A capacidade de encontrar um caminho curto, o mais direto do ponto "A" ao ponto "B", não parece hoje um teste impressionante de racionalidade. No entanto, de acordo com um novo relatório
publicado na revista Nature há um tempo atrás, no qual os pesquisadores conversavam sobre seu sistema de navegação de inteligência artificial, a capacidade de explorar espaços simulados complexos e encontrar o caminho mais curto para um objetivo coloca esses sistemas no mesmo nível que os seres humanos e outros animais.
Uma chave inesperada para o desempenho desejado foi que, durante o treinamento, a rede cresceu espontaneamente o equivalente a "células da grade" - um conjunto de células cerebrais que permite a vários mamíferos rastrear sua posição no espaço.
Para os neurobiologistas, este trabalho provavelmente fornecerá um importante elo de ligação para entender como os neurônios da rede no cérebro vivo permitem desenvolver habilidades de navegação. O trabalho também mostra como as redes neurais podem ter um grande impacto em pesquisas futuras. Neil Burgess, da University College London, que não participou do estudo, sugeriu que esses sistemas "forneçam um terreno fértil para entender como e por que o cérebro funciona dessa maneira".
Enquanto isso, para pesquisadores no campo da inteligência artificial, a utilidade deste trabalho para melhorar os sistemas de navegação automatizados é óbvia. Mas isso pode dar uma contribuição ainda maior aos princípios gerais de compreensão da inteligência e ao desenvolvimento de sistemas inteligentes.
De acordo com os pesquisadores Andrea Banino, do DeepMind, e Caswell Barry, da University College London, que foram os principais autores do artigo na Nature, o projeto evoluiu de uma pergunta sobre a função dos neurônios da rede que eles estudaram. Os neurônios da estrutura são freqüentemente chamados de "GPS do cérebro" devido ao seu importante papel na navegação de muitos animais. Edward Moser e May-Britt Moser receberam o Prêmio Nobel em 2014, por sua descoberta nove anos antes. Esses aglomerados de neurônios, organizados em arranjos hexagonais, no total dão um resultado semelhante aos sistemas de navegação inercial de navios, aviões e foguetes - dão uma compreensão dos movimentos do corpo no espaço, mesmo na escuridão completa. "Relativamente falando, eles atualizam sua previsão de onde você está baseado em como se move", acrescentou Barry.
Por esse motivo, os neurocientistas atribuem aos neurônios da rede a função de "integração de caminho" - uma forma intuitiva subconsciente de navegação que não leva em conta os sinais externos: por exemplo, "dê cinco passos à frente, gire 90 graus para a esquerda e volte a seguir outros 15 passos". Mas alguns experimentos deram pistas de que esses neurônios também desempenham outras funções, mesmo além da navegação. Por exemplo, alguns experimentos mostraram o envolvimento desse tipo de neurônio em tarefas como medir o tempo e a distância durante o movimento. Como observa Barry, se os neurônios da rede fornecem uma referência espacial de objetos e lugares, "em princípio, você pode usá-los para calcular rotas diretas entre esses pontos", ou seja, o que é chamado essencialmente de "navegação vetorial".
Para estudar o papel desses neurônios nos problemas de navegação, os pesquisadores decidiram usar redes neurais profundamente treinadas. Para entender como a pesquisa de caminho funciona, eles primeiro criaram uma rede neural para um agente que se move em um pequeno espaço simulado. "Queríamos entender se poderíamos criar uma rede neural para que ela própria começasse a desenvolver uma similaridade de neurônios reticulados", disse Barry.
A rede neural fez o trabalho e, de acordo com Barry, "é incrível o quão bem funcionou". No processo, surgiram espontaneamente "unidades de grade", que eram notavelmente semelhantes às que vemos no cérebro dos animais, até o formato de grade hexagonal.
