Uma nova pesquisa da Universidade Johns Hopkins mostra que os sistemas de inteligência artificial construídos com designs de inspiração biológica podem começar a assemelhar-se à atividade cerebral humana mesmo antes de serem treinados com quaisquer dados. A pesquisa sugere que a forma como a IA é estruturada é tão importante quanto a quantidade de dados que ela processa.
Resultados, publicados A natureza é inteligência de máquinaDesafie estratégias dominantes no desenvolvimento de IA. Em vez de depender de meses de treinamento, enormes conjuntos de dados e enorme poder computacional, a pesquisa destaca o valor de começar com bases arquitetônicas semelhantes às do cérebro.
Repensando abordagens pesadas de dados para IA
“A forma como o campo da IA está indo agora é lançar um monte de dados em modelos e construir recursos computacionais do tamanho de pequenas cidades. Isso custaria centenas de bilhões de dólares. Enquanto isso, os humanos aprenderam a usar muito poucos dados”, disse o autor principal Mick Bonner, professor assistente de ciência cognitiva na Universidade Johns Hopkins. “A evolução pode ser integrada neste projeto por uma boa razão. Nosso trabalho sugere que projetos arquitetônicos mais parecidos com o cérebro colocam os sistemas de IA em um início muito vantajoso.”
Bonner e os seus colegas pretendiam testar se a arquitectura por si só poderia dar aos sistemas de IA um ponto de partida mais humano, em vez de depender de formação em larga escala.
Uma comparação de arquiteturas populares de IA
A equipe de pesquisa se concentrou em três tipos principais de projetos de redes neurais comumente usados em sistemas modernos de IA: transformadores, redes totalmente conectadas e redes neurais convolucionais.
Eles ajustam repetidamente esses projetos para criar dezenas de redes neurais artificiais diferentes. Nenhum dos modelos foi previamente treinado. Os pesquisadores então mostraram aos sistemas não treinados imagens de objetos, pessoas e animais e compararam sua atividade interna com as respostas cerebrais de humanos e primatas não humanos que visualizavam as mesmas imagens.
Por que as redes convolucionais se destacam
Aumentar o número de neurônios artificiais em redes transformadoras e totalmente conectadas produz poucas mudanças significativas. No entanto, combinações semelhantes de redes neurais convolucionais levam a padrões de atividade que correspondem mais de perto aos observados no cérebro humano.
De acordo com os pesquisadores, esses modelos convolucionais não treinados têm desempenho equivalente aos sistemas tradicionais de IA, que normalmente exigem milhões ou até bilhões de exposições de imagens. Os resultados sugerem que a arquitetura desempenha um papel maior na formação do comportamento semelhante ao do cérebro do que se acreditava anteriormente.
Um caminho rápido para IA inteligente
“Se o treinamento em big data é realmente o fator importante, então não deveria haver maneira de chegar a um sistema de IA semelhante ao cérebro apenas através de mudanças arquitetônicas”, disse Bonner. “Isso significa que, começando com o modelo certo e talvez incorporando outros insights da biologia, poderemos acelerar drasticamente o aprendizado em sistemas de IA”.
A equipa está agora a explorar métodos de aprendizagem simples inspirados na biologia que poderão levar a uma nova geração de estruturas de aprendizagem profunda, potencialmente tornando os sistemas de IA mais rápidos, mais eficientes e menos dependentes de enormes conjuntos de dados.
