Do Vision Encoders Exhibit Human-like Color Thresholds?

A Cegueira de Cores das Nossas Máquinas Mais Inteligentes

Imagine que você está observando um pôr do sol. Para os seus olhos, o céu não é apenas uma grande mancha alaranjada; é um gradiente suave onde algumas mudanças sutis de cor são fáceis de notar, enquanto outras se misturam tão perfeitamente que você não consegue distingui-las. É assim que a visão humana funciona: nossos cérebros são incrivelmente sensíveis a algumas cores e menos sensíveis a outras, criando um "mapa" do mundo que não é perfeitamente uniforme. Os cientistas sabem dessa sensibilidade desigual há décadas, mapeando exatamente o quanto uma cor precisa mudar antes de ser percebida por nós.

Agora, imagine ensinar um computador a enxergar. Construímos cérebros digitais massivos chamados "codificadores de visão" que podem reconhecer gatos, carros e nuvens ao estudar milhões de fotos. Essas máquinas são as estrelas da inteligência artificial moderna. Mas aqui está a grande questão: será que esses cérebros digitais veem as cores como nós? Eles possuem sua própria versão desse "mapa" irregular, percebendo as mesmas mudanças sutis em uma maçã vermelha que um humano perceberia, ou eles veem o mundo através de uma lente completamente diferente, talvez muito mais estranha? Este é o mistério que um novo estudo se propôs a resolver, testando se nossa IA mais avançada aprendeu acidentalmente a enxergar como um humano ou se ainda é daltônica de formas que nunca esperávamos.

O Grande Teste de Cores: Os Cérebros de IA Veem Como Nós?

Neste estudo, uma equipe de pesquisadores decidiu colocar mais de 50 modelos de visão de IA à prova. Pense nesses modelos como uma enorme turma de alunos, variando desde redes "convolucionais" clássicas e mais antigas até os mais novos e supercomplexos "transformers" e modelos que aprenderam a enxergar lendo descrições de texto de imagens. Os pesquisadores queriam saber: essas máquinas possuem limiares de cores semelhantes aos humanos?

Para descobrir, eles não apenas pediram à IA para nomear cores. Em vez disso, criaram um jogo de "encontre a diferença". Eles escolheram 18 cores de referência específicas (como um tom específico de azul ou verde) e cercaram cada uma delas com uma nuvem de cores ligeiramente diferentes. Para os humanos, existe uma "zona de segurança" conhecida ao redor de cada cor — uma forma semelhante a um oval alongado (chamada elipse de MacAdam) — onde qualquer mudança de cor dentro desse oval é invisível ao olho humano. Se você sair desse oval, mesmo que um pouco, pode subitamente notar a diferença.

Os pesquisadores então alimentaram esses modelos de IA com essas cores. Eles perguntaram à IA: "Qual destas cores ao redor parece mais semelhante à central?" A IA respondeu criando seu próprio "mapa de similaridade" em seu cérebro digital. Se a IA fosse semelhante à humana, seu mapa de "cores semelhantes" deveria sobrepor-se perfeitamente aos ovais da "zona de segurança" humana.

Os Resultados: Um Descompasso no Arco-Íris

As descobertas foram um choque. O estudo descobriu que, em geral, esses modelos de IA não veem as cores como os humanos.

Mesmo os modelos com melhor desempenho alinharam-se à sensibilidade de cores humana apenas cerca de 25% das vezes (especificamente, uma pontuação chamada mIoU foi inferior a 0,25). Para colocar em perspectiva, se você estivesse tentando corresponder perfeitamente à percepção de cores humana, esses modelos de IA estavam acertando menos de um quarto dos detalhes. Eles não eram completamente cegos para as cores, mas seu "mapa" do arco-íris estava distorcido.

Aqui está o que o estudo descobriu sobre os diferentes tipos de "alunos" de IA:

• Os Alunos Autodidatas Venceram: Modelos que ensinaram a si mesmos observando imagens sem rótulos (autossupervisionados) fizeram o melhor trabalho. Eles foram os mais próximos da visão humana, embora ainda distantes da perfeição.
• Os Aprendizes de Texto Foram Imprevisíveis: Modelos que aprenderam combinando imagens com texto (como o CLIP) foram os mais imprevisíveis. Alguns deles estavam no topo da classe, enquanto outros estavam na base. Eles eram polarizados, o que significa que ou acertavam um pouco ou erravam muito.
• Tamanho Não é Documento: Você poderia pensar que um modelo de IA gigante e supercomplexo enxergaria melhor do que um menor e mais antigo. Mas o estudo mostrou que aumentar o tamanho do modelo não resolveu o problema automaticamente. Na verdade, alguns modelos mais antigos e menores (como o clássico VGG16) tiveram um desempenho tão bom quanto os massivos modelos de fundação modernos. Isso sugere que apenas aumentar o cérebro não ensina a máquina a enxergar cores como um humano.
• O Problema do Azul: A IA teve maior dificuldade com as cores azuis. Assim como os humanos acham difícil distinguir tons de azul muito semelhantes, a IA teve o maior trabalho aqui, muitas vezes errando completamente as "zonas de segurança".

Por Que Isso Importa

Os pesquisadores sugerem que a sensibilidade de cores semelhante à humana não surge naturalmente apenas porque uma IA é treinada em quantidades massivas de fotos. A forma atual como treinamos esses modelos parece priorizar outras coisas (como reconhecer objetos ou entender texto) em detrimento dos detalhes finos e sutis da percepção de cores.

O estudo conclui que, embora esses modelos de IA tenham aprendido a organizar as cores de forma estruturada (eles não são apenas ruído aleatório), eles as organizam de forma diferente de nós. Se você usasse esses modelos para tarefas que exigem correspondência perfeita de cores — como restaurar pinturas antigas, verificar se uma fruta está madura ou projetar arte digital — você poderia enfrentar problemas. A IA pode pensar que duas cores são idênticas quando um humano consegue ver claramente que são diferentes, ou vice-versa.

Em resumo, nossos olhos digitais estão ficando melhores em ver o "quadro geral", mas ainda estão aprendendo a ver os pequenos detalhes coloridos que fazem nosso mundo parecer real para nós. O abismo entre como uma máquina vê um pôr do sol e como nós o vemos ainda está escancarado.