Uma nova abordagem de aprendizado de máquina que se inspira nas maneiras pelas quais o cérebro humano parece modelar e aprender sobre o mundo provou ser capaz de dominar muitos videogames simples com eficiência impressionante.
Um novo sistema chamado Axiom fornece uma alternativa às redes neurais artificiais que dominam a IA moderna. Desenvolvido por uma empresa de software chamada Verso AI, o Axiom tem conhecimento prévio de como os objetos interagem fisicamente no mundo dos jogos. Em seguida, usamos um algoritmo para modelar como esperamos que o jogo funcione em resposta a entradas atualizadas com base em um processo chamado inferência ativa.
Essa abordagem se inspira nas teorias que tentam explicar a inteligência usando princípios de energia livre, matemática, física e teoria da informação da biologia. Os princípios da energia livre foram desenvolvidos pelo renomado neurocientista Carl Friston, o principal cientista da poesia da empresa de “computação cognitiva”.
Friston disse em um vídeo de sua casa em Londres que pode ser particularmente importante para a construção de agentes da IA. “Eles precisam apoiar o tipo de cognição que vemos em nosso cérebro real”, disse ele. “Isso requer consideração não apenas para aprender as coisas, mas também para aprender como você realmente age no mundo”.
As abordagens tradicionais para jogar incluem o treinamento de redes neurais através do que é conhecido como aprendizado de reforço profundo. Essa abordagem pode gerar algoritmos de jogo sobre -humano, mas exige que muita experimentação funcione. O Axiom Masters uma variedade de versões simplificadas de videogames populares chamados Drive, Bounce, Hunt e Jump, pulando com muito menos exemplos e menos poder de computação.
“Os objetivos gerais da abordagem e algumas de suas características importantes acompanham o que consideramos as questões mais importantes a se concentrar para alcançar a AGI”, diz o pesquisador da IA François Charette, uma referência projetada para testar as capacidades dos algoritmos modernos da IA. Chollet também está explorando novas abordagens para o aprendizado de máquina, usando seus benchmarks para testar os recursos dos modelos para aprender a resolver problemas desconhecidos, em vez de simplesmente imitar exemplos anteriores.
“Acho que o trabalho é muito original, e isso é ótimo”, diz ele. “Mais do que nunca, longe dos caminhos espancados de modelos de idiomas em larga escala e modelos de linguagem de inferência, mais pessoas precisam tentar novas idéias”.
A IA moderna depende de redes neurais artificiais que são vagamente inspiradas pela fiação cerebral, mas trabalham de uma maneira radicalmente diferente. Na última década, o aprendizado profundo, uma abordagem usando redes neurais, permitiu que os computadores fizessem todos os tipos de coisas impressionantes, como transcrever discursos, reconhecer rostos, gerar imagens e muito mais. Recentemente, é claro, o Deep Learning levou a modelos de idiomas em larga escala, impulsionando chatbots cada vez mais capazes de Garulou.
Em teoria, os axiomas prometem uma abordagem mais eficiente para construir a IA do zero. O CEO da Verso, Gabe René, pode ser particularmente eficaz na criação de agentes que precisam ser aprendidos com eficiência com a experiência. René diz que uma empresa financeira começou a experimentar a tecnologia da empresa como uma maneira de modelar o mercado. “Esta é uma nova arquitetura para um agente de IA muito menor, mais preciso, mais eficiente e muito menor que pode ser aprendido em tempo real”, diz René. “Eles são literalmente projetados como cérebros digitais”.
Ironicamente, dado que os axiomas fornecem alternativas à IA moderna e ao aprendizado profundo, o princípio da energia livre foi originalmente influenciado pelo trabalho do cientista da computação canadense britânico Jeffrey Hinton. Hinton era um colega de Friston no University College London.
Para obter mais informações sobre Friston e os Princípios de Energia Livre, é altamente recomendável este artigo de recurso com fio de 2018. O trabalho de Friston também influenciou a emocionante nova teoria da consciência explicada no livro com fio revisado em 2021.
