Pesquisadores Dão Comportamento Espontâneo à Inteligência Artificial Robótica

Pesquisadores e robóticos estão continuamente tentando alcançar funções autônomas em robôs, e frequentemente olham para o cérebro animal como um ponto de inspiração para mecanismos de controle. Devido à natureza específica da tarefa do comportamento robótico, devido à dependência de módulos pré-definidos e metodologias de controle, eles são frequentemente limitados em flexibilidade.

O mais recente desenvolvimento nessa área vem da Universidade de Tóquio, onde pesquisadores criaram um método baseado em aprendizado de máquina para dar comportamentos espontâneos à inteligência artificial robótica. A equipe fez isso confiando em padrões temporais intricados, como as atividades neurais do cérebro animal.

A pesquisa foi publicada em Science Advances, intitulada “Designing spontaneous behavioral switching via chaotic itinerancy.”

Caos de Alta Dimensão

Um sistema dinâmico é um modelo matemático dos estados internos em constante mudança de algo, que descreve robôs e seu software de controle. Os pesquisadores estão especialmente focados em caos de alta dimensão, uma classe de sistemas dinâmicos, devido à sua impressionante capacidade de modelar cérebros animais.

Devido à complexidade e sensibilidade às condições iniciais variadas, o caos de alta dimensão é especialmente desafiador de controlar. Para avançar no campo e superar esse obstáculo, pesquisadores do Laboratório de Sistemas Inteligentes e Informática e do Centro de Pesquisa de Inteligência Artificial de Nova Geração da Universidade de Tóquio desenvolveram novas maneiras de usar o caos de alta dimensão para fornecer funções cognitivas semelhantes às humanas aos robôs.

Katsuma Inoue é um estudante de doutorado que trabalha na pesquisa.

“Há um aspecto do caos de alta dimensão chamado itinerância caótica (CI) que pode explicar a atividade cerebral durante a lembrança e associação de memória”, disse Inoue. “Em robótica, a CI tem sido uma ferramenta fundamental para implementar padrões de comportamento espontâneos. Neste estudo, propomos uma receita para implementar a CI de forma simples e sistemática, usando apenas padrões de série temporal complexos gerados pelo caos de alta dimensão. Sentimos que nossa abordagem tem potencial para aplicações mais robustas e versáteis no design de arquiteturas cognitivas. Isso nos permite projetar comportamentos espontâneos sem estruturas explícitas pré-definidas no controlador, o que seria um obstáculo.”

O que é Computação de Reservatório (RC)

A equipe confiou fortemente na computação de reservatório (RC), uma técnica de aprendizado de máquina que envolve a teoria de sistemas dinâmicos. A RC é usada para controlar redes neurais recorrentes (RNNs) e mantém a maioria das conexões de uma RNN fixas, alterando apenas alguns parâmetros. Isso é diferente de outras abordagens de aprendizado de máquina, que frequentemente alteram ligeiramente todas as conexões neurais em uma rede neural, e resulta em um sistema que pode ser treinado mais rapidamente.

Os pesquisadores alcançaram o resultado desejado ao aplicar os princípios da RC a uma RNN caótica, e isso acabou demonstrando padrões de comportamento espontâneos. O treinamento para a rede ocorre rapidamente e antes da execução.

“Os cérebros animais produzem caos de alta dimensão em suas atividades, mas como e por que eles utilizam o caos permanece inexplicado. Nosso modelo proposto pode oferecer insights sobre como o caos contribui para o processamento de informações em nossos cérebros”, disse Kohei Nakajima, um professor associado da universidade. “Além disso, nossa receita teria um impacto mais amplo fora do campo de neurociência, pois pode ser aplicada a outros sistemas caóticos também. Por exemplo, dispositivos neuromórficos de próxima geração inspirados em neurônios biológicos podem exibir caos de alta dimensão e seriam excelentes candidatos para implementar nossa receita. Espero que vejamos implementações artificiais de funções cerebrais em pouco tempo.”

O desenvolvimento é significativo para os campos de robótica e inteligência artificial (IA), pois os pesquisadores vêm lidando com esse desafio por um tempo. É o exemplo mais recente de como os campos estão avançando a um ritmo acelerado.