redes neurais artificiais inspirado no cérebro ajuda a se lembrar a lembrar

Algoritmo inspirado no cérebro ajuda redes neurais a lembrar


Os neurocientistas da Universidade de Chicago descobriram uma adaptação de um mecanismo do cérebro que pode melhorar a capacidade das redes neurais artificiais de aprender múltiplas tarefas.

Por trás da maioria das tecnologias atuais de inteligência artificial, desde carros autônomos até reconhecimento facial e assistentes virtuais, existem redes neurais artificiais. Embora baseados vagamente no modo como os neurônios se comunicam no cérebro, esses sistemas de deep learning permanecem incapazes de muitas funções básicas que seriam essenciais para os primatas e outros organismos.

No entanto, um novo estudo dos neurocientistas da Universidade de Chicago descobriu que a adaptação de um mecanismo cerebral bem conhecido pode melhorar drasticamente a capacidade das redes neurais artificiais a aprender várias tarefas e evitar o desafio persistente da Inteligência Artificial ​​de “esquecer”. O estudo, publicado no Proceedings of National Academy of Sciences, fornece um exemplo único de como a pesquisa em neurociência pode informar novas estratégias de ciência da computação e, inversamente, como a tecnologia de IA pode ajudar os cientistas a entender melhor o cérebro humano.

Quando combinado com métodos previamente relatados para estabilizar conexões sinápticas em redes neurais artificiais, o novo algoritmo permitiu que redes neurais artificiais individuais aprendessem e realizassem centenas de tarefas com perda mínima de precisão, potencialmente permitindo tecnologias de IA mais poderosas e eficientes.

“Intuitivamente, você pode pensar que quanto mais tarefas você quiser que uma rede saiba, maior a rede deve ser”, disse David Freedman, professor de neurobiologia da Universidade de Chicago. “Mas o cérebro sugere que há provavelmente uma maneira eficiente de reunir muitos conhecimentos em uma rede razoavelmente pequena.

Quando você olha para partes do cérebro envolvidas em funções cognitivas superiores, você tende a descobrir que as mesmas áreas, até as mesmas células, participam de muitas funções diferentes. A ideia era inspirar-se no que o cérebro faz para resolver desafios com redes neurais. ”

Em redes neurais artificiais, catastrophic forgetting, ou “esquecimento catastrófico”, refere-se à dificuldade em ensinar o sistema a realizar novas habilidades sem perder funções previamente aprendidas. Por exemplo, se uma rede inicialmente treinada para distinguir entre fotos de cães e gatos é então treinada novamente para distinguir entre cães e cavalos, ela perderá sua capacidade anterior.

“Se você mostrar a uma rede neural treinada uma nova tarefa, ela esquecerá completamente sua tarefa anterior”, disse Gregory Grant, da AB18, que agora é pesquisador do laboratório Freedman. “Isso diz: ‘Eu não preciso dessa informação’, e substitui. Isso é um desastre. Acontece muito rapidamente, dentro de apenas algumas iterações, sua tarefa anterior pode ser completamente aniquilada.”

Por outro lado, o cérebro é capaz de “aprendizado contínuo”, adquirindo novos conhecimentos sem eliminar antigas memórias, mesmo quando os mesmos neurônios são usados ​​para múltiplas tarefas. Uma estratégia que o cérebro usa para esse desafio de aprendizagem é a ativação seletiva de células ou componentes celulares para diferentes tarefas – essencialmente ligando sub-redes menores e sobrepostas para cada habilidade individual ou sob diferentes contextos.

Os pesquisadores da Universidade de Chicago adaptaram esse mecanismo neurocientífico às redes neurais artificiais através de um algoritmo que eles chamavam de “gating dependente de contexto”. Para cada nova tarefa aprendida, apenas 20 por cento aleatórios de uma rede neural são ativados. Depois que a rede é treinada em centenas de tarefas diferentes, um único nó pode estar envolvido em dezenas de operações, mas com um conjunto exclusivo de pares para cada habilidade individual.

Quando combinada com métodos previamente desenvolvidos pelos pesquisadores do Google e de Stanford, o controle dependente do contexto permitiu que as redes aprendessem até 500 tarefas com apenas uma pequena diminuição na precisão.

“Foi um pouco surpreendente que algo tão simples tenha funcionado tão bem”, disse Nicolas Masse, pesquisador de pós-doutorado no laboratório Freedman. “Mas com este método, uma rede razoavelmente de tamanho médio pode ser dividida de várias maneiras para poder aprender muitas tarefas diferentes, se feita corretamente.”

Como tal, a abordagem provavelmente tem um grande potencial na crescente indústria de IA, onde as empresas que desenvolvem veículos autônomos, robótica e outras tecnologias inteligentes precisam reunir capacidades complexas de aprendizado em computadores no nível do consumidor. A equipe de Chicago está atualmente trabalhando com o Centro Polsky de Empreendedorismo e Inovação para explorar as opções de comercialização do algoritmo.

A pesquisa computacional também beneficia o foco original do laboratório em entender melhor o cérebro dos primatas registrando sua atividade enquanto os animais aprendem e se comportam. As estratégias de modelagem e teste que permitem o aprendizado, a atenção, o processamento sensorial e outras funções em um computador podem motivar e sugerir novos experimentos biológicos que investigam os mecanismos de inteligência tanto naturais quanto artificiais, disseram os pesquisadores.

“Adicionar este componente de pesquisa ao laboratório realmente abriu muitas portas em termos de nos permitir pensar sobre novos tipos de problemas, novos tipos de tópicos e problemas neurocientíficos que normalmente não podemos abordar usando as técnicas experimentais atualmente.” disponível para nós no laboratório “, disse Freedman. “Esperamos que este seja o ponto de partida para mais trabalho no laboratório para identificar esses princípios e para ajudar a criar redes artificiais que continuem aprendendo e construindo conhecimentos prévios”.

Via TechXplore

Algoritmo inspirado no cérebro ajuda redes neurais a lembrar
5 (100%) 1 vote

Artigos relacionados

Automação Inteligente de forma resumida Tecnologias inteligentes estão impulsionando operações automatizadas em todos os setores da indústria. Muitas empresas enfrentam atualmente os mesmos ...
Inteligência Artificial e a Ascensão dos Seres Humanos Usando AI para tornar as pessoas mais inteligentes Com os avanços na inteligência artificial impactando todos os setores, desde a saúde até o varejo,...
Um mundo orientado a máquinas é melhor que um mundo orientado a humanos? Do lado positivo das máquinas, temos uma perspectiva de carros autônomos e outros benefícios, e através da educação, os humanos podem evoluir e melhor...
Você não é tão esperto: o viés cognitivo está se certificando disso O que é viés cognitivo? Viés cognitivo é a tendência para pensar de certas maneiras que podem levar a desvios sistemáticos de um padrão de racionalid...