Construir inteligências artificiais era uma ideia apenas de ficção científica até pouco tempo atrás, exemplos do aparecimento no cinema e séries não falta: Androids de Star Wars, o robô depressivo Marvin do Guia do Mochileiro das galáxias, os replicantes de Blade Runner e não podemos esquecer de como a popularidade do tema cresceu e se ramificou a partir de seu principal nome, apesar de décadas já terem passado, Isaac Asimov. A inteligência artificial sai aos poucos dos planos da ficção e está cada vez mais presente no dia a dia, com a IoI(internet das coisas), carros que andam sozinhos ou assistentes digitais que conversam com você, claro que ainda está longe de ser comparável a eficiência da mente humana, porém a aproximação está ocorrendo pelos trabalhos da neurociênia e computação ao estudar e entender os mecanismos que o sistema nervoso exerce para executar o seu complexo de ações na mente, envolvendo linguagem natural e planejamento de ações.

Por mais que as IAs atuais sejam bem impressionantes, em grande parte são produtos especializados em tarefas, sem um processamento complexo de imaginação e flexibilidade rápidas, não podendo criar situações e imaginar a melhor forma de resolvê-las que fuja do inputs dados. O fundador do Google Deepmind Demis Hassabis, afirmou que “o futuro das inteligências artificiais está na neurociência” em seu artigo “Neuroscience-Inspired Artificial Intelligence”(2017). Neste artigo ele desenvolve como as habilidades de aprendizagem, reforço e tomada de decisão são os pilares para o desenvolvimento das IAs atuais; são ideias e conceitos retirados do modo como ocorre a cognição no sistema nervoso humano, mesmo que pobremente transpassadas para o modelo matemático utilizado em algoritmos. Descobrir como o cérebro realiza esses processos e implementá-los abre os limites para o desenvolvimento da tecnologia, não só reforçar códigos e lógicas já utilizadas, mas novos jeitos de processamentos podem ser descobertos.

Entender como um processo cognitivo ocorre, e como ele é computado pelo encéfalo, pode ser uma das maneiras de inovar e evoluir novas implementações em sistemas de IA, ou computar dados, essa ligação do biológico e computacional com o estudo da neurociência não só é possível como já ocorre. Um exemplo é a própria tecnologia Deeplearn AI que simula redes neurais e é capaz de aprender tarefas e melhorar a estratégia utilizada apenas recebendo dados, conseguindo alcaçar um recorde maior que toda a equipe com um jogo que o seu código não estava preparado para receber, apenas aprendendo por tentativa e erro enquanto implementa a estratégia, a criatura acabou por derrotar o criador. Claro, há problemas na IA, como o fato de não conseguir aprender diversas tarefas em paralelo, apagando o conhecimento aprendido para iniciar um novo, algo que não ocorre na mente humano, ao refazer uma tarefa há o reforço de redes neurais e ao aprender uma diferente ela não é desfeita, mas mantida e até integrada a rede neural. Não só a limitação do aprendizado contínuo ocorre, mas diversas outras como imaginação e a capacidade de inferir diretamente sobre o mundo; apesar do progresso ainda há bastante caminho para percorrer.

Hassabis diz que não há suficientemente reconhecimento entre os pesquisadores de IA que muito dos algoritmos utilizados hoje vieram de estudos com aprendizado animal. Um dos exemplos citados é o de pesquisas neurocientíficas utilizando EEG que demonstram como o hipocampo repassa memórias de forma acelerada durante o sono, o que permite que haja um reforço de aprendizagem em estratégias do passado bem sucedidas ou não, podendo assim, diferenciar uma ação no futuro. Os pesquisadores de IA captaram a ideia e o algoritmo, montando assim uma versão rudimentar de deep learning e reforço de aprendizagem, desenvolvendo uma poderosa rede neural artificial que aprende através de experiências passadas que foram recompensadas e então armazenadas. Comparando desafios com situações passadas demonstrou um incremento recorde de performance e precisou de menos dados para realizar as mesmas funções que outras IA.

A cooperação entre neurociência e computação ainda está apenas na superfície e tem um potencial enorme de crescimento, investir para que esse campo seja explorado é essencial tanto para que a tecnologia ajude no entendimento do cérebro quanto para incrementar a IA, o futuro não está próximo, já está ocorrendo.

Referências

Mnih, Volodymyr, et al. "Human-level control through deep reinforcement learning." Nature 518.7540 (2015): 529-533.

Silver, David, et al. "Mastering the game of go without human knowledge." Nature 550.7676 (2017): 354-359.

Hassabis, Demis, et al. "Neuroscience-inspired artificial intelligence." Neuron 95.2 (2017): 245-258.

Ji, Daoyun, and Matthew A. Wilson. "Coordinated memory replay in the visual cortex and hippocampus during sleep." Nature neuroscience 10.1 (2007): 100-107.