Os cientistas descobriram como aumentar a eficiência da IA ​​- precisamos de redes neurais com neurônios artificiais diferentes, não iguais

Cientistas do Imperial College London confirmaram sua hipótese de que o uso de diferentes tipos de neurônios artificiais (unidades de computação) na criação de sistemas de inteligência artificial (IA) aumenta a eficiência das redes neurais. Essa ideia foi levada aos cientistas pela estrutura do cérebro humano e dos flocos de neve.

Pixabay

Na natureza, não existem dois flocos de neve idênticos, assim como neurônios idênticos no cérebro dos mamíferos. De acordo com cientistas britânicos, exatamente porque as redes artificiais têm exatamente os mesmos neurônios, o cérebro humano ainda supera a IA de muitas maneiras – ele aprende mais rápido, se adapta a condições mutáveis, muda de uma tarefa para outra.

O neurocientista computacional Daniel Goodman, que participou do estudo publicado na revista Nature Communications, explicou ao NEO.LIFE a diferença entre aprender e se adaptar às mudanças de circunstâncias no cérebro humano e na IA.

A IA pode ser treinada, por exemplo, no famoso videogame de fliperama Pong. “São duas raquetes se movendo ao longo das bordas do campo e batendo na bola alternadamente. Um AI treinado jogará este jogo perfeitamente. Melhor do que humano, diz Goodman. “Porém, vale a pena mover as pás pelo menos um pixel mais perto uma da outra, e a IA não será capaz de jogá-la, já que é treinada apenas para parâmetros específicos do jogo e não pode lidar com nenhum, nem mesmo o mais insignificantes, mudanças nele. ” Tal problema não existe em humanos, e o motivo, segundo o cientista, está no fato de todos os neurônios do cérebro humano serem diferentes.

O Laboratório de Sistemas e Redes Inteligentes do Imperial College ajustou levemente todos os componentes da rede neural, modelados com base no cérebro, e isso aumentou a eficiência e a precisão de seu trabalho em 20%. Além disso, os cientistas tentaram reproduzir o trabalho de impulso das redes cerebrais com a maior precisão possível, o que também aumentou a eficiência da rede neural: o desempenho da IA ​​no reconhecimento de fala, recepção e interpretação de comandos de voz melhorou. Além disso, a alteração do tempo de ativação de neurônios artificiais possibilitou aumentar a eficiência de execução de tarefas com um componente de tempo, como reconhecer números falados em sequência.

Por sua vez, Partha Mitra, neurocientista do laboratório Cold Spring Harbor, em Nova York, acredita que se trata mais da forma como os neurônios são organizados. E dependendo de como os neurônios estão alinhados (mesmo que sejam iguais), eles podem ser usados ​​para resolver problemas diferentes.

Mitra e seu colega britânico Goodman acreditam que em um futuro próximo haverá sistemas de IA de plástico construídos em chips com vários neurônios artificiais – sistemas neuromórficos. E graças à plasticidade, uma característica importante das redes neurais naturais, a IA será capaz de aprender, por exemplo, como jogar Pong com precisão com parâmetros variáveis, dizem os cientistas.