A IA pode não precisar de dados massivos de treinamento afinal. Hannah Robbins, Universidade Johns Hopkins Resumo: Novas pesquisas mostram que a IA não precisa de dados de treinamento intermináveis para começar a agir mais como um cérebro humano. Quando os pesquisadores redesenharam sistemas de IA para se assemelharem mais a cérebros biológicos, alguns modelos produziram atividade semelhante à do cérebro sem qualquer treinamento. Isso desafia a abordagem atual que exige muitos dados para o desenvolvimento da IA. O trabalho sugere que um design mais inteligente poderia acelerar drasticamente o aprendizado enquanto reduz custos e consumo de energia. --- Novas pesquisas da Universidade Johns Hopkins mostram que sistemas de inteligência artificial construídos com designs inspirados na biologia podem começar a se assemelhar à atividade cerebral humana mesmo antes de serem treinados com qualquer dado. O estudo sugere que a forma como a IA é estruturada pode ser tão importante quanto a quantidade de dados que ela processa. Os resultados, publicados na Nature Machine Intelligence, desafiam a estratégia dominante no desenvolvimento de IA. Em vez de depender de meses de treinamento, enormes conjuntos de dados e enorme poder computacional, a pesquisa destaca o valor de começar com uma base arquitetônica semelhante ao cérebro. Repensando a abordagem de IA com forte peso em dados "O caminho que o campo da IA está movendo agora é lançar um monte de dados nos modelos e construir recursos computacionais do tamanho de cidades pequenas. Isso exige gastar centenas de bilhões de dólares. Enquanto isso, os humanos aprendem a enxergar usando muito poucos dados", disse o autor principal Mick Bonner, professor assistente de ciência cognitiva na Universidade Johns Hopkins. "A evolução pode ter convergido para esse projeto por um bom motivo. Nosso trabalho sugere que projetos arquitetônicos mais parecidos com cérebros colocam os sistemas de IA em um ponto de partida muito vantajoso." Bonner e seus colegas buscavam testar se a arquitetura sozinha poderia dar aos sistemas de IA um ponto de partida mais humano, sem depender de treinamento em larga escala. Comparando Arquiteturas Populares de IA A equipe de pesquisa focou em três principais tipos de projetos de redes neurais comumente usados em sistemas modernos de IA: transformadores, redes totalmente conectadas e redes neurais convolucionais. Eles ajustaram repetidamente esses designs para criar dezenas de diferentes redes neurais artificiais. Nenhum dos modelos foi treinado antes. Os pesquisadores então mostraram aos sistemas não treinados imagens de objetos, pessoas e animais e compararam sua atividade interna com as respostas cerebrais de humanos e primatas não humanos que observam as mesmas imagens. Por que as redes convolucionais se destacaram Aumentar o número de neurônios artificiais em transformadores e redes totalmente conectadas produziu pouca mudança significativa. No entanto, ajustes semelhantes às redes neurais convolucionais levaram a padrões de atividade que se aproximavam mais dos observados no cérebro humano. Segundo os pesquisadores, esses modelos convolucionais não treinados tiveram desempenho equivalente aos sistemas tradicionais de IA que normalmente exigem exposição a milhões ou até bilhões de imagens. Os resultados sugerem que a arquitetura desempenha um papel maior na formação do comportamento cerebral do que se acreditava anteriormente. Um Caminho Mais Rápido para uma IA Mais Inteligente ...