💻 computer science

Disentangling Model and Human Data Uncertainty in Apparent Facial Age Estimation

Este artigo demonstra que Redes Neurais Bayesianas treinadas no conjunto de dados APPA-REAL podem desvendar e quantificar efetivamente as incertezas aleatórias e epistêmicas na estimativa de idade facial, revelando que a incerteza aleatória permanece estável através de diferentes tamanhos de conjuntos de dados, enquanto a incerteza epistêmica aumenta à medida que os dados de treinamento diminuem.

Autores originais: Andrei Foitos, Ivo Pascal de Jong, Matias Valdenegro-Toro

Publicado 2026-07-21

📖 4 min de leitura☕ Leitura rápida

CC0 1.0

Autores originais: Andrei Foitos, Ivo Pascal de Jong, Matias Valdenegro-Toro

Artigo original dedicado ao domínio público sob CC0 1.0 (http://creativecommons.org/publicdomain/zero/1.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine que você esteja tentando adivinhar a idade de um estranho apenas olhando para uma foto. Você poderia dizer: "Parece ter uns 30 anos", mas seu amigo pode dizer: "De jeito nenhum, parece ter 40!". No mundo da inteligência artificial, isso não é apenas um desentendimento inofensivo; é um quebra-cabeça enorme. Os sistemas de IA estão ficando melhores em olhar para rostos e adivinhar idades, mas muitas vezes agem como sabe-tudo excessivamente confiantes. Eles te dão um número único e agem como se fosse a verdade absoluta, mesmo quando a resposta é vaga. Isso é perigoso porque, se um computador estiver muito certo de uma resposta errada, ele pode tomar decisões ruins, como deixar um adolescente comprar álcool ou bloquear um idoso de um site. Para corrigir isso, cientistas estão ensinando a IA a admitir quando está apenas chutando. Eles querem que o computador diga: "Eu acho que tem 30 anos, mas tenho apenas 50% de certeza", ou "Eu acho que tem 30 anos, mas tenho muita certeza". Para fazer isso, os pesquisadores dividiram a "incerteza" em dois sabores: incerteza aleatória, que é a bagunça natural dos dados (como o fato de humanos simplesmente não conseguírem concordar sobre uma idade), e incerteza epistêmica, que é a própria ignorância da IA (como um aluno que não estudou o suficiente).

Este artigo é como uma história de detetive onde os investigadores tentam ensinar um computador a diferenciar entre "os dados estão confusos" e "eu estou confuso". Os pesquisadores usaram um conjunto de dados especial chamado APPA-REAL, onde milhares de humanos reais olharam para os mesmos rostos e votaram em que idade eles pareciam ter. Como tantas pessoas votaram, os pesquisadores puderam medir exatamente o quanto os humanos discordavam (a "bagunça") e usar isso para treinar a IA. Eles construíram três tipos diferentes de modelos de IA "Bayesianos" — pense neles como três equipes diferentes de detetives, cada uma usando uma estratégia ligeiramente diferente para adivinhar e medir sua própria confiança. Eles testaram essas equipes alimentando-as com diferentes quantidades de dados, desde um pequeno punhado de fotos até a biblioteca completa.

A grande descoberta aqui é que os dois tipos de incerteza se comportam de maneira muito diferente, e a IA consegue aprender a separá-los. A "bagunça" dos dados (incerteza aleatória) permaneceu exatamente a mesma, não importava quantas fotos a IA visse. É como uma sala barulhenta: quer você tenha uma pessoa ou mil pessoas ouvindo, o nível do ruído de fundo não muda. O artigo descobriu que esse nível de ruído era estável em cerca de 18 anos ao quadrado (o que se traduz em um desvio padrão de aproximadamente 4,2 anos). Isso confirma que parte da confusão está apenas incorporada na própria natureza da percepção humana.

Por outro, a própria ignorância da IA (incerteza epistêmica) agiu exatamente como esperado: ela caiu dramaticamente à medida que a IA via mais dados. Quando a IA viu apenas 1% dos dados de treinamento (cerca de 40 imagens), ela estava absurdamente incerta. Mas, conforme eles forneciam mais dados, chegando a 100% do conjunto, a IA tornava-se muito mais confiante. Por exemplo, o método "DropConnect" viu sua incerteza epistêmica cair de cerca de 12,9 anos ao quadrado com 5% de dados para 6,0 anos ao quadrado com o conjunto de dados completo. O método "Deep Ensembles" foi o mais preciso no geral, terminando com um Erro Médio Absoluto (MAE) de 8,0 anos, enquanto o "Flipout" foi um pouco mais lento para aprender, terminando com um MAE de 8,9 anos.

