No campo interdisciplinar de neurociência e inteligência artificial, o renomado neurocientista Anthony Zador teve uma conversa profunda com Paul Middlebrooks, apresentador do podcast Brain Inspired. Como um dos pioneiros da área, Zador detalhou sua visão única sobre o futuro do NeuroAI.
De sua resistência inicial ao termo "NeuroAI" à sua atual expectativa pelo campo, a transformação de Zador se originou de uma profunda reflexão sobre a natureza do problema. Ele apontou que, nas décadas de 80 e 90, a neurociência computacional e as redes neurais artificiais eram campos intimamente relacionados. No entanto, com o aprofundamento da pesquisa, ele percebeu que focar apenas nas características dinâmicas dos circuitos neurais era insuficiente; era crucial entender como esses circuitos ajudam os organismos a resolver problemas reais.
Nota da imagem: Imagem gerada por IA, provedor de serviços de licenciamento de imagens Midjourney
Ao discutir o desenvolvimento atual da IA, Zador apresentou um ponto de vista intrigante. Ele argumenta que a arquitetura Transformer, atualmente em destaque, pode ser um exemplo contrário ao sucesso do NeuroAI, pois quase não se assemelha à maneira como o cérebro funciona. Ele explicou que o sucesso do ChatGPT se deve principalmente à natureza fechada do sistema de linguagem, e não a uma simulação verdadeira do processo cognitivo humano.
Para o futuro da IA, Zador destaca o desafio crucial da coordenação de múltiplos objetivos. Ele observa que os sistemas de IA existentes são hábeis em otimizar um único objetivo, mas frequentemente apresentam desempenho ruim ao lidar com múltiplos objetivos. Em contraste, os seres vivos evoluíram mecanismos sofisticados para equilibrar múltiplos objetivos, como alimentação, fuga e reprodução. A maneira como esse equilíbrio é alcançado pode ser uma inspiração importante para o desenvolvimento futuro da IA.
No que diz respeito ao desenvolvimento e à aprendizagem, Zador apresentou uma perspectiva inovadora. Ele sugere que o genoma humano pode ser visto como uma "representação compactada" dos circuitos neurais, gerando estruturas complexas por meio de regras recursivas. Essa visão é corroborada por sua pesquisa mais recente, onde sua equipe conseguiu compactar grandes redes neurais em 100 a 1000 vezes, mantendo o desempenho original.
Sobre o desenvolvimento da robótica, Zador enfatiza a dificuldade da conversão de simulação para realidade (sim-to-real). Ele observa que os sistemas biológicos demonstram uma capacidade de adaptação surpreendente, como a capacidade de cães de tamanhos muito diferentes compartilharem instruções semelhantes de desenvolvimento neural. Por trás dessa adaptabilidade, existe um processo de desenvolvimento cuidadosamente projetado que resolve problemas menores gradualmente para alcançar habilidades complexas.
Olhando para o futuro, Zador acredita que a aprendizagem por currículo pode ser uma direção importante para superar os gargalos atuais no desenvolvimento da IA. Ao decompor tarefas complexas em subtarefas menores e aprendê-las sequencialmente em uma ordem lógica, os sistemas de IA podem ser mais eficientes do que aprender diretamente o objetivo final. Esse método pode não apenas acelerar o aprendizado, mas também melhorar a capacidade do sistema de se adaptar às mudanças do mundo real.
Essa conversa não apenas demonstra o potencial de profunda integração entre neurociência e inteligência artificial, mas também revela a importância da inspiração da inteligência biológica para o desenvolvimento da inteligência artificial. À medida que a pesquisa avança, essa exploração interdisciplinar certamente fornecerá mais insights para o futuro da IA.
