“As máquinas me surpreendem com muita frequência.”
Alan Turing (Cientista computacional e matemático britânico, 1912 – 1954)
Nosso cérebro, com seus 86 bilhões de neurônios é uma rede complexa compreendendo tecidos interligados de diferentes regiões, com cada região responsável por uma tarefa cognitiva diferente. A arquitetura ou topologia do cérebro também é algo impressionante, sendo ao mesmo tempo uma rede hierárquica com diversos níveis de profundidade, elevado grau de conectividade e multicêntrica. Enfim, a estrutura mais complexa e admirável que nós conhecemos. Então, nada mais lógico que tomar o cérebro como um modelo para uma arquitetura computacional capaz de aprender, pensar e decidir como nós, seres humanos.
A aprendizagem profunda ou deep learning é atualmente uma das áreas “quentes” da inteligência artificial, mas podemos dizer que ela já existe faz 70 anos! De fato, deep learning é um novo nome para redes neurais artificiais (RNAs). Foram os pequisadores Warren McCullough e Walter Pitts da Universidade de Chicago que em 1944 definiram os conceitos fundamentais das RNAs.
RNAs são diferentes dos computadores porque elas não possuem uma CPU que executa um conjunto lógico de comandos ou regras. Uma RNA possui uma quantidade de nós ou perceptrons que são organizados em uma rede de comunicação complexa. Um perceptron é um modelo matemático de um neurônio. Enquanto nos neurônios reais o dendrite recebe sinais elétricos dos axônios de outros neurônios, no perceptron esses sinais elétricos são representados como valores numéricos. Essa arquitetura permite a realização de operações de processamento paralelo sem um programa ou conjunto de regras a seguir. Uma das maiores vantagens das RNAs é sua capacidade de aprender a partir de um conjunto inicial de informações. Este aprendizado pode ser adaptativo ou não-supervisionado, sendo que os resultados muitas vezes surpreendem os pesquisadores.
As RNAs atuais estão muito longe da complexidade de nosso cérebro mas já estão presentes, por exemplo, no reconhecimento de padrões do Google Photos, em sistemas de reconhecimento de voz e no algoritmo DeepFace do Facebook, o qual pode reconhecer rostos humanos específicos com precisão de até 97%.
Hashtags
#redesneurais #redesneuraisartificiais #inteligênciaartificial #IA #alanturing #computação #tecnologia #deeplearning #aprendizadoprofundo #cérebro
Follow: @rdmurer
Tags: