Pesquisadores Visam Aumentar Sistemas de IA Com Novos Tipos de “Células do Cérebro”

Uma equipe de pesquisadores baseada no MIT está visando aumentar o desempenho de redes neurais combinando-as com estruturas baseadas em outros tipos de células no cérebro. A equipe de pesquisa irá integrar estruturas baseadas em astrócitos em redes neurais, visando permitir que as redes neurais alterem como seus sinais são tratados em diferentes escalas de tempo.

Redes neurais profundas são inspiradas nas redes neurais do cérebro humano. Algoritmos de aprendizado por reforço aprendem com seus fracassos e sucessos ao longo do tempo, permitindo que eles dominem desafios complexos como os jogos de Xadrez e Go. No entanto, redes neurais profundas têm dificuldade quando encontram problemas comuns que os humanos têm que lidar. Qualquer situação que exija conhecimento geral não adquirido no domínio ou ambiente atual é difícil para as redes neurais profundas lidarem.

De acordo com o Instituto Picower do MIT, a equipe de pesquisa está visando tornar as redes neurais profundas mais robustas, versáteis e confiáveis adicionando um tipo de estrutura baseada em células astrócitos à rede neural.

Como explicado pelo Professor de Neurociência Newton do MIT, Mriganak Sur, a ênfase nos neurônios levou a que outros tipos de células do cérebro, que desempenham papéis importantes no cérebro, sejam ignorados. Sur explicou que, atualmente, mesmo as redes neurais profundas de última geração podem ter dificuldade em considerar e aprender com fatores em um ambiente quando as regras/contexts não variam ou o tempo é irrelevante. Em tais condições, uma rede neural pode ter dificuldade em manter o rastreamento de estratégias bem-sucedidas ao longo do tempo, equilibrar a exploração/aproveitamento e aplicar o que aprendeu a tarefas semelhantes em um contexto diferente.

De acordo com Sur, evidências recentes sugerem que os astrócitos desempenham um papel importante ao permitir que o cérebro execute as tarefas acima, graças à sua capacidade de funcionar como uma rede paralela operando ao lado dos neurônios. Introduzir astrócitos em uma rede neural permitiria que a IA integrasse informações coletadas em longas escalas de tempo, reconhecesse situações semelhantes e reutilizasse habilidades aprendidas, e modulasse as conexões sinápticas entre os neurônios. Os astrócitos guiam os neurônios no córtex pré-frontal do cérebro para explorar cenários e assistem as células no estriado a explorar situações, ambos gerenciados por neuromoduladores químicos.

De acordo com Sur, evidências recentes sugerem que os astrócitos desempenham um papel importante ao permitir que o cérebro execute as tarefas acima, graças à sua capacidade de funcionar como uma rede paralela operando ao lado dos neurônios. Introduzir astrócitos em uma rede neural permitiria que a IA integrasse informações coletadas em longas escalas de tempo, reconhecesse situações semelhantes e reutilizasse habilidades aprendidas, e modulasse as conexões sinápticas entre os neurônios. Os astrócitos guiam os neurônios no córtex pré-frontal do cérebro para explorar cenários e assistem as células no estriado a explorar situações, ambos gerenciados por neuromoduladores químicos.

A equipe de pesquisa irá investigar como os astrócitos podem aumentar as redes neurais profundas por meio de uma variedade de experimentos, cada um realizado por especialistas diferentes. Os resultados experimentais serão usados para refinar a teoria mantida pela equipe de pesquisa. Os pesquisadores coletarão dados de experimentos simples em camundongos e humanos e monitorarão como as alterações nas regiões do cérebro, astrócitos e neuromoduladores afetam o desempenho.

Finalmente, Alfonso Araque e Sur monitorarão camundongos para ver como os astrócitos operam enquanto aprendem. Eles também manipularão os astrócitos para ver como isso impacta o processo de aprendizado por reforço.

Como explicado pela equipe em sua proposta:

“Nossa hipótese central é que a interação de astrócitos com neurônios e neuromoduladores é a fonte da habilidade computacional que permite que o cérebro execute naturalmente o aprendizado por reforço e supere muitos problemas associados a sistemas de aprendizado por reforço (RL) de última geração.”