O artigo também testou se esses detetives de IA inteligentes conseguiam lidar com um novo conjunto de rostos diferente (o conjunto de dados UTKFace). Os resultados mostraram que os níveis de confiança da IA mudaram apropriadamente quando os dados mudaram, provando que os modelos podiam generalizar sua compreensão de incerteza. No entanto, os autores observam que o método "Flipout" foi um pouco instável e oscilante, especialmente quando os dados eram escassos, sugerindo que pode não ser a melhor escolha para situações onde a IA precisa ser muito confiável com informações limitadas.

Em última análise, esta pesquisa sugere que separar esses dois tipos de incerteza não é apenas possível, mas também funciona melhor na estimativa de idade (uma tarefa de regressão) do que em tarefas simples de classificação de sim ou não. O estudo conclui que, embora os "Deep Ensembles" sejam os mais precisos, o método "DropConnect" oferece o quadro mais claro de como a confiança da IA cresce com mais dados. Isso significa que estamos um passo mais próximos de uma IA que não apenas adivinha sua idade, mas também sabe quando está apenas chutando.

Resumo Técnico: Desvinculando a Incerteza de Dados do Modelo e do Humano na Estimativa de Idade Facial Aparente

Definição do Problema
A estimativa de idade facial é uma tarefa de regressão desafiadora devido à natureza subjetiva da "idade aparente", que depende de características visuais de envelhecimento em vez da realidade cronológica. Diferente de uma regressão padrão onde existe um único ground truth, a estimativa de idade aparente envolve uma discordância humana inerente; diferentes anotadores podem atribuir idades diferentes à mesma imagem com base em vieses individuais ou percepção cultural. Consequentemente, um modelo robusto deve não apenas prever a idade mais provável, mas também quantificar a confiabilidade dessa previsão. Os modelos de aprendizado de máquina atuais frequentemente produzem uma estimativa de ponto único, falhando em distinguir dois tipos distintos de incerteza:

Incerteza Aleatória (Aleatoric Uncertainty): Ruído inerente aos dados (ex: discordância entre anotadores).
Incerteza Epistêmica (Epistemic Uncertainty): Incerteza decorrente da falta de conhecimento do modelo (ex: dados de treinamento limitados, generalização deficiente).

Embora existam métodos para desvincular essas incertezas, a literatura recente sugere que eles frequentemente falham em separá-las efetivamente em tarefas de classificação. Permanece incerto se esse desvinculo é bem-sucedido em tarefas de regressão, como a estimativa de idade.

Metodologia
Os autores utilizam o dataset APPA-REAL, que contém 7.591 imagens anotadas por múltiplos avaliadores humanos, fornecendo tanto a média da idade aparente quanto o desvio padrão dessas avaliações. Este dataset permite a supervisão direta da incerteza aleatória humana.

Arquitetura do Modelo: O sistema proposto é uma arquitetura de regressão de múltiplas saídas baseada em um backbone DenseNet-121 (pré-treinado no ImageNet). A rede se ramifica em duas cabeças:
- Uma Ramificação de Média (Mean Branch) que prevê a idade aparente.
- Uma Ramificação de Variância (Variance Branch) que prevê o desvio padrão (incerteza aleatória), utilizando uma ativação Softplus para garantir valores positivos.
Estratégia de Treinamento: O modelo é treinado usando um pipeline de três fases: treinamento inicial de tarefa única (apenas média), treinamento multitarefa (média e variância) e ajuste fino (fine-tuning). A ramificação de variância é explicitamente supervisionada pelo desvio padrão dos votos humanos do dataset, tratando a discordância humana como o ground truth para a incerteza aleatória.
Desvinculo de Incerteza: Para separar a incerteza aleatória da epistêmica, os autores empregam três aproximações de Redes Neurais Bayesianas (BNN):
1. MC-DropConnect
2. Flipout
3. Deep Ensembles
  A incerteza epistêmica é calculada como a variância das previsões através de múltiplas passagens de ida (forward passes) ou membros do ensemble para a mesma entrada, enquanto a incerteza aleatória é a variância aprendida da distribuição de saída.
Design Experimental: Os modelos foram treinados em sete tamanhos diferentes de subconjuntos do dataset (1%, 5%, 10%, 25%, 50%, 75%, 100%) para observar como as métricas de incerteza escalam com a disponibilidade de dados.

