IARPA está procurando no cérebro de ratos maneiras de melhorar a inteligência artificial

Big data e computadores mais rápidos lançaram uma nova onda de progresso e investimento em inteligência artificial. O neurocientista e cientista da computação da Universidade Harvard David Cox acredita que o próximo grande salto dependerá do que acontecer na cabeça do rato ao jogar videogame.

David lidera o projeto Ariadne, de US $ 28 milhões, financiado pela Agência de Inteligência Avançada ( IARPA ). Ele está procurando uma pista no cérebro dos mamíferos que ajude a tornar a inteligência artificial mais inteligente.

Hoje, mais e mais tecnologias dependem de redes neurais. Graças a um aumento significativo no poder de computação e a uma grande quantidade de dados na Internet, o Facebook pode identificar rostos, a Siri reconhece a fala e os carros podem navegar independentemente no espaço. No entanto, esses algoritmos ainda são bastante primitivos e dependem de um processo de análise de informações muito simplificado. Por exemplo, você pode modificar levemente as fotos para que o programa vejacoisas que realmente não estão lá. Cox mostrou uma foto do editor da MIT Technology Review com um pouco de barulho, e o programa a reconheceu como um avestruz. Você pode fazer esse truque usando a demonstração on - line do laboratório de Cox.



As redes neurais, por via de regra, não funcionam bem em ambientes congestionados, nos quais o computador precisa distinguir um objeto de um grande número de outros objetos, muitos dos quais se sobrepõem. A inteligência da máquina faz uma generalização ruim. Se você mostrar ao computador uma ou duas imagens de um canguru, ele não aprenderá a identificar todos os cangurus. Ele deve ver o canguru de diferentes ângulos e em muitas situações, antes de aprender a reconhecer com precisão o animal. “Parece que ver é fácil: basta abrir os olhos. Mas é difícil ensinar um computador a fazer o mesmo ”, diz David.

A identificação visual é a única coisa que o cérebro humano ultrapassa o computador. Podemos distinguir um do outro na multidão, focar em uma voz familiar em um ambiente barulhento e derivar padrões de sons e imagens com base em um ou mais exemplos. Uma pessoa não precisa de instruções para aprender a generalizar. Portanto, os cientistas se voltaram para o cérebro para descobrir que falta de inteligência artificial.

Agora David e sua equipe estão trabalhando com ratos, que treinam suas habilidades de reconhecimento com a ajuda de videogames especialmente projetados. Um microscópio a laser de dois fótons será usado para medir a atividade cerebral de roedores. Para ver o trabalho dos neurônios, os cientistas introduzirão uma proteína fluorescente sensível ao cálcio. Quando os neurônios começam a responder, os íons cálcio entram na célula e a destacam. “É como escutas telefônicas de um grande número de células cerebrais; você vê o que um rato pode pensar ”, diz David.

Outra área do projeto inclui uma tentativa de criar um mapa 3D da rede neural do cérebro de ratos usando pilhas de seções de 30 nanômetros de tecido cerebral, estudadas usando um microscópio a laser de dois fótons. O modelo resultante é bastante difícil de estudar, porque os neurocientistas ainda não sabem completamente que função essa ou aquela célula desempenha. Mas Cox diz que sua "incrível complexidade" é encorajadora. Ele sugere que "o cérebro ainda pode nos ensinar muito para construir inteligência artificial".



Além de Ariadne, mais duas equipes estão envolvidas na pesquisa, lideradas por um cientista da Universidade Carnegie Mellon Tai Sing Lee e um neurocientista do Baylor College of Medicine Andres Tolias. Cada grupo de cientistas abordou o mesmo problema de diferentes perspectivas. Assim, por exemplo, a equipe de Andreas Tolias usa uma abordagem amplamente semelhante à técnica de David Cox.

Para estudar as camadas mais profundas do cérebro, e não apenas as superiores estudadas por Cox e seus colegas, Tolias usou microscopia de três fótons. Uma equipe de pesquisadores liderada por Tolias já fez progressos significativos, estabelecendo conexões entre 11.000 pares neurais e descobrindo cinco novos tipos de neurônios no processo. Tai Sing Lee planeja usar o código de barras do DNA: sua equipe rotulará cada neurônio com uma sequência nucleotídica exclusiva e conectará quimicamente os códigos de barras através de sinapses para restaurar o circuito. Lee espera que seja mais rápido e preciso, se for o caso. Ele observa que "se a tecnologia do código de barras funcionar, ela mudará fundamentalmente toda a idéia da neurobiologia".



Todo o trabalho realizado é apenas metade de todo o projeto. Os cientistas devem encontrar uma maneira de tornar todas essas informações úteis para algoritmos de aprendizado de máquina. Por um lado, muitos pesquisadores acreditam que os neurônios apresentam informações sensoriais na forma de distribuições de probabilidade, calculando a interpretação mais provável de um evento com base na experiência anterior. Essa hipótese é baseada principalmente na ideia de feedback no cérebro. Provavelmente, existe um processo construtivo durante o qual o cérebro apóia e cria uma idéia interna do mundo, gerando expectativas e previsões que permitem explicar os dados recebidos e "pensar" em como usá-los. “O que falta à inteligência artificial agora é imaginação e introspecção. Eu achoque o esquema de feedback nos permite apresentar e analisar em uma ampla variedade de níveis ”, observa Tai Sing Lee.

O cérebro pode realizar análises através da síntese de várias formas diferentes, para que cada equipe explore diferentes possibilidades. Um grupo liderado por Cox vê o cérebro como uma espécie de mecanismo de física com modelos pré-existentes que ele usa para criar uma idéia do mundo. A equipe do Tai Ling Xi sugere que o cérebro crie uma “biblioteca” de pequenos pedaços e partes de objetos e os estude antes de montá-los. Tolias trabalha com a suposição de que o cérebro cria teorias estatísticas sobre o mundo.

Source: https://habr.com/ru/post/pt398409/