Uma rede artificial mantida no “limiar do caos” age como um cérebro humano

0
113
Imagem conceitual de uma rede neural (esquerda) ao lado de uma imagem de uma rede de nanofio (direita). Créditos: Adrian Diaz-Alvarez / Instituto Nacional de Ciência de Materiais do Japão.

Por David Nield
Publicado na ScienceAlert

Pesquisadores demonstraram como manter uma rede de nanofios em um estado próximo ao que é conhecido como o limiar do caos – uma conquista que poderia ser usada para produzir inteligência artificial (IA) que age de forma semelhante ao cérebro humano.

A equipe usou vários níveis de eletricidade em uma simulação de nanofios, encontrando um equilíbrio entre os extremos onde o sinal elétrico estava muito baixo e onde o sinal estava muito alto. Se o sinal estava muito baixo, as saídas da rede não eram complexas o suficiente para serem úteis; se o sinal estava muito alto, as saídas eram uma bagunça e também inúteis.

“Descobrimos que, se você enviar o sinal muito devagar, a rede fará a mesma coisa continuamente, sem aprender e se desenvolver. Se forçarmos muito e rápido, a rede se torna irregular e imprevisível”, disse o físico Joel Hochstetter, da Universidade de Sydney, na Austrália, e principal autor do estudo.

Manter as simulações no limiar entre esses dois extremos produziu os melhores resultados da rede, relatam os cientistas. As descobertas sugerem que uma variedade de dinâmicas semelhantes às do cérebro podem eventualmente ser produzidas usando redes de nanofios.

Imagem conceitual de switches conectados aleatoriamente. Crédito: Alon Loeffler.

“Algumas teorias em neurociência sugerem que a mente humana poderia operar neste limiar do caos, ou o que é chamado de estado crítico”, disse a física Zdenka Kuncic, da Universidade de Sydney. “Alguns neurocientistas pensam que é neste estado que alcançamos o desempenho cerebral máximo”.

Para as simulações, nanofios de 10 micrômetros de comprimento e não mais grossos do que 500 nanômetros foram dispostos aleatoriamente em um plano bidimensional. Os cabelos humanos podem ter até cerca de 100.000 nanômetros de largura, para comparação.

Nesse caso, a tarefa da rede era transformar uma forma de onda simples em um tipo mais complexo, com a amplitude e a frequência do sinal elétrico ajustadas para encontrar o estado ideal para resolver o problema – bem no limiar do caos.

As redes de nanofios combinam dois sistemas em um, gerenciando tanto a memória (o equivalente à RAM do computador) quanto as operações (o equivalente a uma CPU do computador). Eles podem se lembrar de um histórico de sinais anteriores, alterando sua saída futura em resposta ao que aconteceu antes, tornando-os memristores.

“Onde os fios se sobrepõem, eles formam uma junção eletroquímica, como as sinapses entre os neurônios”, disse Hochstetter.

Normalmente, os algoritmos treinam a rede sobre onde estão as melhores trajetórias mas, neste caso, a rede fez isso por conta própria.

“Descobrimos que os sinais elétricos transmitidos por essa rede encontram automaticamente a melhor rota para a transmissão de informações”, disse Hochstetter. “E essa arquitetura permite que a rede ‘lembre’ de trajetórias anteriores através do sistema”.

Isso, por sua vez, pode significar uma redução significativa no uso de energia, porque as redes acabam se treinando usando os processos mais eficientes. À medida que as redes de inteligência artificial aumentam de tamanho, ser capaz de mantê-las econômicas e com o mínimo de energia possível será importante.

Por enquanto, os cientistas mostraram que as redes de nanofios podem resolver seus problemas da melhor forma no limiar entre a ordem e o caos, da mesma forma que se pensa que nosso cérebro é capaz de fazer, e isso nos coloca um passo mais perto de uma IA ​​que pensa como nós.

“O que é tão empolgante sobre este resultado é que ele sugere que esses tipos de redes de nanofios podem ser sintonizados em regimes com diversas dinâmicas coletivas semelhantes ao cérebro, que podem ser aproveitadas para otimizar o processamento de informações”, disse Kuncic.

A pesquisa foi publicada na Nature Communications.