Algoritmo de IA "descobre" rapidamente que a Terra orbita o Sol

Uma inteligência artificial conseguiu aprender em pouco tempo o que a humanidade levou séculos para compreender: a Terra gira em torno do Sol. Este foi um dos primeiros testes de um algoritmo criado para tentar descobrir novas leis da física e até, quem sabe, reformular a mecânica quântica, de acordo com publicação da Nature.

Para que a IA entendesse, por conta própria, que os planetas é que estão orbitando o Sol, o físico Renato Renner e sua equipe do Instituto Federal Suíço de Tecnologia (ETH) inseriram alguns dados sobre o movimento da estrela e de Marte em um algoritmo com aprendizado de máquina que usa equações básicas, imitando a maneira de pensar dos físicos.

Considerando a trajetória tanto do Sol como de Marte em relação à Terra, o algoritmo entendeu que o Astro-Rei é o centro do nosso sistema estelar, e que a Terra também está se movendo em relação a ele. A humanidade não compreendeu isso até os anos 1.500, quando Nicolau Copérnico analisou observações do céu e chegou a essa mesma conclusão, criando o modelo que conhecemos como heliocêntrico - o que rendeu muita confusão com a Igreja Católica.

Novo tipo de rede neural

Os pesquisadores criaram um novo tipo de rede neural para criar o algoritmo, que ainda usa um sistema de aprendizado de máquina inspirado na estrutura do cérebro humano. Em vez de interpretar informações em poucas regras facilmente interpretáveis, o algoritmo espalha o conhecimento que adquire em milhares ou milhões de nós.

Por exemplo, as redes neurais convencionais recebem as informações de uma imagem com características de “quatro pernas” e “orelhas pontudas” e codificam esses dados em nós matemáticos (equivalente artificial dos neurônios). O sistema criado pela equipe de Renner é mais complexo, e consegue compreender dados de maneira mais abrangente do que os físicos fazem atualmente.

Para isso, a equipe do ETH projetou uma rede neural “lobotomizada”, com duas sub-redes conectadas entre si por alguns links, somente. A primeira sub-rede, então, aprende com os dados, da mesma maneira que uma rede neural típica. Já a segunda usa essa experiência para fazer novas previsões.

Renner comparou o trabalho que as sub-redes fazem entre si com um professor passando conhecimentos a um aluno. No entanto, o algoritmo ainda depende dos humanos para inserir os dados, e, a partir deles, trabalhar a compreensão do mundo.

Fonte: Nature