Algoritmos de neurociência não conseguem entender cérebro de processador

Com informações da PLOS Computational Biology - 16/01/2017

Os algoritmos de inteligência artificial tentaram entender os transistores - muito mais simples do que os neurônios - e suas conexões. Mas não tiveram sucesso.
[Imagem: Eric Jonas]

Nem cérebro artificial

Existem pesquisadores entusiasmados com o futuro da inteligência artificial, mas também há aqueles preocupados com os perigos que a inteligência artificial poderão trazer à humanidade.

E parece que esses mais cautelosos têm boas razões, principalmente quanto às redes neurais que estão sendo usadas pelos neurocientistas para interpretar e tentar reproduzir a forma de funcionamento do cérebro humano.

Eric Jonas (Universidade da Califórnia em Berkeley) e Konrad Kording (Universidade Northwestern) decidiram avaliar a capacidade desses algoritmos de neurociências amplamente utilizados aplicando-os ao clássico console de jogos Atari 2600 conforme ele executava o videogame "Donkey Kong".

E eles constataram que esses algoritmos de inteligência artificial não conseguem descrever de forma significativa como o microprocessador 6502 do console realmente funciona.

Compreensão

O campo da neurociência está avançando rapidamente e os cientistas conseguem registrar a atividade simultânea de mais e mais neurônios em mais e mais organismos. Contudo, testar a validade dos algoritmos que analisam esses dados é difícil porque ainda não está claro nem mesmo como sistemas neurais relativamente simples, como o cérebro de uma mosca da fruta, realmente funcionam.

"Como foram os seres humanos que projetaram este processador, do transístor até o software, nós sabemos como ele funciona em cada nível, e temos uma intuição sobre o que significa 'compreender' o sistema," disse Jonas. "Nosso objetivo era destacar algumas das deficiências na 'compreensão' que surgem quando se aplicam técnicas analíticas contemporâneas a grandes conjuntos de dados de sistemas de computação".

A dupla testou como as ferramentas de análise compreenderiam características conhecidas do processador, como as conexões entre as diferentes partes do chip e os efeitos de se destruir transistores individuais.

Contudo, as técnicas não alcançaram nem mesmo o nível de compreensão que um estudante de engenharia elétrica teria sobre o funcionamento do chip.

As funções neurais reconstruídas pelos algoritmos de inteligência artificial nunca conseguiriam fazer um chip funcional.
[Imagem: Eric Jonas]

É preciso melhorar

De acordo com Jonas, os resultados sugerem que, "sem uma reflexão cuidadosa, as atuais abordagens de megadados para a neurociência podem não estar à altura de suas promessas e poderão não ajudar esse campo de pesquisas a avançar." E Kording acrescentou: "O progresso [das neurociências] necessita de melhores experimentos, teorias e abordagens de análise de dados".

É certo que microprocessadores e sistemas biológicos são diferentes em muitos aspectos, o que pode limitar o alcance dos resultados. Jonas e Kording também não testaram todos os métodos usados pelas neurociências para investigar o chip.

No entanto, o estudo sugere potenciais problemas com as abordagens da neurociência e sugere novos caminhos a serem explorados para melhor compreender o cérebro. "Podemos aprender muito sobre como fazer uma engenharia reversa dos sistemas biológicos através da engenharia reversa de sistemas sintéticos," defendeu Jonas.

Mais tópicos