Pesquisadores Visam Aumentar a Eficiência dos Sistemas de IA com Novos Tipos de “Células do Cérebro”

Uma equipe de pesquisadores baseada no MIT está tentando melhorar o desempenho das redes neurais combinando-as com estruturas baseadas em outros tipos de células do cérebro. A equipe de pesquisa integrará estruturas baseadas em astrocitos às redes neurais, visando permitir que as redes neurais alterem como seus sinais são tratados ao longo do 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, as 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 lidar.

De acordo com o Instituto Picower do MIT, a equipe de pesquisa está tentando tornar as redes neurais profundas mais robustas, versáteis e confiáveis, adicionando um tipo de estrutura baseada em células astrocíticas 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, mesmo as redes neurais profundas de ponta atualmente 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 registro de estratégias bem-sucedidas ao longo do tempo, equilibrar a exploração/ exploração comercial e aplicar o que foi aprendido a tarefas semelhantes em um contexto diferente.

De acordo com Sur, evidências recentes sugerem que os astrocitos desempenham um papel importante ao permitir que o cérebro execute as tarefas acima, graças à sua capacidade de funcionar como uma rede paralela que opera ao lado dos neurônios. Introduzir astrocitos em uma rede neural permitiria que a IA integrasse informações coletadas em longos períodos de tempo, reconhecesse situações semelhantes e reutilizasse habilidades aprendidas, e modularizasse as conexões sinápticas entre os neurônios. Os astrocitos 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 astrocitos desempenham um papel importante ao permitir que o cérebro execute as tarefas acima, graças à sua capacidade de funcionar como uma rede paralela que opera ao lado dos neurônios. Introduzir astrocitos em uma rede neural permitiria que a IA integrasse informações coletadas em longos períodos de tempo, reconhecesse situações semelhantes e reutilizasse habilidades aprendidas, e modularizasse as conexões sinápticas entre os neurônios. Os astrocitos 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 investigará como os astrocitos 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, astrocitos e neuromoduladores afetam o desempenho.

Finalmente, Alfonso Araque e Sur monitorarão camundongos para ver como os astrocitos operam enquanto eles aprendem. Eles também manipularão os astrocitos 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 dos astrocitos com os neurônios e neuromoduladores é a fonte da capacidade computacional que permite que o cérebro execute naturalmente o aprendizado por recompensa e supere muitos problemas associados aos sistemas de aprendizado por reforço (RL) de ponta.”