Neurocientistas Desenvolvem Modelo para Espelhar Aprendizado Visual Humano

Ao programar a inteligência artificial (IA) baseada em computador para usar uma técnica mais rápida para aprender novos objetos, a IA começa a funcionar mais como a inteligência humana. Isso ocorre porque dois neurocientistas desenvolveram um modelo para espelhar o aprendizado visual humano.

A pesquisa realizada por Maximillian Riesenhuber, PhD, professor de neurociência no Centro Médico da Universidade de Georgetown, e Joshua Rule, PhD, bolsista de pós-doutorado na UC Berkeley, foi publicada no jornal Frontiers in Computational Neuroscience. 

Aprendizado de Novos Conceitos Visuais por IA

Os neurocientistas demonstraram como a nova abordagem melhora a capacidade do software de IA de aprender rapidamente novos conceitos visuais.

“Nosso modelo fornece uma forma biologicamente plausível para que as redes neurais artificiais aprendam novos conceitos visuais a partir de um pequeno número de exemplos”, diz Riesenhuber. “Podemos fazer com que os computadores aprendam muito melhor a partir de poucos exemplos, aproveitando o aprendizado anterior de uma maneira que acreditamos espelhar o que o cérebro está fazendo.”

Os seres humanos têm a capacidade de aprender novos conceitos visuais a partir de dados escassos muito rapidamente e com precisão. Possuímos essa capacidade desde muito jovens, a partir de três meses de idade. No entanto, os computadores precisam de muitos exemplos do mesmo objeto para finalmente saber o que é.

“A capacidade computacional da hierarquia do cérebro está no potencial de simplificar o aprendizado, aproveitando as representações previamente aprendidas de um banco de dados, por assim dizer, cheio de conceitos sobre objetos”, diz Riesenhuber.

Redes Neurais Artificiais vs Sistema Visual Humano

Riesenhuber e Rule descobriram que as redes neurais artificiais podem aprender novos conceitos visuais muito mais rapidamente, aproximando-se do nível de capacidade humana.

“Em vez de aprender conceitos de alto nível em termos de recursos visuais de baixo nível, nossa abordagem explica-os em termos de outros conceitos de alto nível”, diz Rule. “É como dizer que um pato-billed looks um pouco como um pato, um castor e um lontra-marinha.”

O aprendizado de conceitos visuais humanos depende fortemente das redes neurais envolvidas no processo de reconhecimento de objetos, e o lobo temporal anterior do cérebro acredita-se ter a capacidade de ir além da forma no que diz respeito às representações de conceitos. Porque essas hierarquias neurais envolvidas no reconhecimento visual são tão complexas, os seres humanos podem aprender novas tarefas e aproveitar o aprendizado anterior.

“Ao reutilizar esses conceitos, você pode aprender novos conceitos, novos significados, como o fato de que uma zebra é simplesmente um cavalo de uma raça diferente”, diz Riesenhuber.

A IA ainda não alcançou o mesmo nível que o sistema visual humano, que tem uma capacidade superior de generalizar a partir de poucos exemplos, lidar com variações de imagens e compreender cenas. No entanto, os avanços estão tornando-a mais próxima.

“Nossas descobertas não apenas sugerem técnicas que poderiam ajudar os computadores a aprender mais rapidamente e de forma mais eficiente, mas também podem levar a melhorias nos experimentos de neurociência destinados a entender como as pessoas aprendem tão rapidamente, o que ainda não é bem compreendido”, diz Riesenhuber.