Essas imagens mostram o desencadeamento de neurônios vivos e artificiais. Os módulos de treliça que surgem espontaneamente na rede neural para tarefas de navegação são muito semelhantes aos neurônios da treliça no cérebro, até sua forma hexagonal.Os pesquisadores então adicionaram recursos de rede neural ao sistema, o que ajudou os agentes simulados a encontrar o caminho certo para a meta em um labirinto virtual. Um sistema com módulos de treliça era uma ordem de magnitude superior a um sistema similar sem eles. Por exemplo, o sistema poderia entender se a passagem anteriormente fechada dava um caminho mais curto para o alvo e a escolhia. De acordo com Banino, essa habilidade demonstrou que os módulos de rede na rede neural forneciam navegação vetorial porque encontraram caminhos mais curtos e diretos com base na posição do alvo.
"Penso que, graças a este trabalho, fomos capazes de provar como os neurônios da rede são usados para criar a busca mais curta", disse Banino. Assim, os resultados confirmam a teoria de que os neurônios reticulados no cérebro são capazes de executar tanto a tarefa de integração de caminhos quanto a tarefa de navegação vetorial. Evidências experimentais comparáveis no caso de seres vivos serão uma ordem de magnitude mais difícil, acrescentou.
Em uma série de experimentos de labirinto, todas as redes neurais testadas foram capazes de atingir a meta. Mas se uma das barreiras foi removida, apenas a rede com neurônios da rede reconheceu isso e escolheu esse caminho como o mais preferível. Outros sistemas continuaram a escolher qualquer uma das rotas disponíveis."Uma descoberta interessante é que uma abordagem semelhante pode ser usada para outras tarefas de neurociência", disse Barry. Por exemplo, os pesquisadores ponderam sobre a tarefa de controle de membros. As redes neurais poderiam ser treinadas para controlar um braço robótico, assim como o cérebro controla um braço vivo, e depois realizar uma série de experimentos que podem fornecer pistas importantes sobre como esses processos ocorrem nos sistemas vivos. "Essa abordagem pode potencialmente se tornar uma ferramenta universal no campo da neurociência".
"Este é um resultado bastante impressionante", resumiu Stefan Loytgeb, professor de neurociência da Universidade da Califórnia, em San Diego. “Eu acho que eles encontraram um argumento muito bom a favor do fato de que a navegação vetorial é uma função dos neurônios da rede. Por um longo tempo, isso foi apenas uma suposição, mas acho que eles chegaram o mais próximo possível da solução de um possível mecanismo. ”
Ao mesmo tempo, ele observou que: “Qualquer abordagem computacional tem suas limitações. E o fato de poder trabalhar em um modelo não significa que ele funcione nos organismos vivos dessa maneira. ”
Francesco Savelli, neurocientistas da Universidade Johns Hopkins, que é co-autor dos comentários que acompanham o artigo, tem uma perspectiva semelhante. Ele considera muito interessante que "você de alguma forma obtém os neurônios da rede sem programá-los diretamente, mas eles ainda aparecem como auto-organização". Mas, ao mesmo tempo, "como esse não é um sistema biológico exato, você não pode ter certeza absoluta de qual conclusão ele dá".
"Embora você não consiga olhar para essa caixa preta e tornar a rede um pouco mais parecida com a biológica, em algum momento você chegará ao limite referente à pesquisa neurobiológica", disse ele.
Por outro lado, é encorajador do ponto de vista técnico que "esses sistemas de aprendizado profundo possam resolver problemas cada vez mais semelhantes às funções cognitivas superiores do cérebro", acrescentou Savelli. "Esta é uma boa demonstração de que o aprendizado profundo pode se estender a tarefas como funções cognitivas superiores".
Pode-se supor que os pesquisadores do DeepMind procurem usar essa rede de navegação para melhorar, digamos, as capacidades de robôs de pesquisa ou futuros drones. Mas, segundo Banino, seus planos são menos focados e mais ambiciosos. "Acreditamos que a navegação é uma das propriedades fundamentais da inteligência", disse ele. "Pessoalmente, não pensamos em outro aplicativo que não seja a criação de um algoritmo universal".
"O cérebro é o único exemplo de um algoritmo universal", acrescentou. "Então, por que não aprender com ele."