Neurônios têm a forma certa para um aprendizado profundo

ATIVE SUA MENTE SUPERIOR ➤ TODAS 9 FREQUÊNCIAS SOLFEGGIO | EQUILÍBRIO (Julho 2019).

Anonim

O aprendizado profundo trouxe máquinas que podem "ver" o mundo mais como os humanos, e reconhecer a linguagem. E enquanto a aprendizagem profunda foi inspirada pelo cérebro humano, a questão permanece: o cérebro realmente aprende dessa maneira? A resposta tem o potencial de criar inteligência artificial mais poderosa e desvendar os mistérios da inteligência humana.

Em um estudo publicado em 5 de dezembro na revista eLife, o bolsista da CIFAR, Blake Richards, e seus colegas revelaram um algoritmo que simula como a aprendizagem profunda poderia funcionar em nossos cérebros. A rede mostra que certos neurônios de mamíferos têm a forma e as propriedades elétricas que são adequadas para o aprendizado profundo. Além disso, representa uma maneira mais biologicamente realista de como os cérebros reais poderiam fazer aprendizado profundo.

A pesquisa foi conduzida por Richards e seu estudante de pós-graduação Jordan Guerguiev, na Universidade de Toronto, em Scarborough, em colaboração com Timothy Lillicrap no Google DeepMind. Seu algoritmo foi baseado em neurônios no neocórtex, que é responsável pelo pensamento de ordem superior.

"A maioria desses neurônios tem a forma de árvores, com 'raízes' profundas no cérebro e 'ramos' próximos à superfície", diz Richards. "O interessante é que essas raízes recebem um conjunto diferente de entradas do que as ramificações que estão no topo da árvore."

Usando esse conhecimento da estrutura dos neurônios, Richards e Guerguiev construíram um modelo que recebeu sinais em compartimentos segregados. Essas seções permitiram que neurônios simulados em diferentes camadas colaborassem, alcançando um aprendizado profundo.

"É apenas um conjunto de simulações, por isso não pode nos dizer exatamente o que nossos cérebros estão fazendo, mas sugere o suficiente para justificar um exame experimental adicional, se nossos próprios cérebros usarem o mesmo tipo de algoritmo usado em IA", diz Richards. diz.

Esta ideia de pesquisa remonta aos pioneiros da AI Geoffrey Hinton, um CIFAR Distinguished Fellow e fundador do programa Learning in Machines & Brains, e co-diretor do programa Yoshua Bengio, e foi uma das principais motivações para fundar o programa em primeiro lugar. Esses pesquisadores procuraram não apenas desenvolver inteligência artificial, mas também entender como o cérebro humano aprende, diz Richards.

No início dos anos 2000, Richards e Lillicrap fizeram um curso com Hinton na Universidade de Toronto e estavam convencidos de que os modelos de aprendizagem profunda estavam capturando "algo real" sobre como o cérebro humano funciona. Na época, havia vários desafios para testar essa ideia. Em primeiro lugar, não ficou claro que o aprendizado profundo poderia alcançar a habilidade no nível humano. Em segundo lugar, os algoritmos violaram fatos biológicos comprovados por neurocientistas.

Agora, Richards e vários pesquisadores estão tentando preencher a lacuna entre a neurociência e a inteligência artificial. Este artigo baseia-se em pesquisas do laboratório de Bengio de uma maneira mais plausível em termos biológicos para treinar redes neurais e um algoritmo desenvolvido por Lillicrap que relaxa ainda mais algumas das regras para o treinamento de redes neurais. O artigo também incorpora pesquisas de Matthew Larkam sobre a estrutura dos neurônios no neocórtex. Combinando insights neurológicos com algoritmos existentes, a equipe de Richards foi capaz de criar um algoritmo melhor e mais realista, simulando o aprendizado no cérebro.

Os neurônios do neocórtex, semelhantes a árvores, são apenas um dos muitos tipos de células no cérebro. Richards diz que pesquisas futuras devem modelar células cerebrais diferentes e examinar como elas poderiam interagir juntas para alcançar um aprendizado profundo. A longo prazo, ele espera que os pesquisadores possam superar grandes desafios, como aprender com a experiência sem receber feedback.

"O que podemos ver na próxima década é um verdadeiro ciclo virtuoso de pesquisa entre neurociência e IA, onde as descobertas da neurociência nos ajudam a desenvolver novas IA e IA podem nos ajudar a interpretar e entender nossos dados experimentais em neurociência", diz Richards.

"Para uma aprendizagem profunda com dendritos segregados" foi publicado na eLife em 5 de dezembro.