Anúncios





Informática

Inteligência artificial próxima de replicar adaptação biológica

Com informações da NSF - 23/05/2014

Inteligência artificial próxima de replicar adaptação biológica
Antes de construir neurônios de silício, os cientistas precisam entender como os neurônios biológicos funcionam.[Imagem: Silvia Ferrari]

Apesar dos avanços no campo dos supercomputadores, o cérebro humano continua a ser o dispositivo de processamento de informações mais flexível e mais eficiente que se conhece.

Por isso, não é de hoje que pesquisadores tentam compreendê-lo com vistas a imitar seu poder de computação.

Embora ainda não se saiba exatamente como serão os computadores neuromórficos, tem havido um verdadeiro renascimento no campo da inteligência artificial - o que inclui a recente demonstração de que cérebros artificiais deverão ser construídos com processadores imprecisos.

Redes neurais artificiais

Os modelos de computadores e processadores neuromórficos - projetados para replicar a forma como os processos cerebrais memorizam ou recuperam informações - são chamados de redes neurais artificiais.

Há décadas, a informática tem usado redes neurais artificiais para resolver muitos problemas do mundo real que envolvem tarefas como classificação, estimativa e controle.

No entanto, as redes neurais artificiais não levam em consideração algumas das características básicas do cérebro humano, tais como retardos de transmissão dos sinais entre os neurônios, potenciais de membrana e correntes sinápticas.

Uma nova geração de redes neurais - chamadas redes neurais pulsadas - foram então desenvolvidas para modelar a dinâmica do cérebro um pouco melhor, levando em conta o comportamento dos disparos dos neurônios.

Silvia Ferrari e seus colegas da Universidade Duke, nos Estados Unidos, desenvolveram agora uma nova variação de rede neural pulsada para replicar com precisão ainda melhor os processos de aprendizagem do comportamento cerebral.

"Embora os sistemas de engenharia atuais sejam muito eficazes em controles dinâmicos, eles ainda não são capazes de lidar com danos e falhas imprevisíveis com que os cérebros biológicos lidam facilmente," disse Silvia.

Foi nisso que ela e seus alunos trabalharam.

Inteligência artificial próxima de replicar adaptação biológica
Os chips neurais mais avançados usam componentes chamados memristores - outra equipe já trabalha com eles para a reprodução em hardware do cérebro de um gato. [Imagem: NanoLetters]

Como ensinar um cérebro artificial

A equipe elaborou um algoritmo que ensina as redes neurais pulsadas qual informação é relevante e quão importante cada fator é para resolver o problema em questão como um todo.

Embora o objetivo seja, no futuro, imitar o cérebro humano - ou, pelo menos, o cérebro de mamíferos - a equipe começou com o cérebro muito mais simples de um inseto.

"Nosso método foi testado treinando um inseto virtual para navegar em um terreno desconhecido e encontrar alimentos," disse Xu Zhang, que foi quem botou a mão na massa para que tudo funcionasse. "O sistema nervoso foi modelado por uma grande rede neural pulsada com conexões sinápticas desconhecidas e aleatórias entre esses neurônios."

Além do inseto virtual, eles usaram simulações de computador para mostrar que o algoritmo funciona no controle de voo de aviões e na navegação de robôs.

Teste biológico

Agora Zhang está se preparando para testar biologicamente seu modelo neural artificial.

Para isso, ele vai usar células cerebrais cultivadas em laboratório alteradas geneticamente para responder a certos tipos de luz.

Esta técnica, chamada optogenética, permite controlar a forma como as células nervosas se comunicam - quando o padrão de luz muda, a atividade neural altera-se em resposta ao sinal óptico.

Os pesquisadores esperam que a rede neural viva adapte-se ao longo do tempo aos padrões de luz, adquirindo a capacidade de armazenar e recuperar informações sensoriais.

Se o modelo funcionar, então os pesquisadores poderão usar o modelo para voltar ao hardware e construir circuitos que façam o mesmo.

Bibliografia:

Spike-Based Indirect Training of a Spiking Neural Network (SNN)-Controlled Virtual Insect
X. Zhang, Z. Xu, C. Henriquez, S. Ferrari
Proc. IEEE Conference on Decision and Control
DOI: 10.1109/CDC.2013.6760966
Outras notícias sobre:

Mais Temas