Inteligência artificial líquida adapta-se a variações nos dados

Com informações do MIT - 04/02/2021

Os parâmetros do algoritmo recursivo mudam seguindo a lógica do sistema neural de um nematoide.
[Imagem: Jose-Luis Olivares/MIT]

Aprendizado de máquina "líquido"

Pesquisadores desenvolveram um novo tipo de rede neural que aprende enquanto executa seu trabalho - e não apenas durante a fase de treinamento.

Esses algoritmos flexíveis, batizados de "redes líquidas", alteram suas próprias equações para se adaptar continuamente a variações nos dados.

O avanço pode ajudar na tomada de decisões com base em fluxos de dados que mudam com o tempo - e a maioria dos fluxos de dados do mundo real muda com o tempo, o que é a razão pela qual queremos que os programas de inteligência artificial os interpretem. É o caso, por exemplo, das situações envolvendo os carros autônomos ou os dados de saúde de uma pessoa.

"Este é um caminho a seguir para o futuro do controle de robôs, processamento de linguagem natural, processamento de vídeo - qualquer forma de processamento de dados de série temporal. O potencial é realmente significativo," disse Ramin Hasani, do MIT, nos Estados Unidos.

A novidade também pode ajudar a lidar com o "esquecimento catastrófico", uma das maiores deficiências do aprendizado de máquina, que esquece o que aprendeu antes tão logo comece a lidar com conjuntos de dados diferentes.

Rede neural neuromórfica

Os dados de séries temporais são onipresentes e vitais para nossa compreensão do mundo, mas seu estudo apresenta uma dificuldade fundamental: suas mudanças podem ser imprevisíveis.

Então, Hasani construiu um algoritmo talhado para lidar com essa imprevisibilidade.

A base é a conhecida rede neural, um conjunto de algoritmos que reconhecem padrões por meio da análise de um conjunto de exemplos de treinamento. Só que Hasani criou um algoritmo neuromórfico, ou seja, um modo de lidar com os dados que imita o funcionamento do cérebro.

A rede neural adaptável pode ajudar a abrir a caixa preta da inteligência artificial.
[Imagem: Gil Costa]

Na verdade não é bem um cérebro: A rede neural imita as vias de processamento do verme nematoide Caenorhabditis elegans. O C. elegans possui apenas 302 neurônios em seu sistema nervoso, mas isso é suficiente para gerar toda a dinâmica complexa de que o animal precisa para sobreviver.

Nas equações usadas para estruturar a rede neural, os parâmetros mudam ao longo do tempo com base nos resultados de um conjunto de equações diferenciais recursivas, estas por sua vez imitando o modo como os neurônios do C. elegans se ativam e se comunicam por meio de impulsos elétricos, ou sinapses.

Abrindo a caixa preta da IA

A flexibilidade - ou fluidez - é a chave da inovação da rede líquida.

O comportamento da maioria das redes neurais torna-se fixo após a fase de treinamento, o que significa que elas são ruins para se ajustar a mudanças no fluxo de dados de entrada. Hasani afirma que a fluidez da sua rede líquida a torna mais resistente a dados inesperados ou cheios de ruído, como ocorre quando a chuva obscurece a visão de uma câmera em um carro autônomo, por exemplo.

E há outra vantagem na flexibilidade da rede: ela se torna mais interpretável, contornando o problema da "caixa preta" comum a outras redes neurais. Graças ao pequeno número de neurônios altamente expressivos, é mais fácil perscrutar a caixa preta da tomada de decisão da rede para compreender seu funcionamento, permitindo diagnosticar porque a rede fez uma determinada caracterização, por exemplo.

Hasani planeja continuar aprimorando o sistema e prepará-lo para aplicações práticas. "Temos uma rede neural comprovadamente mais expressiva, inspirada na natureza. Mas este é apenas o começo do processo," disse ele. "A questão óbvia é como você estende isso? Acreditamos que esse tipo de rede pode ser um elemento-chave de futuros sistemas inteligentes."

Mais tópicos