Os cientistas da computação da TU Wien (Viena) estão aprimorando a inteligência artificial inspirando-se na biologia. As novas abordagens alcançam resultados surpreendentes com muito pouco esforço.

Um cérebro desenvolvido naturalmente funciona de maneira muito diferente de um programa de computador comum. Ele não usa código que consiste em instruções lógicas claras, é uma rede de células que se comunicam entre si. Simular essas redes em um computador pode ajudar a resolver problemas difíceis de decompor em operações lógicas.

Na TU Wien (Viena), em colaboração com pesquisadores do Massachusetts Institute of Technology (MIT), uma nova abordagem para a programação de tais redes neurais foi desenvolvida, que modela a evolução temporal dos sinais nervosos de uma maneira completamente diferente. Foi inspirado por uma criatura particularmente simples e bem pesquisada, a lombriga C. elegans. Os circuitos neurais de seu sistema nervoso foram simulados no computador, e então o modelo foi adaptado com algoritmos de aprendizado de máquina. Por aqui, era possível resolver tarefas notáveis ​​com um número extremamente baixo de células nervosas simuladas - por exemplo, estacionar um carro. Mesmo que a rede inspirada por worm consista em apenas 12 neurônios, pode ser treinado para dirigir um robô rover para um determinado local. Ramin Hasani, do Instituto de Engenharia da Computação da TU Wien, apresentou seu trabalho na conferência TEDx em Viena em 20 de outubro.

Pode-se mostrar que essas novas redes neurais são extremamente versáteis. Outra vantagem é que sua dinâmica interna pode ser entendida - em contraste com as redes neurais artificiais padrão, que muitas vezes são considerados como uma "caixa preta" útil, mas inescrutável.

Sinais em redes ramificadas

“As redes neurais precisam ser treinadas”, diz Ramin Hasani. "Você fornece uma entrada específica e ajusta as conexões entre os neurônios para que a saída desejada seja entregue."

A entrada, por exemplo, pode ser uma fotografia, e a saída pode ser o nome da pessoa na foto. "O tempo geralmente não desempenha um papel importante neste processo, "diz Radu Grosu, do Instituto de Engenharia da Computação da TU Wien. Para a maioria das redes neurais, toda a entrada é entregue de uma vez, resultando imediatamente em uma determinada saída. Mas na natureza as coisas são muito diferentes.

Reconhecimento de fala, por exemplo, é sempre dependente do tempo, assim como as traduções simultâneas ou sequências de movimentos que reagem a um ambiente em mudança. “Essas tarefas podem ser realizadas melhor usando o que chamamos de RNN, ou redes neurais recorrentes ", diz Ramin Hasani. “Esta é uma arquitetura que pode capturar sequências, porque faz com que os neurônios se lembrem do que aconteceu anteriormente. "

Hasani e seus colegas propõem uma nova arquitetura RNN baseada em um modelo de neurônio biofísico e sinapse que permite uma dinâmica variável no tempo. "Em um modelo RNN padrão, há uma ligação constante entre o neurônio um e o neurônio dois, definir o quão fortemente a atividade do neurônio um influencia a atividade do neurônio dois ", diz Ramin Hasani. "Em nossa nova arquitetura RNN, esta ligação é uma função não linear do tempo. "

O cérebro do verme que pode estacionar um carro

Permitir que as atividades celulares e as ligações entre as células variem ao longo do tempo abre possibilidades completamente novas. Ramin Hasani, Mathias Lechner e seus colegas de trabalho mostraram teoricamente que sua arquitetura pode, em princípio, dinâmica arbitrária aproximada. Para demonstrar a versatilidade da nova abordagem, eles desenvolveram e treinaram uma pequena rede neural:"Reprojetamos um circuito neural do sistema nervoso do nematóide C. elegans. Ele é responsável por gerar um comportamento reflexivo simples - a retirada do toque, "diz Mathias Lechner, que agora trabalha no Instituto de Ciência e Tecnologia (IST) da Áustria. "Esta rede neural foi simulada e treinada para controlar aplicativos da vida real."

O sucesso é notável:o pequeno, Uma rede simples com apenas 12 neurônios pode (após o treinamento apropriado) resolver tarefas desafiadoras. Por exemplo, ele foi treinado para manobrar um veículo em uma vaga de estacionamento ao longo de um caminho pré-definido. "A saída da rede neural, que na natureza controlaria o movimento dos vermes nematóides, é usado em nosso caso para dirigir e acelerar um veículo ", diz Hasani. "Demonstramos teórica e experimentalmente que nossas novas redes neurais podem resolver tarefas complexas na vida real e em ambientes físicos simulados."

A nova abordagem tem outra vantagem importante:fornece uma visão melhor do funcionamento interno da rede neural. Redes neurais anteriores, que muitas vezes consistia em muitos milhares de nós, foram tão complexos que apenas os resultados finais puderam ser analisados. Obter uma compreensão mais profunda do que está acontecendo lá dentro dificilmente foi possível. A rede menor, mas extremamente poderosa da equipe de Viena é mais fácil de analisar, e assim os cientistas podem pelo menos parcialmente entender, quais células nervosas causam quais efeitos. “Esta é uma grande vantagem que nos incentiva a continuar a pesquisar suas propriedades”, diz Hasani.

Claro, isso não significa que os carros serão estacionados por vermes artificiais no futuro, mas mostra que a inteligência artificial com uma arquitetura mais parecida com o cérebro pode ser muito mais poderosa do que se pensava anteriormente.