Algoritmos imitam evolução biológica do cérebro para aprender melhor

Pesquisadores da Universidade de Berna, na Suíça, desenvolveram novos algoritmos que imitam o processo de evolução biológica para “aprender” a desempenhar tarefas de maneira mais eficiente, reduzindo o tempo gasto no treinamento de inteligências artificiais.

• Rede neural artificial inspirada no cérebro humano consegue "pensar" melhor
• Nova rede neural mostra que é possível ligar cérebro a computador sem usar fios

Os chamados “algoritmos evolutivos” são programas de computador que buscam soluções para problemas complexos imitando o sistema natural de aprendizado humano. Essa abordagem utiliza o mesmo princípio em que a aptidão biológica interfere diretamente na forma como um organismo se adapta ao ambiente.

“Nossos cérebros são incrivelmente adaptáveis. Todos os dias, formamos novas memórias, adquirimos novos conhecimentos ou refinamos habilidades existentes. Isso contrasta com nossos computadores atuais, que normalmente executam apenas ações pré-programadas”, explica o professor Jakob Jordan, coautor do estudo.

Plasticidade sináptica

As sinapses são os pontos de conexão entre os neurônios, que podem mudar conforme são usados ou estimulados. Essa plasticidade sináptica é um importante tópico de pesquisa da neurociência, pois envolve todos os processos de aprendizagem e memória adquirida.

Para desenvolver uma máquina com essa capacidade adaptativa, os cientistas precisam de modelos que consigam operar mecanismos subjacentes a esses processos. Com esses modelos, é possível construir sistemas de inteligência artificial baseados no processamento de informações biológicas, criando máquinas que aprendem muito mais rápido.

“Em todos esses cenários, os algoritmos evolutivos são capazes de descobrir mecanismos de plasticidade sináptica e resolver com sucesso uma nova tarefa. Ao fazerem isso, esses algoritmos mostraram uma criatividade incrível e uma capacidade adaptativa muito superior do que a encontrada em sistemas atuais de IA”, acrescenta Jordan.

Evoluindo para aprender

A abordagem desenvolvida pelos pesquisadores é conhecida como “evoluindo para aprender” ou “tornando-se adaptável”. Com ela, é possível confrontar algoritmos evolutivos com três cenários típicos de aprendizagem. No primeiro, o computador precisa detectar um padrão repetido sem receber um retorno sobre seu desempenho.

Em um segundo cenário, o sistema recebe recompensas virtuais ao se comportar de maneira desejada. Já em uma terceira fase, com um esquema de aprendizagem orientada, o computador é informado sobre quanto seu comportamento se desviou do que era esperado.

“Vemos esse sistema como uma abordagem promissora para obter conhecimentos profundos sobre os princípios de aprendizagem biológica e acelerar o progresso de máquinas de aprendizagem artificiais, abrindo caminho para o desenvolvimento de dispositivos inteligentes, capazes de se adaptar melhor às necessidades de seus usuários”, encerra o professor Jakob Jordan.

Fonte: University of Bern