p Chame isso de um desenvolvimento a-MAZE:uma equipe de pesquisadores sediada no Reino Unido desenvolveu um programa de inteligência artificial que pode aprender a tomar atalhos em um labirinto para alcançar seu objetivo. No processo, o programa desenvolveu estruturas semelhantes às do cérebro humano. p O surgimento dessas "células de grade computacionais, "descrito no jornal Natureza , poderia ajudar os cientistas a projetar um software de navegação melhor para robôs futuros e até mesmo oferecer uma nova janela para investigar os mistérios do cérebro dos mamíferos.

p Nos últimos anos, Os pesquisadores de IA desenvolveram e ajustaram redes de aprendizagem profunda - programas em camadas que podem apresentar novas soluções para atingir seus objetivos designados. Por exemplo, uma rede de aprendizagem profunda pode saber qual rosto identificar em uma série de fotos diferentes, e por meio de várias rodadas de treinamento, pode ajustar seus algoritmos até localizar o rosto certo praticamente todas as vezes.

p Essas redes são inspiradas pelo cérebro, mas eles não funcionam exatamente como eles, disse Francesco Savelli, neurocientista da Universidade Johns Hopkins que não participou do artigo. Até aqui, Os sistemas de IA não chegam perto de emular a arquitetura do cérebro, a diversidade de neurônios reais, a complexidade dos neurônios individuais ou mesmo as regras pelas quais eles aprendem.

p "Acredita-se que a maior parte do aprendizado ocorra com o fortalecimento e o enfraquecimento dessas sinapses, "Savelli disse em uma entrevista, referindo-se às conexões entre os neurônios. "E isso também é verdade para esses sistemas de IA, mas exatamente como você faz isso, e as regras que governam esse tipo de aprendizagem, pode ser muito diferente no cérebro e nesses sistemas. "

p Sem considerar, A IA tem sido muito útil para várias funções, desde o reconhecimento facial até a decifração de caligrafia e tradução de idiomas, Disse Savelli. Mas as atividades de nível superior - como navegar em um ambiente complexo - se mostraram muito mais desafiadoras.

p Um aspecto da navegação que nossos cérebros parecem realizar sem esforço consciente é a integração do caminho. Os mamíferos usam esse processo para recalcular sua posição após cada passo que dão, levando em consideração a distância que viajaram e a direção que estão enfrentando. Acredita-se que seja a chave para a capacidade do cérebro de produzir um mapa dos arredores.

p Entre os neurônios associados a esses "mapas cognitivos":células de lugar, que acendem quando seu dono está em algum ponto particular do ambiente; células de direção da cabeça, que informam ao proprietário a direção para a qual estão voltados; e células de grade, que parecem responder a uma grade hexagonal imaginária mapeada sobre o terreno circundante. Cada vez que uma pessoa pisa em um "nó" nesta grade, o neurônio dispara.

p "Acredita-se que as células de grade dotem o mapa cognitivo de propriedades geométricas que ajudam no planejamento e acompanhamento de trajetórias, "Savelli e seu colega neurocientista da Johns Hopkins, James Knierim, escreveram em um comentário sobre o artigo. A descoberta das células da grade rendeu a três cientistas o Prêmio Nobel de Fisiologia ou Medicina de 2014.

p Os humanos e outros animais parecem ter muito poucos problemas para se mover através do espaço porque todos esses neurônios altamente especializados trabalham juntos para nos dizer onde estamos e para onde vamos.

p Cientistas da DeepMind, que é propriedade do Google e da University College London, questionou se eles poderiam desenvolver um programa que também pudesse realizar a integração de caminhos. Então, eles treinaram a rede com simulações de caminhos usados ​​por roedores em busca de alimento. Eles também forneceram dados para o movimento e velocidade de um roedor, bem como feedback de células de lugar simuladas e células de direção da cabeça.

p Durante este treinamento, os pesquisadores notaram algo estranho:o roedor simulado parecia desenvolver padrões de atividade que se pareciam notavelmente com células de grade - embora as células de grade não fizessem parte de seu sistema de treinamento.

p "O surgimento de unidades em forma de grade é um exemplo impressionante de aprendizado profundo fazendo o que faz de melhor:inventar um original, representação interna muitas vezes imprevisível para ajudar a resolver uma tarefa, "Savelli e Knierim escreveram.

p As células de grade parecem ser tão úteis para a integração do caminho que esse falso roedor veio com uma solução estranhamente semelhante ao cérebro de um roedor real. Os pesquisadores então se perguntaram:Será que as células da grade também podem ser úteis em outro aspecto crucial da navegação dos mamíferos?

p Esse aspecto, chamada navegação baseada em vetor, é basicamente a capacidade de calcular o tiro certeiro, distância "enquanto o corvo voa" para uma meta, mesmo se você originalmente demorou mais, rota menos direta. Essa é uma habilidade útil para encontrar atalhos para o seu destino, Savelli apontou.

p Para testar isso, pesquisadores desafiaram o falso roedor habilitado para células de grade a resolver um labirinto, mas bloqueou a maioria das portas, de modo que o programa teria que percorrer o longo caminho até seu objetivo. Eles também modificaram o programa para que fosse recompensado por ações que o aproximaram da meta. Eles treinaram a rede em um determinado labirinto e, em seguida, abriram atalhos para ver o que acontecia.

p Com certeza, o roedor simulado com células de grade rapidamente encontrou e usou os atalhos, mesmo que esses caminhos fossem novos e desconhecidos. E teve um desempenho muito melhor do que um falso roedor cujo ponto inicial e objetivo eram rastreados apenas por células de lugar e células de direção da cabeça. Ele até derrotou um "especialista humano, "disseram os autores do estudo.

p As descobertas eventualmente podem ser úteis para robôs que estão abrindo caminho por território desconhecido, Disse Savelli. E de uma perspectiva neurocientífica, eles poderiam ajudar os pesquisadores a entender melhor como esses neurônios fazem seu trabalho no cérebro dos mamíferos.

p Claro, este programa foi altamente simplificado em comparação com sua contraparte biológica, Savelli apontou. No roedor simulado, as "células de localização" não mudaram - embora as células de localização e as células da grade influenciem umas às outras de maneiras complexas em cérebros reais.

p "Ao desenvolver a rede de modo que a camada de célula local possa ser modulada por entradas em forma de grade, poderíamos começar a descompactar essa relação, "Savelli e Knierim escreveram.

p O desenvolvimento deste programa de IA ainda pode ajudar os cientistas a começar a entender todas as relações complexas que entram em jogo nos sistemas neurais vivos, eles acrescentaram.

p Mas se eles querem aprimorar a tecnologia ou usá-la para entender a biologia, os cientistas terão que lidar melhor com seus próprios programas de aprendizado profundo, cujas soluções para problemas costumam ser difíceis de decifrar, mesmo que obtenham resultados consistentes, cientistas disseram.

p "Tornar os sistemas de aprendizagem profunda mais inteligíveis para o raciocínio humano é um desafio empolgante para o futuro, "Savelli e Knierim escreveram. p © 2018 Los Angeles Times
Distribuído pela Tribune Content Agency, LLC.