Inteligncia artificial “lquida” adapta-se a variaes nos dados

0
76

Informtica

Com informações do MIT – 04/02/2021

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

Aprendizado de mquina “lquido”

Pesquisadores desenvolveram um novo tipo de rede neural que aprende enquanto executa seu trabalho – e no apenas durante a fase de treinamento.

Esses algoritmos flexveis, batizados de “redes lquidas”, alteram suas prprias equaes para se adaptar continuamente a variaes nos dados.

O avano pode ajudar na tomada de decises 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 a razo pela qual queremos que os programas de inteligncia artificial os interpretem. o caso, por exemplo, das situaes envolvendo os carros autnomos ou os dados de sade de uma pessoa.

“Este um caminho a seguir para o futuro do controle de robs, processamento de linguagem natural, processamento de vdeo – qualquer forma de processamento de dados de srie temporal. O potencial realmente significativo,” disse Ramin Hasani, do MIT, nos Estados Unidos.

A novidade tambm pode ajudar a lidar com o “esquecimento catastrfico”, uma das maiores deficincias do aprendizado de mquina, que esquece o que aprendeu antes to logo comece a lidar com conjuntos de dados diferentes.

Rede neural neuromrfica

Os dados de sries temporais so onipresentes e vitais para nossa compreenso do mundo, mas seu estudo apresenta uma dificuldade fundamental: suas mudanas podem ser imprevisveis.

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

A base a conhecida rede neural, um conjunto de algoritmos que reconhecem padres por meio da anlise de um conjunto de exemplos de treinamento. S que Hasani criou um algoritmo neuromrfico, ou seja, um modo de lidar com os dados que imita o funcionamento do crebro.

Intelig

Na verdade no bem um crebro: A rede neural imita as vias de processamento do verme nematoide Caenorhabditis elegans. O C. elegans possui apenas 302 neurnios em seu sistema nervoso, mas isso suficiente para gerar toda a dinmica complexa de que o animal precisa para sobreviver.

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

Abrindo a caixa preta da IA

A flexibilidade – ou fluidez – a chave da inovao da rede lquida.

O comportamento da maioria das redes neurais torna-se fixo aps a fase de treinamento, o que significa que elas so ruins para se ajustar a mudanas no fluxo de dados de entrada. Hasani afirma que a fluidez da sua rede lquida a torna mais resistente a dados inesperados ou cheios de rudo, como ocorre quando a chuva obscurece a viso de uma cmera em um carro autnomo, por exemplo.

E h outra vantagem na flexibilidade da rede: ela se torna mais interpretvel, contornando o problema da “caixa preta” comum a outras redes neurais. Graas ao pequeno nmero de neurnios altamente expressivos, mais fcil perscrutar a caixa preta da tomada de deciso da rede para compreender seu funcionamento, permitindo diagnosticar porque a rede fez uma determinada caracterizao, por exemplo.

Hasani planeja continuar aprimorando o sistema e prepar-lo para aplicaes prticas. “Temos uma rede neural comprovadamente mais expressiva, inspirada na natureza. Mas este apenas o comeo do processo,” disse ele. “A questo bvia como voc estende isso? Acreditamos que esse tipo de rede pode ser um elemento-chave de futuros sistemas inteligentes.”

Bibliografia:

Artigo: Liquid Time-constant NetworksAutores: Ramin Hasani, Mathias Lechner, Alexander Amini, Daniela Rus, Radu GrosuRevista: Proceedings of the AAAI Conference on Artificial IntelligenceVol.: https://arxiv.org/abs/2006.04439

Seguir Site Inovação Tecnológica no Google Notícias

Outras notcias sobre:

Mais tópicos