IA neuro-simbólica: uma máquina que pode finalmente lidar com a lógica e o aprendizado

• Autor:
• Nome do autor

  Previsão Quantumrun
• 13 de abril de 2023

O aprendizado de máquina (ML) sempre foi uma tecnologia promissora com seus desafios únicos, mas os pesquisadores estão procurando criar um sistema baseado em lógica que vá além do big data. Os sistemas baseados em lógica são projetados para trabalhar com representações e raciocínios simbólicos, o que pode fornecer uma maneira mais transparente e interpretável de entender o processo de tomada de decisão de um sistema. 

Contexto neuro-simbólico da IA

A IA neurosimbólica (também chamada de IA composta) combina dois ramos da inteligência artificial (IA). A primeira é a IA simbólica, que usa símbolos para entender relacionamentos e regras (isto é, a cor e a forma de um objeto). Para que a IA simbólica funcione, a base de conhecimento deve ser precisa, detalhada e exaustiva. Esse requisito significa que ele não pode aprender sozinho e depende da experiência humana para manter a atualização da base de conhecimento. 

O outro componente da IA ​​neurosimbólica são as redes neurais profundas (redes profundas) ou aprendizagem profunda (DL). Essa tecnologia usa várias camadas de nós que imitam os neurônios do cérebro humano para aprender a processar grandes conjuntos de dados. Por exemplo, redes profundas podem passar por diferentes imagens de cães e gatos para identificar com precisão qual é qual, e elas melhoram com o tempo. No entanto, o que as redes profundas não podem fazer é processar relacionamentos complexos. Ao combinar IA simbólica e redes profundas, os pesquisadores usam DL para processar grandes quantidades de dados na base de conhecimento, após o que a IA simbólica pode inferir ou identificar regras e relacionamentos. Essa combinação permite descoberta de conhecimento e tomada de decisão mais eficientes e precisas.

Outra área abordada pela IA neurossimbólica é o caro processo de treinamento da deep net. Além disso, redes profundas podem ser sensíveis a pequenas alterações de dados de entrada, levando a erros de classificação. Eles também lutam com raciocínio abstrato e respondem a perguntas sem muitos dados de treinamento. Além disso, o funcionamento interno dessas redes é complexo e difícil para os humanos entenderem, tornando um desafio interpretar o raciocínio por trás de suas previsões.

Impacto disruptivo

Pesquisadores da Universidade de Stanford conduziram estudos iniciais de IA composta usando 100,000 imagens de formas 3D básicas (quadrados, esferas, cilindros etc.). ). Eles descobriram que a IA neurosimbólica poderia responder a essas perguntas corretamente em 98.9% das vezes. Além disso, o híbrido exigia apenas 10% dos dados de treinamento para desenvolver soluções. 

Como os símbolos ou regras controlam redes profundas, os pesquisadores podem ver facilmente como estão “aprendendo” e onde ocorrem as falhas. Anteriormente, esse era um dos pontos fracos das redes profundas, a incapacidade de ser rastreado por causa de camadas e camadas de códigos e algoritmos complexos. A IA neurosimbólica está sendo testada em veículos autônomos para reconhecer objetos na estrada e quaisquer mudanças no ambiente. Em seguida, é treinado para reagir adequadamente a esses fatores externos. 

No entanto, existem opiniões divergentes sobre se a combinação de IA simbólica e redes profundas é o melhor caminho para uma IA mais avançada. Alguns pesquisadores, como os da Brown University, acreditam que essa abordagem híbrida pode não corresponder ao nível de raciocínio abstrato alcançado pela mente humana. A mente humana pode criar representações simbólicas de objetos e realizar vários tipos de raciocínio usando esses símbolos, usando redes neurais biológicas, sem precisar de um componente simbólico dedicado. Alguns especialistas argumentam que métodos alternativos, como adicionar recursos a redes profundas que imitam as habilidades humanas, podem ser mais eficazes para aprimorar os recursos de IA.

Aplicações para IA neuro-simbólica

Algumas aplicações para AI neuro-simbólica podem incluir:

• Bots, como chatbots, que podem entender melhor os comandos e motivações humanas, produzindo respostas e serviços mais precisos.
• Sua aplicação em cenários de resolução de problemas mais complexos e sensíveis, como diagnóstico médico, planejamento de tratamento e desenvolvimento de medicamentos. A tecnologia também pode ser aplicada para acelerar a pesquisa científica e tecnológica em áreas como transporte, energia e manufatura. 
• A automação de processos de tomada de decisão que atualmente exigem julgamento humano. Como resultado, esses aplicativos podem levar a uma perda de empatia e responsabilidade em certas áreas, como atendimento ao cliente.
• Dispositivos inteligentes mais intuitivos e assistentes virtuais que podem processar diferentes cenários, como economia proativa de eletricidade e implementação de medidas de segurança.
• Novas questões éticas e legais, como questões relacionadas à privacidade, propriedade e responsabilidade.
• Melhoria na tomada de decisões no governo e em outros contextos políticos. Essa tecnologia também pode ser usada para influenciar a opinião pública por meio de publicidade mais direcionada e a geração de anúncios e mídia hiperpersonalizados.

Questões a considerar

• De que outra forma você acha que a IA neuro-simbólica afetará nosso dia-a-dia?
• Como essa tecnologia pode ser usada em outras indústrias?