Pesquisadores Propõem Nova Abordagem Com “Algoritmos Evolutivos”

Enquanto os nossos computadores atuais geralmente realizam ações pré-programadas, isso contrasta com o nosso cérebro, que é altamente adaptável. A nossa adaptabilidade depende fortemente da plasticidade sináptica, com sinapses sendo os pontos de conexão entre neurônios. Os neurocientistas estão profundamente intrigados com a plasticidade sináptica, pois é fundamental para os processos de aprendizado e memória.

Pesquisadores em neurociência e inteligência artificial (IA) desenvolvem modelos para os mecanismos desses processos subjacentes, a fim de melhor entender o cérebro. Esses modelos nos ajudam a obter insights sobre o processamento de informações biológicas e são fundamentais para ajudar as máquinas a aprender mais rapidamente.

“Algoritmos Evolutivos”

Pesquisadores do Instituto de Fisiologia da Universidade de Berna desenvolveram uma nova abordagem baseada em “algoritmos evolutivos” e esses programas de computador procuram soluções imitando o processo da evolução biológica.

A equipe de pesquisa foi liderada pelo Dr. Mihai Petrovici do Instituto de Fisiologia da Universidade de Berna e do Instituto Kirchhoff de Física da Universidade de Heidelberg.

O estudo foi publicado na revista eLife.

Isso significa que a aptidão biológica, que é o grau em que um organismo se adapta ao seu ambiente, pode ser um modelo para algoritmos evolutivos. Com esses algoritmos, a “aptidão” de uma solução candidata depende de quão bem ela pode resolver o problema subjacente.

Três Cenários de Aprendizado

A nova abordagem é chamada de “evoluir para aprender” ou “tornar-se adaptável”. A equipe se concentrou em três cenários de aprendizado típicos, o primeiro dos quais envolvia um computador que precisava detectar um padrão repetitivo em um fluxo contínuo de entrada sem receber feedback sobre seu desempenho.

O segundo cenário envolvia o computador recebendo recompensas virtuais ao realizar um comportamento desejado.

O terceiro cenário envolvia “aprendizado orientado” onde o computador foi informado exatamente quão longe seu comportamento se desviava do desejado.

O Dr. Jakob Jordan é o autor correspondente e co-primeiro autor do Instituto de Fisiologia da Universidade de Berna.

“Em todos esses cenários, os algoritmos evolutivos foram capazes de descobrir mecanismos de plasticidade sináptica e, portanto, resolveram com sucesso uma nova tarefa”, disse o Dr. Jordan.

Os algoritmos demonstraram forte criatividade.

O Dr. Maximilian Schmidt é co-primeiro autor do estudo.

“Por exemplo, o algoritmo encontrou um novo modelo de plasticidade no qual os sinais que definimos são combinados para formar um novo sinal. De fato, observamos que as redes que usam esse novo sinal aprendem mais rapidamente do que com as regras anteriormente conhecidas”, disse o Dr. Schmidt.

“Vemos a E2L como uma abordagem promissora para obter insights profundos sobre os princípios de aprendizado biológico e acelerar o progresso em direção a máquinas de aprendizado poderosas”, disse Petrovoci.

“Esperamos que isso acelere a pesquisa sobre a plasticidade sináptica no sistema nervoso”, comentou o Dr. Jordan.

A equipe afirma que as novas descobertas fornecerão uma visão mais profunda de como os cérebros saudáveis e doentes funcionam e podem ajudar no desenvolvimento de máquinas inteligentes que possam se adaptar aos usuários.