A IA pode não precisar de enormes dados de treino afinal | Hannah Robbins, Universidade Johns Hopkins Resumo: Novas pesquisas mostram que a IA não precisa de dados de treino infinitos para começar a agir mais como um cérebro humano. Quando os pesquisadores redesenharam os sistemas de IA para se parecerem mais com cérebros biológicos, alguns modelos produziram atividade semelhante à do cérebro sem qualquer treino. Isso desafia a abordagem faminta por dados que prevalece no desenvolvimento da IA atualmente. O trabalho sugere que um design mais inteligente poderia acelerar dramaticamente 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 processa. As descobertas, publicadas na Nature Machine Intelligence, desafiam a estratégia dominante no desenvolvimento da IA. Em vez de depender de meses de treino, enormes conjuntos de dados e vasto poder computacional, a pesquisa destaca o valor de começar com uma base arquitetônica semelhante à do cérebro. Repensando a Abordagem Pesada em Dados para a IA "A maneira como o campo da IA está se movendo agora é jogar uma quantidade enorme de dados nos modelos e construir recursos computacionais do tamanho de pequenas cidades. Isso requer gastar centenas de bilhões de dólares. Enquanto isso, os humanos aprendem a ver usando muito poucos dados," disse o autor principal Mick Bonner, professor assistente de ciência cognitiva na Universidade Johns Hopkins. "A evolução pode ter convergido nesse design por um bom motivo. Nosso trabalho sugere que designs arquitetônicos que são mais semelhantes ao cérebro colocam os sistemas de IA em um ponto de partida muito vantajoso." Bonner e seus colegas tinham como objetivo testar se a arquitetura sozinha poderia dar aos sistemas de IA um ponto de partida mais semelhante ao humano, sem depender de um treino em larga escala. Comparando Arquiteturas de IA Populares A equipe de pesquisa focou em três tipos principais de designs de redes neurais comumente usados em sistemas de IA modernos: 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 previamente. Os pesquisadores então mostraram os sistemas não treinados imagens de objetos, pessoas e animais e compararam sua atividade interna com as respostas cerebrais de humanos e primatas não humanos visualizando 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 em redes neurais convolucionais levaram a padrões de atividade que se aproximaram mais dos observados no cérebro humano. De acordo com os pesquisadores, esses modelos convolucionais não treinados tiveram desempenho equivalente ao de sistemas de IA tradicionais que normalmente requerem exposição a milhões ou até bilhões de imagens. Os resultados sugerem que a arquitetura desempenha um papel maior na formação de comportamentos semelhantes ao cérebro do que se acreditava anteriormente. Um Caminho Mais Rápido para uma IA Mais Inteligente ...