Frances Chance, cientista do andia National Laboratories, retratado aqui, está revelando insights sobre como as libélulas interceptam suas presas durante o vôo, que pode ser útil para defesa antimísseis. Crédito:Randy Montoya
Agradeça por não estar na dieta de uma libélula. Você pode ser uma mosca da fruta ou talvez um mosquito, mas realmente não importaria o momento em que você olhar para trás e ver quatro asas poderosas batendo no ar atrás de você. Você voa pela sua vida, tecendo evasivamente, mas a libélula de alguma forma o rastreia com reflexos aparentemente instantâneos. Por um momento, você acha que escapou, assim como se fecha rapidamente por baixo para a matança.
Então, enquanto o predador da era dos dinossauros agarra você com suas pernas espinhosas e o arrasta para dentro de suas mandíbulas no ar, você pode se perguntar, "Como isso me pegou com um cérebro tão pequeno e sem percepção de profundidade?"
Sandia National Laboratories está respondendo com uma pesquisa que mostra como os cérebros de libélulas podem ser programados para serem extremamente eficientes no cálculo de trajetórias complexas.
Em simulações de computador recentes, libélulas falsas em um ambiente virtual simplificado capturaram com sucesso suas presas usando algoritmos de computador projetados para imitar a maneira como uma libélula processa informações visuais durante a caça. Os resultados positivos do teste mostram que a programação é fundamentalmente um modelo de som.
A pesquisa Sandia está examinando se a computação inspirada na libélula poderia melhorar os sistemas de defesa contra mísseis, que têm a tarefa semelhante de interceptar um objeto em vôo, tornando os computadores de bordo menores sem sacrificar a velocidade ou a precisão. Libélulas pegam 95% de suas presas, coroando-os como um dos maiores predadores do mundo.
A neurocientista computacional Frances Chance, quem desenvolveu os algoritmos, está apresentando sua pesquisa esta semana na Conferência Internacional sobre Sistemas Neuromórficos em Knoxville, Tennessee. No início deste mês, ela apresentou na Reunião Anual da Organização de Neurociências Computacionais em Barcelona, Espanha.
A pesquisa replica o cérebro altamente eficiente da libélula
O Chance é especializado na replicação de redes neurais biológicas - cérebros, basicamente - que requerem menos energia e são melhores para aprender e se adaptar do que computadores. Seus estudos se concentram em neurônios, que são células que enviam informações através do sistema nervoso.
"Tento prever como os neurônios são conectados ao cérebro e entender que tipos de cálculos esses neurônios estão fazendo, com base no que sabemos sobre o comportamento do animal ou o que sabemos sobre as respostas neurais, " ela disse.
Por exemplo, o tempo de reação de uma libélula a uma presa em manobra é de apenas 50 milissegundos. Um piscar humano leva cerca de 300 milissegundos. Cinqüenta milissegundos é tempo suficiente para que as informações cruzem cerca de três neurônios. Em outras palavras, para acompanhar uma libélula, uma rede neural artificial precisa processar informações após apenas três etapas - embora, porque os cérebros disparam muitos sinais de uma vez, cada etapa pode envolver muitos cálculos executados ao mesmo tempo.
Mais rápido, computação mais leve para defesa antimísseis
Os sistemas de defesa contra mísseis contam com técnicas de interceptação estabelecidas que são, relativamente falando, computação pesada. Mas repensar essas estratégias usando libélulas altamente eficientes como modelo poderia potencialmente:
Libélulas e mísseis se movem em velocidades muito diferentes, portanto, não se sabe o quão bem essa pesquisa se traduzirá em defesa antimísseis. Mas o desenvolvimento de um modelo computacional do cérebro de uma libélula também pode trazer benefícios de longo prazo para o aprendizado de máquina e inteligência artificial.
A IA é usada em diversos setores, do transporte autônomo ao desenvolvimento de medicamentos prescritos. Esses campos têm a ganhar com métodos altamente eficientes para a construção de soluções rápidas para problemas complexos. A pesquisa em andamento no Sandia está refinando os algoritmos do Chance e determinando onde eles são mais aplicáveis.
