.
Ele lê. Ele 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 apresenta várias deficiências críticas.
“Por mais impressionantes que sejam o ChatGPT e todas essas tecnologias atuais de IA, em termos de interação com o mundo físico, elas ainda são muito limitadas. Mesmo nas coisas que fazem, como resolver problemas de matemática e escrever redações, eles exigem bilhões e bilhões de treinamento exemplos antes que eles possam executá-los bem “, explica Kyle Daruwalla, estudioso da NeuroAI do Cold Spring Harbor Laboratory (CSHL).
Daruwalla tem procurado 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 da transferência de dados. Nas redes neurais artificiais, que são compostas por bilhões de conexões, os dados podem ter um longo caminho a percorrer. Assim, para encontrar uma solução, Daruwalla procurou inspiração numa das máquinas mais poderosas em termos computacionais e energeticamente eficientes que existem – o cérebro humano.
Daruwalla projetou uma nova maneira de os algoritmos de IA moverem e processarem dados com muito mais eficiência, com base em como nossos cérebros absorvem novas informações. O design permite que “neurônios” individuais de IA recebam feedback e se ajustem rapidamente, em vez de esperar que um circuito inteiro seja atualizado simultaneamente. Dessa forma, os dados não precisam viajar tão longe e são processados em tempo real.
“Em nossos cérebros, nossas conexões mudam e se ajustam o tempo todo”, diz Daruwalla. “Não é como se você pausasse tudo, se ajustasse e depois voltasse a ser você.”
O novo modelo de aprendizagem automática fornece evidências de uma teoria ainda não comprovada que correlaciona a memória de trabalho com a aprendizagem e o desempenho acadêmico. A memória de trabalho é o sistema cognitivo que nos permite permanecer concentrados na tarefa enquanto relembramos conhecimentos e experiências armazenadas.
“Existem teorias na neurociência sobre como os circuitos da memória operacional podem ajudar a facilitar o aprendizado. Mas não há algo tão concreto quanto a nossa regra que realmente una esses dois. E essa foi uma das coisas boas que encontramos aqui. O a teoria levou a uma regra em que o ajuste de cada sinapse individualmente exigia que essa memória de trabalho ficasse ao lado dela”, diz Daruwalla.
O design de Daruwalla pode ajudar a criar uma nova geração de IA que aprende como nós. Isso não só tornaria a IA mais eficiente e acessível – mas também seria um momento de círculo completo para a neuroIA. A neurociência tem alimentado dados valiosos da IA muito antes do ChatGPT pronunciar sua primeira sílaba digital. Em breve, ao que parece, a IA poderá retribuir o favor.
.