Principais Contribuições

Supervisão Explícita da Incerteza Humana: O estudo incorpora a discordância do anotador humano diretamente no processo de treinamento, permitindo que o modelo aprenda a incerteza aleatória como um alvo específico, em vez de inferi-la indiretamente.
Desvinculo em Regressão: O artigo investiga se as incertezas aleatória e epistêmica podem ser separadas com sucesso em um cenário de regressão, contrastando com achados anteriores em classificação.
Análise Empírica de Escalonamento de Dados: Os autores avaliam sistematicamente como diferentes métodos de estimativa de incerteza se comportam conforme o volume de dados de treinamento muda, testando especificamente a hipótese de que a incerteza epistêmica diminui com mais dados, enquanto a incência aleatória permanece estável.

Resultados

Tendências de Incerteza:
- Incerteza Aleatória: Permaneceu amplamente estável em todos os tamanhos de dataset (estabilizando-se em aproximadamente 18 anos², ou ~4,2 anos de desvio padrão). Isso confirma que a discordância humana é uma propriedade inerente aos dados, independente do tamanho de treinamento do modelo.
- Incerteza Epistêmica: Exibiu uma relação inversa com o tamanho do dataset. À medida que os dados de treinamento aumentaram, a incerteza epistêmica diminuiu. O DropConnect mostrou a redução mais pronunciada (de ~12,9 anos² com 5% de dados para ~6,0 anos² com 100%), enquanto o Deep Ensembles manteve uma incerteza epistêmica consistentemente baixa, independentemente do tamanho dos dados. O Flipout apresentou um comportamento menos estável e não monotônico.
Desempenho Preditivo:
- Deep Ensembles alcançou a melhor precisão preditiva geral (Erro Médio Absoluto [MAE] de 8,0 anos em 100% dos dados, $R^2$ de 0,61).
- DropConnect seguiu de perto (MAE de 8,3 anos, $R^2$ de 0,58).
- Flipout convergiu mais lentamente (MAE de 8,9 anos, $R^2$ de 0,53).
Generalização: Ao serem testados no dataset UTKFace, os modelos mostraram taxas de erro aumentadas. No entanto, as métricas de incerteza geralmente refletiram essa degradação, com a incerteza epistêmica aumentando para o DropConnect e Ensembles, sugerindo que os modelos conseguem detectar mudanças de distribuição.

Significância e Alegações
O artigo afirma que o desvinculo de incerteza não é apenas viável em tarefas de regressão, mas é potencialmente mais estável e interpretável do que em tarefas de classificação. Os resultados validam a distinção teórica entre os dois tipos de incerteza:

A incerteza aleatória foi confirmada como inerente aos dados, permanecendo constante independentemente da capacidade do modelo ou do volume de dados.
A incerteza epistêmica foi confirmada como dependente do modelo, diminuindo à medida que o modelo ganha mais exposição aos dados.

Os autores concluem que o Deep Ensembles oferece o desempenho preditivo bruto e a robustez mais fortes, enquanto o DropConnect fornece as tendências epistêmicas mais responsivas e interpretáveis, tornando-o adequado para aplicações que exigem estimativa de confiança precisa. O estudo destaca o valor de modelos que podem quantificar por que estão incertos (ruído nos dados vs. falta de conhecimento), o que é crítico para aplicações de alto risco, como a aplicação de restrição de idade de conteúdo.

Limitações
Os autores observam várias restrições:

Subconjuntos Pequenos: Modelos treinados em subconjuntos muito pequenos (1% de dados) sofreram de subajuste (underfitting), tornando suas estimativas de incressibilidade pouco confiáveis.
Viés de Dataset: O dataset APPA-REAL é enviesado para a faixa etária de 20 a 40 anos, o que pode limitar a generalização para crianças e idosos.
Homogeneidade Arquitetural: O estudo baseou-se exclusivamente na DenseNet-121; comportamentos de incerteza podem diferir com outras arquiteturas como ResNet ou Vision Transformers.
Estabilidade do Método: O Flipout demonstrou instabilidade em suas aproximações de inferência variacional, particularmente em tamanhos intermediários de dataset.

Mais como este