Você já imaginou que algumas máquinas podem tomar decisões sozinhas e aprender com base em acontecimentos anteriores?

Graças a criação de Redes Neurais Artificiais (RNAs) que tudo isso é possível.

As RNAs são algoritmos computacionais que se baseiam na fisiologia dos neurônios biológicos para facilitar na tomada de decisões automatizadas e também prever eventos que podem vir a acontecer em algum software ou hardware. 

Os neurônios biológicos comunicam-se via despolarizações nos canais iônicos que estabelecem as ligações via sinapses. Essas sinapses permitem que corpos celulares distantes consigam se comunicar. Analogamente, os algoritmos de RNAs possuem estruturas que recebem informações, transmitem e ativam dados de saída, similar ao funcionamento dos biológicos. 

De um ponto de vista mais detalhado, os neurônios artificiais são compostos por entradas, pesos, camadas e saídas. As entradas são as estruturas que recebem as informações, os pesos são responsáveis por armazenar os dados e ajustá-los de acordo com erro. Já as camadas fazem a comunicação com a saída, que apenas exibirá o resultado quando estiver dentro de um parâmetro de erro satisfatório.  Dessa maneira, o algoritmo acaba aprendendo para que consiga sempre ter saídas satisfatórias de acordo com os parâmetros ajustados, promovendo reconhecimento de padrões por parte do próprio código.  

Essas redes podem passar por diferentes tipos de aprendizado que variam de acordo com a necessidade do usuário. Podem ter o aprendizado supervisionado, quando já sabem quais entradas e saídas desejadas. Podem ter aprendizado por reforço quando para cada entrada faz-se um reforço para que a saída seja desejada. Ou ainda podem ter aprendizado não-supervisionado quando a rede escolhe arbitrariamente valores de entrada e, por consequência, obtêm valores de saída que não seguem uma regra. 

O uso desses algoritmos é mais comum do que podemos imaginar, na previsão de demanda e oferta de produtos, na previsão de manutenção em equipamentos e também na área da saúde, visando, auxiliar em diagnósticos. Nesta última, podemos exemplificar por meio do estudo de Babu (2019), publicado na International Journal of Advance Research Ideas and Innovations in Technology, em que foi utilizado um algoritmo de RNA para segmentação e classificação de tumores cerebrais.  

Percebeu como as RNAs podem contribuir de diversas maneiras para o seu estudo? Seja para análise de neuroimagem ou até mesmo para o aprendizado de um algoritmo ou máquina?

Para inspirar o uso das RNAs, clica aqui e confere todo o nosso conteúdo a respeito de neurociências e neuroengenharia. 

Referências

GRUBLER. Murilo. Rede Neural Artificial. MEDIUM.COM, 2018. Disponível em: <https://medium.com/brasil-ai/entendendo-o-funcionamento-de-uma-rede-neural-artificial-4463fcf44dd0>

LIMA, Stella Ferrari Alberto. Redes neurais artificiais no reconhecimento e classificação de padrões de calcificações mamárias em imagens de mamografia. 2017.

VILLANUEVA. Juan Moisés Mauricio. Redes Neurais Artificiais. UFPB, 2017. Disponível em: <http://www.cear.ufpb.br/juan/wp-content/uploads/2016/08/Aula-3a-Redes-Neurais-Artificias-Defini%C3%A7%C3%B5es.pdf>