×
[Podcast] Influência da Neurociência e Biologia na inteligência artificial:
Introdução
Inscreva-se
Alana for innovation

[Podcast] Influência da Neurociência e Biologia na inteligência artificial

No quarto episódio do Inside Alana Podcast vamos descobrir como algumas áreas da Biologia influenciam positivamente no desenvolvimento de tecnologias de inteligência artificial. Apesar de…

Tempo de leitura: 4 min

No quarto episódio do Inside Alana Podcast vamos descobrir como algumas áreas da Biologia influenciam positivamente no desenvolvimento de tecnologias de inteligência artificial.

Apesar de parecer que são assuntos totalmente diferentes, a Biologia estuda alguns aspectos que ajudam na compreensão de como o cérebro humano funciona e evolui. Essa capacidade de evolução é o que inspira estudiosos ao redor do mundo na busca por uma AI Forte, e é a principal influência na criação de algoritmos genéticos.

A teoria da evolução e os algoritmos genéticos

Charles Darwin não foi um programador ou estatístico, mas teve um papel importante na inovação de técnicas de inteligência artificial.

Sem imaginar que sua teoria da evolução pudesse ajudar a tecnologia, ele afirmava que a seleção natural era um princípio evolutivo essencial, já que espécies melhores adaptadas teriam mais chances de sobrevivência. A partir desse pensamento, estudiosos de AI aplicaram regras em forma de um algoritmo evolutivo, que tem como principal métrica positiva a adaptação.

Algoritmos Genéticos

Os algoritmos com capacidade de evolução são chamados de algoritmos genéticos, e eles são programados para seguir padrões que replicam a teoria da evolução das máquinas. Este processo funciona da seguinte maneira:

A técnica de algoritmos genéticos foi desenvolvida principalmente por John Henry Holland, na década de 1970 e por alguns de seus alunos, como David E. Goldberg, quem popularizou o tema na década de 1980.

Entre os principais benefícios dos algoritmos genéticos estão:

De acordo com Marcellus Amadeus, CTO da Alana AI, além da teoria da evolução, há outra área da Biologia de grande importância para a inteligência artificial: a neuroanatomia.

Neuroanatomia e Deep Learning

Como a neuroanatomia estuda o sistema nervoso, que é composto por redes neurais, ela auxilia na compreensão de fatos para evolução de algoritmos de redes neurais artificiais, que imitam a estrutura biológica do cérebro e são base para a técnica de aprendizado profundo (Deep Learning).

Como mencionado no episódio do podcast sobre como as máquinas pensam, as redes neurais artificiais são como sistemas de neurônios interconectados, e elas processam valores de entradas, simulando comportamentos de redes neurais biológicas.

O aprendizado profundo e suas peculiaridades

O mais incrível da técnica de Deep Learning é que, na maioria dos casos, não é possível saber como a máquina chegou à determinada conclusão. Isso é chamado de black box e, para setores que precisam entender o comportamento da máquina, pode ser um problema.

Por outro lado, existem as Inteligências Artificiais Explicáveis (Explainable AI), também conhecidas como XAI.

Essa área de estudos abrange técnicas mais simples, e mais antigas, como as árvores de decisões. O grande desafio desse campo é explicar como o Deep Learning aprende, ou seja, fazer com que não seja um algoritmo black box.

Tipos de algoritmo de Deep Learning

Existem diversos algoritmos de Deep Learning, e é possível utilizar vários simultaneamente, uma vez que cada um é ideal para um tipo específico de atividade.

As técnicas predominantes são:

  1. Convolutional Neural Network (CNN);
  2. Recurrent Neural Network (RNN);
  3. Generative Adversarial Network (GAN);
  4. Long Short-Term Memory (LSTM);
  5. Transformers.

O LSTM é um dos mais comuns para a área de desenvolvimento da linguagem da máquina. Ele é relacionado com a memória, tanto de curto prazo quanto de longo prazo.

Este algoritmo (LSTM) é uma arquitetura de rede neural recorrente que “lembra” valores em intervalos aleatórios. Ela é adequada para classificar, processar e prever séries temporais com intervalos de tempo desconhecidos.

Algumas das principais, e mais famosas, aplicações das LSTMs incluem:

linha-min-1

A inteligência artificial é multidisciplinar

A ligação entre AI e outras áreas é algo fantástico e, ao mesmo tempo, intrigante. Além da Biologia, outros campos de impacto são a estatística, a matemática e a linguística.

Sabemos que é uma tarefa difícil criar uma máquina com plena consciência nas próximas décadas, ou séculos, mas o estudo dessas variadas áreas, com certeza, seguirá contribuindo para o desenvolvimento de tecnologias de inteligência artificial.

Para saber mais sobre os conceitos básicos sobre AI, recomendamos que escute os episódios anteriores do Inside Alana Podcast.