Neurônio como unidade computacional

 

 

Além das sinapses: Cada neurônio é uma unidade computacional superpoderosa

 

Cada neurônio tem poder computacional para funcionar como uma rede por si só – até hoje se pensava que eram necessários milhares de neurônios conectados por sinapses.
[Imagem: Shiri Hodassman et al. – 10.1038/s41598-022-10466-8]

 

Além das sinapses

O cérebro é uma rede complexa englobando bilhões de neurônios. Cada um desses neurônios se comunica simultaneamente com milhares de outros por meio de conexões chamadas sinapses, e coleta sinais de entrada através de vários “braços” muito longos e ramificados, chamados de árvores dendríticas.

Nos últimos 70 anos, a hipótese central da neurociência tem sido que o aprendizado cerebral ocorre modificando a força das sinapses – a intensidade com que essas conexões são feitas -, seguindo-se a atividade de disparo dos neurônios conectados.

Esta hipótese tem sido a base para os algoritmos de aprendizado de máquina e de aprendizado profundo, tipicamente reunidos sob o rótulo inteligência artificial, que afeta cada vez mais quase todos os aspectos de nossas vidas.

Agora, depois de sete décadas, esta hipótese acaba de ser questionada: Experimentos mais detalhados revelaram que o cérebro aprende de forma completamente diferente do que os cientistas supunham.

As novas observações experimentais indicam que o aprendizado é realizado principalmente em árvores dendríticas neuronais, onde o tronco e os galhos da árvore modificam sua força, ao invés de modificar apenas a força das sinapses, como se pensava anteriormente.

Neurônio como unidade computacional

 

 

A equipe já testou sua teoria em uma matriz com 60 microeletrodos que simula a rede existente em um único neurônio.
[Imagem: Shiri Hodassman et al. – 10.1038/s41598-022-10466-8]

Os experimentos indicam que o neurônio é na verdade um elemento muito mais complexo, dinâmico e computacionalmente poderoso do que um elemento binário que pode meramente disparar ou não. Esse poder é tamanho que apenas um único neurônio pode realizar algoritmos de aprendizado profundo, que anteriormente exigiam uma rede artificial complexa, composta por milhares de neurônios e sinapses artificiais.

“Nós demonstramos que o aprendizado eficiente nas árvores dendríticas de um único neurônio pode alcançar artificialmente taxas de sucesso próximas à unidade para reconhecimento de dígitos manuscritos. Esta descoberta abre caminho para um novo tipo eficiente de hardware e algoritmos de inteligência artificial inspirados biologicamente,” disse o professor Ido Kanter, que liderou a pesquisa.

“Este mecanismo de aprendizado simplificado representa um passo em direção a uma realização biológica plausível de algoritmos de retropropagação, que atualmente são a técnica central em inteligência artificial,” acrescentou Shiri Hodassman, membro da equipe.

O ritmo de funcionamento do cérebro – seu clock – é um bilhão de vezes mais lento do que as GPUs paralelas mais modernas, mas com taxas de sucesso comparáveis em muitas tarefas de percepção.

A nova demonstração de aprendizado eficiente em árvores dendríticas, dentro de neurônios individuais, mostra que são necessárias novas abordagens na pesquisa do cérebro, bem como mostra a possibilidade da criação de hardwares e softwares mais eficientes, capazes de implementar algoritmos de inteligência artificial mais avançados.

Bibliografia:

Artigo: Efficient dendritic learning as an alternative to synaptic plasticity hypothesis
Autores: Shiri Hodassman, Roni Vardi, Yael Tugendhaft, Amir Goldental, Ido Kanter
Revista: Nature Scientific Reports
Vol.: 12, Article number: 6571
DOI: 10.1038/s41598-022-10466-8

 

 

In:

https://www.inovacaotecnologica.com.br/

10/05/2022