.
Uma rede neural quântica capaz de perceber ilusões de ótica semelhantes ao cérebro humano foi desenvolvida, de acordo com uma pesquisa publicada recentemente.
Esta rede inovadora, descrita num novo estudo em Aprendizado de Máquina APLaproveita o tunelamento quântico — um fenômeno na mecânica quântica onde as partículas passam por barreiras — permitindo que a rede processe e interprete entradas visuais ambíguas como Cubo Necker e Vaso de Rubin.
“Este trabalho também pode lançar luz sobre a questão de saber se os sistemas de inteligência artificial (IA) podem realmente alcançar algo como a cognição humana”, disse o Dr. Ivan S. Maksymov do Instituto de Inteligência Artificial e Futuros Cibernéticos da Universidade Charles Sturt, que liderou a pesquisa, em um declaração recente.
Usando ilusões de ótica como teste
A pesquisa sobre como as ilusões de ótica funcionam é em andamentoenquanto especialistas debatem se as ilusões começam com os processos neurais dos nossos olhos ou vêm do pensamento cognitivo, como se referir a um conhecimento prévio ou a um contexto maior. Isso faz ilusões de ótica um assunto útil para testar tanto a visão humana quanto a cognição e inteligência geral.
Ao estudar ilusões, os cientistas ganham insights sobre processos cognitivos, como o cérebro constrói a realidade e onde ele pode falhar, como condições neurológicas como demência. Esse entendimento é crucial para o avanço da neurociência e pode ser aplicado para melhorar a inteligência artificial, pois ajuda a projetar sistemas que emulam melhor a visão e a tomada de decisões humanas.
Desenvolvendo uma rede neural quântica
Para “ver” essas ilusões de ótica, Maksymov criou uma rede neural que usa tunelamento quântico. Isso permite que os neurônios contornem as barreiras de ativação tradicionais, resultando em uma interpretação mais precisa de imagens ambíguas. A capacidade da rede de manter e processar múltiplas interpretações simultaneamente, muito parecida com o cérebro humano, mostra um avanço na capacidade do sistema de entender e processar imagens potencialmente confusas.
“Uma rede neural imita a função do cérebro usando muitas camadas de neurônios artificiais que permitem que ele armazene e classifique dados como úteis ou não benéficos”, acrescentou Maksymov. “Eu treinei minha rede neural de tunelamento quântico para reconhecer as ilusões do cubo de Necker e do vaso de Rubin. Quando confrontada com a ilusão como uma entrada, ela produziu uma saída de uma ou outra das duas interpretações. Com o tempo, qual interpretação ela escolheu oscilou para frente e para trás.”
Uma IA melhor?
A pesquisa de Maksymov aprimora a capacidade da IA de processar ilusões de ótica e oferece insights sobre as aplicações mais amplas da mecânica quântica na inteligência artificial. Ao integrar efeitos quânticos em redes neurais, os cientistas estão começando a explorar como os sistemas de IA podem emular de forma mais eficaz as funções cognitivas humanas, particularmente em áreas onde os modelos tradicionais falham.
Um lugar onde a IA tradicionalmente fica aquém é em sua preconceito implícito. O viés implícito na IA surge quando algoritmos refletem inadvertidamente preconceitos humanos incorporados em dados de treinamento, levando a resultados distorcidos ou injustos. A pesquisa sobre redes neurais quânticas, particularmente sua capacidade de perceber ilusões de ótica como humanos, destaca o potencial da IA para entender melhor e emular a cognição humana complexa.
Ao integrar efeitos quânticos, tais redes podem ajudar a mitigar vieses implícitos ao permitir interpretações e tomadas de decisão mais matizadas, contribuindo assim para o desenvolvimento de sistemas de IA que sejam mais inteligentes, mais equitativos e éticos em seus julgamentos. Isso pode ser especialmente importante quando a IA é usada na cultura popular, para o bem ou para o mal.
“Numa era de deepfakes e notícias falsas, entender como nossos cérebros processam ilusões e constroem modelos de realidade nunca foi tão importante”, disse Maksymov.
Considerando os muitos casos distintos de uso de IA hoje, desde chamadas automáticas em torno da eleição dos EUA para gerar Taylor Swift imagens, é mais importante do que nunca criar um sistema de IA que possa determinar o que é realmente real.
Kenna Hughes-Castleberry é a Comunicadora Científica no JILA (um instituto de pesquisa de física líder mundial) e uma escritora científica no The Debrief. Siga e conecte-se com ela em X ou entre em contato com ela por e-mail em kenna@thedebrief.org
.
