Computação híbrida usa memória externa para ganhar inteligência

Com informações do Jornal da Unicamp - 20/10/2016

Impressão artística de um Computador Neural Diferenciável: a CPU (no centro) é visualizada como o operador de uma fábrica onde a informação (os 0s e 1s) é manipulada por braços robóticos encarregados de escrever, ler e apagar um rolo de papel em movimento que representa a memória.
[Imagem: DeepMind]

Computador Neural Diferenciável

Uma nova estrutura computacional, que associa uma rede neural a uma memória externa, semelhante à dos computadores convencionais, mostrou-se capaz de realizar tarefas dificilmente realizáveis pelos sistemas computacionais atuais.

Essas tarefas incluem resolver um quebra-cabeça cujo objetivo é formulado em linguagem simbólica, navegar por árvores genealógicas ou decidir qual a rota mais eficiente em um sistema de metrô - que é uma versão do problema do caixeiro-viajante.

Essa estrutura foi batizada de Computador Neural Diferenciável (CND) por Alex Graves e seus colegas do laboratório Google DeepMind.

Inteligência Artificial

As redes neurais são programas capazes de aprender por tentativa e erro, reforçando as conexões que conduzem ao resultado desejado e eliminando as menos utilizadas. Sua deficiência está na dificuldade em representar e armazenar dados em forma simbólica e por longos períodos.

Os computadores tradicionais e seus programas, por sua vez, são bons em resolver problemas estruturados em forma simbólica e arquivar informações, mas não aprendem, exigindo alterações na programação para levar em conta qualquer alteração.

Já o Computador Neural Diferenciável é uma rede neural capaz de acessar uma memória externa, análoga à RAM de um computador comum, obtendo o melhor de cada uma das duas arquiteturas.

Solução do problema do caixeiro viajante apresentado para o caso do metrô de Londres.
[Imagem: Alex Graves et al. -10.1038/nature20101]

Máquinas que aprendem

"Como um computador convencional, ele pode usar sua memória para representar e manipular estruturas de dados complexas. Mas, como uma rede neural, ele pode aprender a fazer isso a partir dos dados apresentados.

"Quando treinado com aprendizado supervisionado, um CND pode responder com sucesso a questões (...) criadas para emular problemas de raciocínio e inferência em linguagem natural.

"Demonstramos como redes neurais e sistemas de memória podem ser combinados para construir máquinas que aprendem que podem armazenar conhecimento rapidamente e ponderar sobre ele de forma flexível", escrevem os pesquisadores.

Mais tópicos