IA inspirada no cérebro consegue simular atividade neural, diz estudo

Pesquisadores da Universidade Johns Hopkins realizaram um estudo que mostra como sistemas de inteligência artificial projetados com estruturas semelhantes às do cérebro humano podem reproduzir padrões de atividade neural sem precisar de grandes conjuntos de dados para treinamento. A pesquisa foi publicada na revista Nature Machine Intelligence e põe em questão o modelo tradicional de desenvolvimento de IA que depende de imensos bancos de dados e poder computacional.

Arquitetura antes dos dados

• O principal autor do estudo, Mick Bonner, professor-assistente de ciências cognitivas, destaca que a indústria de IA tem avançado por meio de modelos enormes que necessitam de vastos conjuntos de dados.
• Bonner ressalta que, ao contrário disso, os humanos aprendem a partir de poucos dados. Para ele, arquiteturas que mimetizam o cérebro oferecem uma vantagem significativa para os sistemas de IA.
• A equipe comparou três arquiteturas comuns na IA: transformers, redes totalmente conectadas e redes convolucionais.
• Os pesquisadores testaram diversas variações, ajustando os desenhos estruturais para entender as diferenças.

Redes convolucionais se aproximam mais do cérebro

Durante os testes, os modelos não treinados foram expostos a imagens de objetos, pessoas e animais. Os cientistas avaliaram suas respostas e como elas se correlacionavam com a atividade neural de humanos e primatas nas mesmas condições.

Enquanto os transformers e as redes totalmente conectadas mostraram pouca mudança com o aumento do número de neurônios artificiais, as redes convolucionais modificadas geraram padrões mais semelhantes aos observados no cérebro.

Essas redes convolucionais não treinadas apresentaram desempenho comparável a sistemas que normalmente exigem milhões de imagens para aprendizado. Esse resultado sugere que a arquitetura pode ser mais importante que a quantidade de dados.

Agora, a equipe está desenvolvendo algoritmos de aprendizagem inspirados na biologia, que poderão ajudar na criação de novos modelos de deep learning.