inteligência artificial raciocínio abstrato machine learning

Redes neurais revelam como as pessoas processam o raciocínio abstrato


À medida que a inteligência artificial se torna mais sofisticada, grande parte da atenção pública se concentra em quão bem sucedidas essas tecnologias podem competir com humanos no xadrez e em outros jogos de estratégia. Um filósofo da Universidade de Houston adotou uma abordagem diferente, desconstruindo as redes neurais usadas no machine learning para esclarecer como os seres humanos processam o raciocínio abstrato.

“À medida que confiamos cada vez mais nesses sistemas, é importante saber como eles funcionam e por quê”, disse Cameron Buckner, professor assistente de filosofia e autor de um artigo explorando o tema publicado na revista Synthese. Melhor entender como os sistemas funcionam, por sua vez, levou-o a insights sobre a natureza da aprendizagem humana.

Os filósofos têm debatido as origens do conhecimento humano desde os dias de Platão – é inato, baseado na lógica, ou o conhecimento vem da experiência sensorial no mundo?

Redes neurais convolucionais profundas, ou RNNs, sugerem que o conhecimento humano deriva da experiência, uma escola de pensamento conhecida como empirismo, concluiu Buckner. Essas redes neurais de múltiplas camadas, com nós replicando como os neurônios processam e transmitem informações no cérebro – demonstram como o conhecimento abstrato é adquirido, disse ele, tornando as redes uma ferramenta útil para campos como neurociência e psicologia.

No artigo, Buckner observa que o sucesso dessas redes em tarefas complexas envolvendo percepção e discriminação às vezes superou a capacidade dos cientistas de entender como funcionam.

Embora alguns cientistas que construíram sistemas de redes neurais tenham mencionado o pensamento do filósofo britânico John Locke e de outros teóricos influentes, seu foco tem sido nos resultados, em vez de compreender como as redes se cruzam com os relatos filosóficos tradicionais da cognição humana. Buckner partiu para preencher esse vazio, considerando o uso da inteligência artificial para raciocínio abstrato, desde jogos de estratégia até reconhecimento visual de cadeiras, obras de arte e animais, tarefas que são surpreendentemente complexas considerando as muitas variações potenciais em ponto de vista, cor, estilo e outros detalhes.

“Pesquisadores de visão computacional e machine learning recentemente notaram que cadeira, gato e outras categorias cotidianas são difíceis de reconhecer porque podem ser encontrados em uma variedade de poses ou orientações diferentes que não são mutuamente semelhantes em termos de propriedades perceptivas de baixo nível “, escreveu Buckner. ” uma cadeira vista de frente não se parece muito com a mesma cadeira vista por trás ou por cima, devemos de alguma forma unificar todas essas perspectivas para construir um detector de cadeira confiável.”

Para superar os desafios, os sistemas precisam controlar a chamada variação de incômodo, ou o intervalo de diferenças que comumente afeta a capacidade do sistema de identificar objetos, sons e outras tarefas – tamanho e posição, por exemplo, altura e tom. A capacidade de explicar e digerir essa diversidade de possibilidades é uma característica do raciocínio abstrato.

As RNNs também responderam a outra questão sobre o raciocínio abstrato, disse Buckner. Empiristas de Aristóteles a Locke recorreram a uma faculdade de abstração para completar suas explicações de como a mente funciona, mas até agora não houve uma boa explicação de como isso funciona. “Pela primeira vez, As RNNs nos ajudam a entender como essa faculdade realmente funciona”, disse Buckner.

Ele iniciou sua carreira acadêmica em ciência da computação, estudando abordagens baseadas em lógica para inteligência artificial. As diferenças gritantes entre a IA e as maneiras pelas quais os animais e os humanos realmente resolvem os problemas levaram a sua mudança para a filosofia.

Menos de uma década atrás, ele disse, os cientistas acreditavam que os avanços em machine learning não chegariam à capacidade de produzir conhecimento abstrato. Agora que as máquinas estão vencendo humanos em jogos estratégicos, carros sem motoristas estão sendo testados em todo o mundo e sistemas de reconhecimento facial são implantados em todos os lugares, de telefones celulares a aeroportos. Encontrar respostas se tornou mais urgente.

“Esses sistemas são bem-sucedidos onde outros falharam”, disse ele, “porque eles podem adquirir o tipo de conhecimento intuitivo, sutil e abstrato do mundo que vem automaticamente para os humanos, mas que até agora tinha se mostrado impossível de programar em computadores”.

Referências

Cameron Buckner, Empiricism without magic: transformational abstraction in deep convolutional neural networks, Synthese (2018). DOI: 10.1007/s11229-018-01949-1

Via TechXplore

Redes neurais revelam como as pessoas processam o raciocínio abstrato
5 (100%) 1 vote

Artigos relacionados

Presença de um ‘robô mau’ melhora a concentração humana Uma equipe de pesquisadores de instituições na França e na Suíça descobriu que as pessoas que pediram para fazer um teste de concentração tiveram melh...
Machine learning pode prever respostas de medicação em pacientes com transtorno ... Pesquisadores desenvolveram um novo algoritmo de machine learning que é 94% preciso na previsão de quais pacientes com transtorno bipolar e outros tra...
O que são Redes Neurais Artificiais? Tipos e Aplicações Em tecnologia da informação (TI), uma rede neural é um sistema de hardware ou software padronizado baseado no funcionamento de neurônios no cérebro hu...
Robôs humanoides provocam fascínio e medo ao mesmo tempo Ostentando um cabelo castanho, a robô humanoide chamado Erica conversa com um homem na frente de membros da audiência atordoados em Madri. Ela e outro...