Computação híbrida usa memória externa para ganhar inteligência

Com informações do Jornal da Unicamp -  20/10/2016

Impressão artística de um Computador Neural Diferenciável: a CPU (no centro) é visualizada como o operador de uma fábrica onde a informação (os 0s e 1s) é manipulada por braços robóticos encarregados de escrever, ler e apagar um rolo de papel em movimento que representa a memória.[Imagem: DeepMind]

Computador Neural Diferenciável

Uma nova estrutura computacional, que associa uma rede neural a uma memória externa, semelhante à dos computadores convencionais, mostrou-se capaz de realizar tarefas dificilmente realizáveis pelos sistemas computacionais atuais.

Essas tarefas incluem resolver um quebra-cabeça cujo objetivo é formulado em linguagem simbólica, navegar por árvores genealógicas ou decidir qual a rota mais eficiente em um sistema de metrô - que é uma versão do problema do caixeiro-viajante.

Essa estrutura foi batizada de Computador Neural Diferenciável (CND) por Alex Graves e seus colegas do laboratório Google DeepMind.

Inteligência Artificial

As redes neurais são programas capazes de aprender por tentativa e erro, reforçando as conexões que conduzem ao resultado desejado e eliminando as menos utilizadas. Sua deficiência está na dificuldade em representar e armazenar dados em forma simbólica e por longos períodos.

Os computadores tradicionais e seus programas, por sua vez, são bons em resolver problemas estruturados em forma simbólica e arquivar informações, mas não aprendem, exigindo alterações na programação para levar em conta qualquer alteração.

Já o Computador Neural Diferenciável é uma rede neural capaz de acessar uma memória externa, análoga à RAM de um computador comum, obtendo o melhor de cada uma das duas arquiteturas.

Solução do problema do caixeiro-viajante apresentado para o caso do metrô de Londres. [Imagem: Alex Graves et al. -10.1038/nature20101]

Máquinas que aprendem

"Como um computador convencional, ele pode usar sua memória para representar e manipular estruturas de dados complexas. Mas, como uma rede neural, ele pode aprender a fazer isso a partir dos dados apresentados.

"Quando treinado com aprendizado supervisionado, um CND pode responder com sucesso a questões (...) criadas para emular problemas de raciocínio e inferência em linguagem natural.

"Demonstramos como redes neurais e sistemas de memória podem ser combinados para construir máquinas que aprendem que podem armazenar conhecimento rapidamente e ponderar sobre ele de forma flexível", escrevem os pesquisadores.

Bibliografia:

Hybrid computing using a neural network with dynamic external memory
Alex Graves, Greg Wayne, Malcolm Reynolds, Tim Harley, Ivo Danihelka, Agnieszka Grabska-Barwinska, Sergio Gómez Colmenarejo, Edward Grefenstette, Tiago Ramalho, John Agapiou, Adrià Puigdomènech Badia, Karl Moritz Hermann, Yori Zwols, Georg Ostrovski, Adam Cain, Helen King, Christopher Summerfield, Phil Blunsom, Koray Kavukcuoglu, Demis Hassabis
Nature
DOI: 10.1038/nature20101