A inteligência artificial (IA) ainda tem muito a aprender com os cérebros dos animais, diz o neurocientista Anthony Zador do Cold Spring Harbor Laboratory (CSHL). Agora, ele espera que as lições da neurociência possam ajudar a próxima geração de inteligência artificial a superar algumas barreiras particularmente difíceis.

Anthony Zador, M.D., Ph.D., passou sua carreira trabalhando para descrever, até o neurônio individual, as complexas redes neurais que constituem um cérebro vivo. Mas ele começou sua carreira estudando redes neurais artificiais (RNAs). ANNs, quais são os sistemas de computação por trás da recente revolução da IA, são inspirados nas redes ramificadas de neurônios em cérebros de animais e humanos. Contudo, este amplo conceito é geralmente onde termina a inspiração.

Em um artigo de perspectiva publicado recentemente em Nature Communications , Zador descreve como algoritmos de aprendizagem aprimorados estão permitindo que os sistemas de IA alcancem desempenho sobre-humano em um número crescente de problemas mais complexos, como xadrez e pôquer. Ainda, as máquinas ainda estão perplexas com o que consideramos os problemas mais simples.

Resolver este paradoxo pode finalmente permitir que os robôs aprendam a fazer algo tão orgânico como perseguir uma presa ou construir um ninho, ou mesmo algo tão humano e mundano como lavar a louça - uma tarefa que o CEO do Google, Eric Schmidt, certa vez chamou de "literalmente o pedido número um ... mas um problema extraordinariamente difícil" para um robô.

"As coisas que achamos difíceis, como pensamento abstrato ou jogo de xadrez, Na verdade, não são difíceis para as máquinas. As coisas que achamos fáceis, como interagir com o mundo físico, isso é o que é difícil, "Zador explicou." A razão pela qual pensamos que é fácil é que tivemos meio bilhão de anos de evolução que conectou nossos circuitos para que o façamos sem esforço. "

É por isso que Zador escreve que o segredo do aprendizado rápido pode não ser um algoritmo de aprendizado geral perfeito. Em vez de, ele sugere que as redes neurais biológicas esculpidas pela evolução fornecem uma espécie de andaime para facilitar o aprendizado rápido e fácil para tipos específicos de tarefas - geralmente aquelas cruciais para a sobrevivência.

Por exemplo, Zador aponta para o seu quintal.

"Você tem esquilos que podem pular de árvore em árvore dentro de algumas semanas após o nascimento, mas não temos ratos aprendendo a mesma coisa. Por que não? ", Disse Zador." É porque alguém está geneticamente predeterminado para se tornar uma criatura que habita as árvores. "

Zador sugere que um resultado dessa predisposição genética é o circuito inato que ajuda a orientar o aprendizado inicial de um animal. Contudo, essas redes de andaimes são muito menos generalizadas do que a panacéia de aprendizado de máquina que a maioria dos especialistas em IA busca. Se as RNAs identificaram e adaptaram conjuntos semelhantes de circuitos, Zador argumenta, os robôs domésticos do futuro podem um dia nos surpreender com pratos limpos.