Estudo da Universidade Johns Hopkins desafia paradigmas tradicionais de IA com novas abordagens inspiradas no cérebro
Estudo inova ao mostrar que IA pode imitar atividade neural sem treinamento prévio.
Inteligência artificial: uma nova abordagem inspirada no cérebro
A pesquisa mais recente da Universidade Johns Hopkins, divulgada na revista Nature Machine Intelligence, revela que a inteligência artificial (IA) pode simular padrões de atividade neural antes mesmo de passar por qualquer fase de treinamento. Essa descoberta questiona o paradigma atual de desenvolvimento de IA, que prioriza modelos massivos treinados com grandes conjuntos de dados e em infraestrutura de computação de larga escala.
O principal autor do estudo, Mick Bonner, professor-assistente de ciências cognitivas, destaca que, enquanto os humanos são capazes de aprender a partir de um número mínimo de dados, os sistemas de IA têm avançado com um enfoque em estruturas gigantescas. “Arquiteturas mais semelhantes às do cérebro oferecem um ponto de partida vantajoso para o aprendizado de máquina”, afirma Bonner.
Comparação das arquiteturas de IA
Os pesquisadores analisaram três arquiteturas amplamente utilizadas: transformers, redes totalmente conectadas e redes convolucionais. A equipe então criou várias variações dessas estruturas, ajustando cada uma para observar como se comportavam quando expostas a imagens de objetos, pessoas e animais. O objetivo era verificar a aproximação das respostas desses modelos em relação à atividade neural observada em humanos e primatas.
Resultados surpreendentes
Os resultados mostraram que, enquanto as arquiteturas transformers e redes totalmente conectadas apresentaram pouca variação mesmo com o aumento do número de neurônios artificiais, as redes convolucionais modificadas demonstraram um desempenho notavelmente mais semelhante ao cérebro humano. De acordo com o estudo, essas redes não treinadas conseguiram rivalizar com sistemas convencionais que necessitam de milhões ou bilhões de imagens para aprender. Essa evidência reforça a hipótese de que a arquitetura da IA pode ser mais determinante para o aprendizado do que a quantidade de dados disponíveis.
Implicações para o futuro da IA
A equipe de pesquisa está agora focada no desenvolvimento de algoritmos de aprendizado inspirados em processos biológicos, que poderão apoiar um novo modelo de aprendizado profundo. Essa nova abordagem pode abrir portas para a criação de sistemas de IA que não apenas imitam a atividade neural, mas também aprendem de maneira mais eficiente e eficaz, utilizando menos dados e recursos computacionais.
A pesquisa marca um avanço significativo na compreensão de como as estruturas neurais podem influenciar o desenvolvimento de sistemas de inteligência artificial, podendo mudar o rumo das futuras inovações nesta área.
