Máquinas inteligentes: Rede neural mecânica roda em processador mecânico

Redação do Site Inovação Tecnológica - 24/12/2024

Sim, isto é um processador mecânico, e um capaz de executar tarefas de inteligência artificial.
[Imagem: Shuaifeng Li]

Inteligência material

É fácil pensar que o aprendizado de máquina é um fenômeno completamente digital, possibilitado por computadores e algoritmos que podem imitar comportamentos semelhantes aos do cérebro.

Mas, computadores à parte, a larga maioria das máquinas é analógica, e os anos recentes testemunharam um progresso impressionante no campo da "inteligência material" e dos "materiais vivos" - há até quem diga que a robótica vai se incorporar na matéria.

A última novidade nesse campo dos sistemas mecânicos capazes de aprender está chegando agora pelas mãos de Shuaifeng Li e Xiaoming Mao, da Universidade de Michigan, nos EUA.

A dupla criou uma estrutura matemática de como o aprendizado funciona em redes chamadas redes neurais mecânicas. E eles usaram essa estrutura para implementar um processador mecânico capaz de fazer inteligência artificial.

"Estamos vendo que os materiais podem aprender tarefas por si próprios e fazer cálculos," disse Li.

Obter o gradiente do que é conhecido como função de perda é uma etapa essencial para estabelecer o algoritmo de retropropagação para treinar um material físico. O gradiente pode ser encontrado experimentalmente usando um modelo impresso em 3D de uma rede neural mecânica.
[Imagem: Li & Mao - 10.1038/s41467-024-54849-z]

Aprendizado mecânico

Para colocar tudo para funcionar, a equipe criou um algoritmo para "treinar" materiais para resolver problemas.

A equipe caprichou no problema para testar seu sistema de inteligência mecânica, colocando-o para identificar diferentes espécies de plantas íris. Mas eles afirmam que esses materiais poderão criar estruturas capazes de resolver problemas ainda mais avançados, como fazer com que as asas dos aviões otimizem seu próprio formato para diferentes condições de voo - tudo sem a intervenção humana ou de computadores.

O algoritmo é baseado em uma abordagem chamada retropropagação, que tem sido usada para permitir o aprendizado em sistemas digitais, mecânicos e ópticos, como um processador de luz que aprende por associação e mesmo em uma inteligência artificial analógica, baseada em redes neurais físicas.

Devido à aparente indiferença do algoritmo em relação à forma como a informação é transportada, ele também pode ajudar a abrir novas abordagens para estudar como os sistemas vivos aprendem.

Demonstração da possibilidade de retreinamento de uma rede neural mecânica.
[Imagem: Li & Mao - 10.1038/s41467-024-54849-z]

Redes neurais mecânicas

A ideia de usar objetos físicos na computação já existe há décadas, mas o foco nas redes neurais mecânicas é mais recente, com o interesse crescendo frente a outros avanços recentes na inteligência artificial.

Embora o funcionamento das redes neurais artificiais digitais, que rodam nos computadores, seja complexo e em grande parte oculto em uma espécie de caixa-preta da IA, elas fornecem uma analogia útil para compreender as redes neurais mecânicas.

Ao usar um programa da IA, o usuário digita um comando ou pergunta de entrada, que é interpretado por um algoritmo de rede neural rodando em uma rede de computadores. Com base no que o sistema aprendeu ao ser previamente exposto a grandes quantidades de dados, ele gera uma resposta, ou saída, que aparece na tela.

Uma rede neural mecânica, ou RNM, possui os mesmos elementos básicos. Para o estudo de Li e Mao, a entrada foi um peso fixado em um material, que funciona como sistema de processamento. O resultado é lido no modo como o material muda de forma devido ao peso que atua sobre ele. "A força é a informação de entrada e os próprios materiais são como o processador, e a deformação dos materiais é a saída ou resposta," explicou Li.

Nesta demonstração, o hardware do processador mecânico consiste em redes de borracha impressas em 3D, feitas de pequenos triângulos que formam trapézios maiores. Os materiais aprendem ajustando a rigidez ou flexibilidade de segmentos específicos dentro dessa rede.

Para concretizar as suas aplicações futurísticas - como as asas dos aviões que ajustam suas propriedades em tempo real - as RNMs terão de ser capazes de ajustar esses segmentos por si próprias. Materiais que podem fazer isso estão sendo pesquisados, mas ainda não é possível comprá-los no comércio.

Mais tópicos