que vivem nas áreas urbanas no mundo representem mais de 60% da população mundial até 2050 (NAÇÕES UNIDAS, 2014), o que insere uma pressão maior sobre os serviços públicos prestados pelas cidades, e as obrigue a mudar e inovar. Os dados produzidos pela população e pela própria operação dos serviços públicos são essenciais para se ter uma visão holística e completa da cidade, elevando a governança pública a um patamar superior. Uma das evoluções tecnológicas que mais tem ganhado a atenção nos últimos tempos para a análise da grande quantidade de informações geradas pelos bilhões de dispositivos conectados à rede mundial de computadores é a Inteligência Artificial. Sistemas de aprendizagem de máquina podem ser utilizados para identificação de objetos em imagens, transformação de falas em textos, sistemas de busca por resultados relevantes, entre outros; destacam-se nesse grupo as atividades de processamento de linguagem natural (NLP - Natural Language Processing), especialmente categorização de assunto, análise de sentimento e tradução de línguas. O ponto de inflexão na curva de adoção de algoritmos de aprendizado de máquina em aplicações reais aconteceu com o surgimento das técnicas de Deep Learning. No passado, a construção desse tipo de sistema exigia conhecimento técnico especializado nesta área, para que sistemas de aprendizado, em geral classificadores, pudessem identificar padrões a partir de dados puros passados como inputs (LECUN et al., 2015). Com o advento das técnicas de Deep Learning - que por meio de múltiplas camadas de representação transformam dados puros em representações de níveis maiores e mais abstratos -, a Inteligência Artificial passou a ser aplicável em diferentes áreas da Ciência, de negócios e de governos. Entretanto, ainda que tenham existidos avanços na aplicação de métodos de Inteligência Artificial em problemas da sociedade, há uma forte carência de tecnologias voltadas para o setor público, principalmente quando se trata de governança pública. Este projeto tem como objetivo apoiar-se nas mais recentes evoluções das técnicas de Deep Learning para desenvolver uma plataforma de inteligência para a gestão urbana. Ao longo do desenvolvimento do projeto, serão testadas arquiteturas de uma rede neural para criar um interpretador que extrairá informações relevantes sobre problemas urbanos, a partir de textos vindos das mais diversas fontes (e.g. mídias sociais, jornais, revistas, blogs, sensores urbanos), e os classificará em categorias urbanas, para que essa informação seja apresentada por meio de gráficos e tabelas em um painel analítico, denominado Urban Insights. Espera-se, como resultado da fase exploratória do projeto, atingir a precisão do estado-da-arte da rede neural nesta tarefa de classificação, comparando os resultados com trabalhos relacionados (CONNEAU, 2016), (PORIA, CAMBRIA e GELBUKH, 2016) e (WEHRMANN et al., 2017). A partir disso, e com as informações sendo providas a gestores públicos em uma etapa de validação do Urban Insights, é esperado transformar o Painel em um produto comercializável para as prefeituras e para empresas interessadas em dados urbanos (como as seguradoras, por exemplo), para que se traga eficiência no trabalho de análise em profundidade de problemas urbanos, e possa ter como impacto a resposta mais rápida e mais inovadora a esses problemas, vindas não apenas da gestão municipal, mas de todo o ecossistema de inovação urbana. (AU)

Mapa da distribuição dos acessos desta página
Para ver o sumário de acessos desta página, clique aqui.