A inteligência artificial (IA) está se aproximando cada vez mais do modo de pensar humano, conforme revelam novas pesquisas. Tradicionalmente, o desenvolvimento de modelos de IA se concentrou na escala de tarefas ou na precisão. No entanto, um grupo de pesquisadores agora está investigando como a IA toma decisões, com o objetivo de tornar esse processo mais parecido com o funcionamento da mente humana. Essa abordagem pode reduzir problemas conhecidos como “alucinações” da IA.
A Ponte Entre Humanos e IA
Um ponto significativo de convergência entre o raciocínio humano e a IA é o uso do mesmo número de cálculos para informações simples e complexas. Diante da incerteza, os humanos pensam de maneira diferente do que em situações rotineiras. A RTNet, desenvolvida por pesquisadores da Universidade Georgia Tech, tenta imitar essa tomada de decisão estocástica humana, e, de acordo com um novo estudo, “exibe as assinaturas críticas” desses processos, atualmente associados apenas ao cérebro humano.
Estado das Redes Neurais Artificiais
Nas redes neurais convencionais, cada neurônio artificial está conectado a toda a rede, criando pequenos outputs que são enviados para outros nós. Já nas redes convolucionais, alguns neurônios não estão conectados à rede inteira, mas abstraem informações ou as comparam com dados ao redor. Essas redes são úteis para ajudar computadores a entenderem imagens, identificando formas e padrões, mas a tomada de decisão carece da nuance humana.
Avanços com a RTNet
A RTNet foi criada para melhorar as redes convolucionais, adicionando modelos cognitivos tradicionais da neurociência. Composta por oito camadas, sendo cinco convolucionais e três conectadas tradicionalmente, a RTNet combina a capacidade de processamento de imagens da IA com o raciocínio estocástico humano. A RTNet processa cada imagem várias vezes usando amostras de uma rede neural bayesiana, simulando o disparo aleatório de neurônios do cérebro humano enquanto compara a imagem a objetos da memória. Quando um certo limiar é excedido, um output é selecionado, refletindo a função cognitiva da mente humana.
Durante o desenvolvimento, a equipe não apenas verificou se o modelo identificava corretamente os dígitos nas imagens, mas também comparou os resultados com um grupo de 60 humanos realizando a mesma tarefa. O conjunto de dados resultante foi um dos maiores já montados, focando nas reações humanas ao MNIST, um conjunto de números manuscritos usado em muitos experimentos de aprendizado de máquina. Farshad Rafiei, autor do estudo, destacou a falta de dados humanos na literatura existente de ciência da computação.
Previsões e Confiança do RTNet
Replicar a tomada de decisão humana não se trata apenas de estar correto, mas de entender as peculiaridades de como os humanos chegam a conclusões. Um elemento crucial no desenvolvimento da RTNet foi a trade-off entre velocidade e precisão (SAT). Simplesmente, quanto menos tempo gastamos em um problema, menor é a probabilidade de acertarmos. A confiança, um aspecto difícil de replicar na IA, foi um dos critérios medidos, além da velocidade e precisão.
O RTNet não só replicou os padrões de respostas humanas como também forneceu uma classificação de confiança para cada decisão. Esse sistema de “acumulação ruidosa” foi testado com sucesso em tarefas desafiadoras, demonstrando um avanço significativo no aprendizado de máquina.
O Futuro Humanizado da IA
A RTNet representa um passo importante na evolução da IA, integrando elementos-chave do pensamento humano e superando outros modelos em testes devido à sua acumulação de evidências e validação empírica. O futuro do RTNet prevê uma maior proximidade com o cérebro humano, com o aumento de sistemas recorrentes para melhorar a previsão de comportamentos humanos e solucionar problemas mais complexos.
O estudo completo, “The neural network RTNet exhibits the signatures of human perceptual decision-making,” foi publicado na última edição do jornal Nature Human Behavior.
Fonte: The Debrief
