Investigando ainda mais, os pesquisadores tentaram replicar o desempenho de humanos e babuínos com inteligência artificial, usando modelos de redes neurais inspirados em ideias matemáticas básicas sobre o que um neurônio faz e como os neurônios estão conectados. Esses modelos – sistemas estatísticos alimentados por vetores de alta dimensão, matrizes multiplicando camadas sobre camadas de números – combinaram com sucesso o desempenho dos babuínos, mas não o dos humanos; eles não conseguiram reproduzir o efeito de regularidade. No entanto, quando os pesquisadores fizeram um modelo aprimorado com elementos simbólicos – o modelo recebeu uma lista de propriedades de regularidade geométrica, como ângulos retos, linhas paralelas – ele replicou de perto o desempenho humano.
Esses resultados, por sua vez, representam um desafio para a inteligência artificial. “Adoro o progresso na IA”, disse o Dr. Dehaene. “É muito impressionante. Mas acredito que falta um aspecto profundo, que é o processamento de símbolos” – ou seja, a capacidade de manipular símbolos e conceitos abstratos, como o cérebro humano faz. Este é o tema de seu último livro, “Como aprendemos: por que os cérebros aprendem melhor do que qualquer máquina….”
Yoshua Bengio, cientista da computação da Universidade de Montreal, concordou que a IA atual carece de algo relacionado a símbolos ou raciocínio abstrato. O trabalho do Dr. Dehaene, disse ele, apresenta “evidências de que os cérebros humanos estão usando habilidades que ainda não encontramos no aprendizado de máquina de última geração”.
Isso é especialmente verdade, disse ele, quando combinamos símbolos ao compor e recompor conhecimentos, o que nos ajuda a generalizar. Essa lacuna pode explicar as limitações da IA – um carro autônomo, por exemplo – e a inflexibilidade do sistema diante de ambientes ou cenários diferentes do repertório de treinamento. E é uma indicação, disse o Dr. Bengio, de onde a pesquisa de IA precisa ir.
Dr. Bengio observou que das décadas de 1950 a 1980 as estratégias de processamento simbólico dominaram a “boa e velha IA”. verificando a prova de um teorema). Então veio a IA estatística e a revolução das redes neurais, começando na década de 1990 e ganhando força na década de 2010. Dr. Bengio foi um pioneiro desse método de aprendizado profundo, que foi inspirado diretamente pela rede de neurônios do cérebro humano.
Seu Mais recentes pesquisa propõe expandir as capacidades das redes neurais treinando-as para gerar, ou imaginar, símbolos e outras representações.
Não é impossível fazer raciocínio abstrato com redes neurais, disse ele, “é só que ainda não sabemos como fazê-lo”. O Dr. Bengio tem um grande projeto alinhado com o Dr. Dehaene (e outros neurocientistas) para investigar como os poderes de processamento consciente humano podem inspirar e reforçar a IA da próxima geração. no final das contas, nossa compreensão de como o cérebro faz isso”, disse o Dr. Bengio.
Investigando ainda mais, os pesquisadores tentaram replicar o desempenho de humanos e babuínos com inteligência artificial, usando modelos de redes neurais inspirados em ideias matemáticas básicas sobre o que um neurônio faz e como os neurônios estão conectados. Esses modelos – sistemas estatísticos alimentados por vetores de alta dimensão, matrizes multiplicando camadas sobre camadas de números – combinaram com sucesso o desempenho dos babuínos, mas não o dos humanos; eles não conseguiram reproduzir o efeito de regularidade. No entanto, quando os pesquisadores fizeram um modelo aprimorado com elementos simbólicos – o modelo recebeu uma lista de propriedades de regularidade geométrica, como ângulos retos, linhas paralelas – ele replicou de perto o desempenho humano.
Esses resultados, por sua vez, representam um desafio para a inteligência artificial. “Adoro o progresso na IA”, disse o Dr. Dehaene. “É muito impressionante. Mas acredito que falta um aspecto profundo, que é o processamento de símbolos” – ou seja, a capacidade de manipular símbolos e conceitos abstratos, como o cérebro humano faz. Este é o tema de seu último livro, “Como aprendemos: por que os cérebros aprendem melhor do que qualquer máquina….”
Yoshua Bengio, cientista da computação da Universidade de Montreal, concordou que a IA atual carece de algo relacionado a símbolos ou raciocínio abstrato. O trabalho do Dr. Dehaene, disse ele, apresenta “evidências de que os cérebros humanos estão usando habilidades que ainda não encontramos no aprendizado de máquina de última geração”.
Isso é especialmente verdade, disse ele, quando combinamos símbolos ao compor e recompor conhecimentos, o que nos ajuda a generalizar. Essa lacuna pode explicar as limitações da IA – um carro autônomo, por exemplo – e a inflexibilidade do sistema diante de ambientes ou cenários diferentes do repertório de treinamento. E é uma indicação, disse o Dr. Bengio, de onde a pesquisa de IA precisa ir.
Dr. Bengio observou que das décadas de 1950 a 1980 as estratégias de processamento simbólico dominaram a “boa e velha IA”. verificando a prova de um teorema). Então veio a IA estatística e a revolução das redes neurais, começando na década de 1990 e ganhando força na década de 2010. Dr. Bengio foi um pioneiro desse método de aprendizado profundo, que foi inspirado diretamente pela rede de neurônios do cérebro humano.
Seu Mais recentes pesquisa propõe expandir as capacidades das redes neurais treinando-as para gerar, ou imaginar, símbolos e outras representações.
Não é impossível fazer raciocínio abstrato com redes neurais, disse ele, “é só que ainda não sabemos como fazê-lo”. O Dr. Bengio tem um grande projeto alinhado com o Dr. Dehaene (e outros neurocientistas) para investigar como os poderes de processamento consciente humano podem inspirar e reforçar a IA da próxima geração. no final das contas, nossa compreensão de como o cérebro faz isso”, disse o Dr. Bengio.
Discussão sobre isso post