Aprendizado de máquina, introduzido 70 anos atrás, é baseado em evidências da dinâmica de aprendizagem no cérebro. Usando a velocidade de computadores modernos e grandes conjuntos de dados, algoritmos de aprendizagem profunda produziram recentemente resultados comparáveis ​​aos de especialistas humanos em vários campos aplicáveis, mas com características diferentes que estão distantes do conhecimento atual da aprendizagem em neurociência.

Usando experimentos avançados em culturas neuronais e simulações em grande escala, um grupo de cientistas da Universidade Bar-Ilan em Israel demonstrou um novo tipo de algoritmos de inteligência artificial ultrarrápidos - baseados na dinâmica do cérebro muito lenta - que superam as taxas de aprendizado alcançadas até agora por algoritmos de aprendizado de última geração.

Em artigo publicado hoje na revista Relatórios Científicos , os pesquisadores reconstruíram a ponte entre a neurociência e os algoritmos avançados de inteligência artificial que foi deixada praticamente inútil por quase 70 anos.

"O ponto de vista científico e tecnológico atual é que a neurobiologia e o aprendizado de máquina são duas disciplinas distintas que avançam de forma independente, "disse o principal autor do estudo, Prof. Ido Kanter, do Departamento de Física da Universidade Bar-Ilan e do Centro Multidisciplinar de Pesquisa do Cérebro de Gonda (Goldschmied). "A ausência de uma influência recíproca esperada é intrigante."

"O número de neurônios em um cérebro é menor do que o número de bits em um tamanho de disco típico de computadores pessoais modernos, e a velocidade computacional do cérebro é como o ponteiro dos segundos de um relógio, ainda mais lento do que o primeiro computador inventado há mais de 70 anos, "ele continuou." Além disso, as regras de aprendizagem do cérebro são muito complicadas e distantes dos princípios das etapas de aprendizagem dos algoritmos de inteligência artificial atuais, "acrescentou o Prof. Kanter, cuja equipe de pesquisa inclui Herut Uzan, Shira Sardi, Amir Goldental e Roni Vardi.

A dinâmica do cérebro não obedece a um relógio bem definido sincronizado para todas as células nervosas, uma vez que o esquema biológico tem que lidar com entradas assíncronas, à medida que a realidade física se desenvolve. "Ao olhar para a frente, observa-se imediatamente um quadro com vários objetos. Por exemplo, enquanto se dirige, observa os carros, travessias de pedestres, e sinais de trânsito, e podem identificar facilmente sua ordem temporal e posições relativas, "disse o Prof Kanter." O hardware biológico (regras de aprendizagem) é projetado para lidar com entradas assíncronas e refinar suas informações relativas. "Em contraste, algoritmos de inteligência artificial tradicionais são baseados em entradas síncronas, portanto, o tempo relativo de diferentes entradas que constituem o mesmo quadro é normalmente ignorado.

O novo estudo demonstra que as taxas de aprendizado ultrarrápidas são surpreendentemente idênticas para redes pequenas e grandes. Portanto, dizem os pesquisadores, "a desvantagem do complicado esquema de aprendizado do cérebro é, na verdade, uma vantagem." Outra descoberta importante é que a aprendizagem pode ocorrer sem etapas de aprendizagem por meio da auto-adaptação de acordo com entradas assíncronas. Este tipo de aprendizagem sem aprendizagem ocorre nos dendritos, vários terminais de cada neurônio, como foi recentemente observado experimentalmente. Além disso, a dinâmica da rede sob aprendizagem dendrítica é governada por pesos fracos que antes eram considerados insignificantes.

A ideia de algoritmos de aprendizagem profunda eficientes baseados na dinâmica do cérebro muito lento oferece uma oportunidade para implementar uma nova classe de inteligência artificial avançada baseada em computadores rápidos. Ele exige o reinício da ponte da neurobiologia para a inteligência artificial e, conforme o grupo de pesquisa conclui, "As percepções dos princípios fundamentais do nosso cérebro precisam estar mais uma vez no centro da futura inteligência artificial."