A frase "reforço positivo, "é algo que você ouve com mais frequência em um artigo sobre educação infantil do que em inteligência artificial. Mas, de acordo com Alice Parker, Professor Dean's de Engenharia Elétrica no Departamento de Engenharia Elétrica e de Computação Ming Hsieh, um pequeno reforço positivo é exatamente o que nossas máquinas de IA precisam. Parker vem construindo circuitos eletrônicos há mais de uma década para fazer a engenharia reversa do cérebro humano para entender melhor como ele funciona e, por fim, construir sistemas artificiais que o imitem. Seu artigo mais recente, em co-autoria com Ph.D. estudante Kun Yue e colegas da UC Riverside, acabou de ser publicado no jornal Avanços da Ciência e dá um passo importante em direção a esse objetivo final.

A IA na qual confiamos e sobre a qual lemos hoje é modelada em computadores tradicionais; ele vê o mundo através das lentes de zeros e uns binários. Isso é bom para fazer cálculos complexos, mas, de acordo com Parker e Yue, estamos nos aproximando rapidamente dos limites de tamanho e complexidade dos problemas que podemos resolver com as plataformas em que nossa IA existe. "Desde a revolução inicial do aprendizado profundo, os objetivos e o progresso da IA ​​baseada em aprendizado profundo como a conhecemos tem sido muito lento, "Diz Yue. Para atingir todo o seu potencial, A IA não pode simplesmente pensar melhor - ela deve reagir e aprender por conta própria aos eventos em tempo real. E para que isso aconteça, uma grande mudança na forma como construímos IA deve ser concebida.

Para resolver este problema, Parker e seus colegas estão olhando para o sistema de aprendizagem mais realizado que a natureza já criou:o cérebro humano. É aqui que o reforço positivo entra em jogo. Cérebros, ao contrário dos computadores, são aprendizes analógicos e a memória biológica tem persistência. Os sinais analógicos podem ter vários estados (muito parecidos com os humanos). Embora uma IA binária construída com tipos semelhantes de nanotecnologias para alcançar memória de longa duração possa ser capaz de entender algo como bom ou ruim, um cérebro analógico pode entender mais profundamente que uma situação pode ser "muito boa, "" tudo bem, "" ruim "ou" muito ruim ". Este campo é chamado de computação neuromórfica e pode representar apenas o futuro da inteligência artificial.

Quando os humanos são expostos a algo novo e potencialmente útil, nossos neurônios recebem um pico de dopamina e as conexões em torno desses neurônios se fortalecem. "Pense em uma criança sentada em uma cadeira alta, "Parker diz." Ela pode estar agitando os braços descontroladamente porque seus neurônios subdesenvolvidos estão apenas disparando aleatoriamente. "Eventualmente, um desses movimentos selvagens leva a um resultado positivo - digamos, derrubando sua xícara e fazendo uma bagunça. De repente, os neurônios que fazem esse movimento obtêm uma resposta e se fortalecem. Feito regularmente, o cérebro do bebê começa a associar esse pico a algo que vale a pena internalizar. E assim, nosso bebê aprendeu que um movimento do braço causa um resultado divertido e que o aprendizado persiste com o tempo. Isso é exatamente o que a computação neuromórfica está tentando fazer:ensinar IA a aprender com as experiências do mundo real exatamente como nós.

Para fazer isso, Parker e Yue projetaram seus próprios circuitos neuromórficos e os combinaram com nanodispositivos chamados Memristores Analógicos de Parede de Domínio Magnético (MAM). Em seguida, eles executam simulações para mostrar que seus circuitos neurais aprendem como um cérebro. Este dispositivo MAM é tão complexo que um artigo inteiro poderia ser escrito apenas nele. Mas para agora, a coisa mais importante a saber é que é um dispositivo extremamente pequeno que ajuda a lembrar indefinidamente o "pico" de reforço positivo que os neurônios artificiais recebem. Você pode pensar nos circuitos neuromórficos de Parker combinados com o MAM exatamente como o cérebro daquele bebê. Nesse sentido, Parker e Yue são como os pais do bebezinho IA ... ensinando coisas novas e reforçando positivamente quando ele faz algo certo.

Por enquanto, o que temos é um pouco como o cérebro de um bebê de verdade. Subdesenvolvido e definitivamente não está pronto para tomar decisões por conta própria. Mas, também muito parecido com um bebê de verdade, com bastante trabalho, investimento, e o amor dos pesquisadores, esta tecnologia mudará a maneira como a IA funciona no mundo real.

Claro, O trabalho de Parker nunca termina. "Nosso próximo passo, trabalhando com DARPA, é ensinar nosso sistema a aprender algo novo sem esquecer as lições anteriores, "Parker diz. O trabalho deles pode representar um pequeno passo em direção ao objetivo final da IA ​​neuromórfica, mas como qualquer bom pesquisador ou pai, Parker reconhece a importância dos passos de bebê.