Uma nova pesquisa da Universidade Johns Hopkins mostra que sistemas de inteligência artificial de inspiração biológica podem começar a se comportar de maneira semelhante ao cérebro humano, mesmo antes de serem treinados com quaisquer dados. O estudo sugere que a estrutura da IA pode ser tão importante quanto a quantidade de dados que ela processa.
Os resultados da pesquisa foram publicados em inteligência natural da máquinadesafiando a estratégia dominante no desenvolvimento da inteligência artificial. O estudo destaca o valor de começar com os conceitos básicos de arquiteturas semelhantes a cérebros, em vez de depender de meses de treinamento, enormes conjuntos de dados e enorme poder computacional.
Repensando uma abordagem de IA com muitos dados
“A forma como o campo da inteligência artificial está a desenvolver-se neste momento é alimentar modelos com enormes quantidades de dados e construir recursos computacionais à escala de pequenas cidades. Isso custa centenas de milhares de milhões de dólares. Ao mesmo tempo, os humanos aprenderam a ver usando muito poucos dados”, disse o principal autor do estudo, Mick Bonner, professor assistente de ciência cognitiva na Universidade Johns Hopkins. “Pode haver boas razões para a evolução se concentrar neste tipo de design. Nosso trabalho mostra que um design arquitetônico mais semelhante ao cérebro coloca os sistemas de IA em um ponto de partida muito vantajoso.”
Bonner e os seus colegas pretendiam testar se a arquitectura por si só poderia fornecer um ponto de partida mais humano para sistemas de IA, sem depender de formação em larga escala.
Arquitetura popular de inteligência artificial
A equipe de pesquisa se concentrou em três tipos principais de projetos de redes neurais comumente usados em sistemas modernos de inteligência artificial: transformadores, redes totalmente conectadas e redes neurais convolucionais.
Eles ajustaram esses designs de forma iterativa, criando dezenas de redes neurais artificiais diferentes. Todos os modelos não são treinados antecipadamente. Os pesquisadores então mostraram ao sistema não treinado imagens de objetos, pessoas e animais e compararam sua atividade interna com as respostas cerebrais de humanos e primatas não humanos quando visualizaram as mesmas imagens.
Por que as redes convolucionais se destacam
O aumento do número de neurônios artificiais em transformadores e redes totalmente conectadas quase não produziu mudanças significativas. No entanto, ajustes semelhantes nas redes neurais convolucionais resultaram em padrões de atividade que se assemelhavam mais aos observados no cérebro humano.
Os investigadores dizem que o desempenho destes modelos convolucionais não treinados é comparável aos sistemas tradicionais de inteligência artificial, que normalmente requerem acesso a milhões ou mesmo milhares de milhões de imagens. Os resultados sugerem que a arquitetura desempenha um papel maior na formação do comportamento semelhante ao do cérebro do que se pensava anteriormente.
Um caminho mais rápido para uma inteligência artificial mais inteligente
“Se o treinamento em grandes quantidades de dados é de fato o fator chave, então não deveria haver maneira de obter um sistema de IA semelhante ao cérebro apenas através de modificações arquitetônicas”, disse Bonner. “Isso significa que, começando com o modelo certo, talvez combinado com outros insights da biologia, poderemos acelerar significativamente a aprendizagem de sistemas de IA”.
A equipe está atualmente explorando métodos simples de aprendizagem inspirados na biologia que poderiam levar a uma nova geração de estruturas de aprendizagem profunda, potencialmente tornando os sistemas de inteligência artificial mais rápidos, mais eficientes e menos dependentes de conjuntos massivos de dados.
