Cientista Desenvolve NeuroIA para Superar Limitações Computacionais

A IA pode aprender com a gente ? Lê-se. Fala. Ele reúne montanhas de dados e recomenda decisões de negócios. A inteligência artificial de hoje pode parecer mais humana do que nunca. No entanto, a IA ainda tem várias deficiências críticas. “Por mais impressionante que o ChatGPT e todas essas tecnologias de IA atuais sejam, em termos de interação com o mundo físico, elas ainda são muito limitadas. Mesmo em coisas que eles fazem, como resolver problemas de matemática e escrever ensaios, eles levam bilhões e bilhões de exemplos de treinamento antes de fazê-los bem”, explica Kyle Daruwalla, bolsista de neuroIA do Cold Spring Harbor Laboratory (CSHL).

Ele tem buscado maneiras novas e não convencionais de projetar IA que possam superar esses obstáculos computacionais. E ele pode ter acabado de encontrar um. A chave era mover dados. Hoje em dia, a maior parte do consumo de energia da computação moderna vem de dados saltitantes. Nas redes neurais artificiais, que são compostas por bilhões de conexões, os dados podem ter um longo caminho a percorrer. Então, para encontrar uma solução, ele buscou inspiração em uma das máquinas mais poderosas computacionalmente e energeticamente eficientes que existem: o cérebro humano.

Daruwalla projetou uma nova maneira para os algoritmos de IA moverem e processarem dados de forma muito mais eficiente, com base em como nossos cérebros recebem novas informações. O design permite que “neurônios” individuais de IA recebam feedback e se ajustem em tempo real, em vez de esperar que um circuito inteiro seja atualizado simultaneamente. Dessa forma, os dados não precisam viajar tanto e são processados em tempo real. “Em nossos cérebros, nossas conexões estão mudando e se ajustando o tempo todo”.

“Não é como se você pausasse tudo, se ajustasse e depois voltasse a ser você.” O novo modelo de aprendizado de máquina fornece evidências para uma teoria ainda não comprovada que correlaciona a memória de trabalho com o aprendizado e o desempenho acadêmico. A memória de trabalho é o sistema cognitivo que nos permite permanecer na tarefa enquanto recordamos conhecimentos e experiências armazenados. “Existem teorias na neurociência de como os circuitos de memória de trabalho podem ajudar a facilitar o aprendizado. Mas não há algo tão concreto quanto nossa regra que realmente una esses dois.

E essa foi uma das coisas boas que encontramos aqui. A teoria levou a uma regra em que ajustar cada sinapse individualmente exigia que essa memória de trabalho ficasse ao lado dela”. O design de Daruwalla pode ajudar a desbravar uma nova geração de IA que aprende como nós. Isso não apenas tornaria a IA mais eficiente e acessível – também seria um momento de círculo completo para a neuroIA. A neurociência vem alimentando dados valiosos de IA desde muito antes de o ChatGPT pronunciar sua primeira sílaba digital. Em breve, ao que parece, a IA pode retribuir o favor.