p As redes neurais de aprendizado profundo percorreram um longo caminho nos últimos anos - agora temos sistemas que são capazes de derrotar as pessoas em jogos complexos, como shogi, Vá e xadrez. Mas o progresso de tais sistemas é limitado por sua arquitetura básica? Shimon Ullman, com o Weizmann Institute of Science, aborda esta questão em um artigo da Perspectives no jornal Ciência e sugere algumas maneiras pelas quais os cientistas da computação podem ir além dos sistemas de IA simples para criar sistemas de inteligência geral artificial (AGI). p As redes de aprendizagem profunda são capazes de aprender porque foram programadas para criar neurônios artificiais e as conexões entre eles. À medida que encontram novos dados, novos neurônios e caminhos de comunicação entre eles são formados - muito parecido com a maneira como o cérebro humano funciona. Mas tais sistemas requerem treinamento extensivo (e um sistema de feedback) antes de serem capazes de fazer algo útil, o que contrasta fortemente com a maneira como os humanos aprendem. Não precisamos assistir milhares de pessoas em ação para aprender a seguir o olhar de alguém, por exemplo, ou descobrir que um sorriso é algo positivo.

p Ullman sugere que isso ocorre porque os humanos nascem com o que ele descreve como estruturas de rede preexistentes que são codificadas em nosso circuito neural. Essas estruturas, ele explica, fornecer aos bebês em crescimento uma compreensão do mundo físico em que existem - uma base sobre a qual podem construir estruturas mais complexas que levam à inteligência geral. Se os computadores tivessem estruturas semelhantes, elas, também, pode desenvolver habilidades físicas e sociais sem a necessidade de milhares de exemplos.

p Mas há um problema - os neurocientistas não sabem como ou onde essas estruturas existem no cérebro. Isso torna difícil criar versões artificiais para uso em computadores. Ullman sugere que o caminho para a construção de sistemas de IA mais sofisticados está em aprender mais sobre o cérebro humano e como ele aprende - e como ele usa o que aprende para tomar decisões sobre a existência cotidiana. Ele também observa que na verdade existe uma abordagem alternativa - construir métodos de aprendizado computacional do "zero". Mas fazendo isso, ele reconhece, pode ser tão difícil quanto descobrir como nosso cérebro realmente funciona. p © 2019 Science X Network