Vencedores do Nobel de Física 2024: Revolução no Aprendizado de Máquina com Redes Neurais Artificiais

Em 8 de outubro de 2024, a Academia Real Sueca de Ciências premiou John J. Hopfield (da Universidade de Princeton, EUA) e Geoffrey E. Hinton (da Universidade de Toronto, Canadá) com o Nobel de Física. Eles foram reconhecidos por suas descobertas que transformaram o aprendizado de máquina, usando redes neurais artificiais, trata-se de um salto que provavelmente irá potencializar ainda mais o desenvolvimento da inteligência artificial! 

Hopfield e Hinton em ilustração por Niklas Elmehed.

O Que São Redes Neurais e Como Elas Funcionam?

As redes neurais artificiais, baseadas no funcionamento do cérebro humano, são essenciais para o desenvolvimento da inteligência artificial (IA). Nelas, os “neurônios” são representados por nós, que se conectam e trocam informações, assim como as sinapses do cérebro. Essas conexões são reforçadas durante o treinamento da rede, permitindo que a máquina "aprenda" a realizar tarefas complexas.

Imagem 2: Neurônios naturais (esquerda) e artificiais (direita). Créditos: Johan Jarnestad/The Royal Swedish Academy of Sciences

Neurônios naturais

A rede neural do cérebro humano é construída a partir de células vivas, neurônios, com "computador interno" avançado. Eles podem enviar sinais uns aos outros através das sinapses. Quando aprendemos coisas, as conexões entre alguns neurônios ficam mais fortes, enquanto outros ficam mais fracos. É por isso que nós temos a incrível capacidade de aprender! 

Neurônios artificiais

Redes neurais artificiais são construídas a partir de nós que são codificados com um valor. Os nós são conectados uns aos outros e, quando a rede é treinada, as conexões entre nós que estão ativos ao mesmo tempo ficam mais fortes, caso contrário, ficam mais fracas.

O Papel de Hopfield e Hinton

• John Hopfield criou uma rede de memória associativa que consegue salvar e reconstruir padrões, como imagens, de forma semelhante a como o cérebro armazena informações. Ele usou conceitos da física atômica para fazer com que a rede ajustasse suas conexões e encontrasse as melhores soluções, como quando ela é alimentada com uma imagem incompleta e a recria quase perfeitamente.

• Geoffrey Hinton, por sua vez, desenvolveu a famosa Máquina de Boltzmann, que vai além: ela aprende a reconhecer padrões em dados de forma autônoma. Isso é super útil, por exemplo, para o reconhecimento de elementos em imagens e até para gerar novas imagens com base no que foi aprendido.

Imagem 3: A memória em "paisagem". Créditos: Johan Jarnestad/The Royal Swedish Academy of Sciences

As memórias são armazenadas em uma paisagem

A memória associativa de John Hopfield armazena informações de uma maneira similar à modelagem de uma paisagem. Quando a rede é treinada, ela cria um vale em uma paisagem de energia virtual para cada padrão salvo.

PADRÃO DE ENTRADA

1 Quando a rede treinada é alimentada com um padrão distorcido ou incompleto, isso pode ser comparado a deixar cair uma bola em uma ladeira nesta paisagem.

PADRÃO SALVO

2 A bola rola até chegar a um lugar onde é cercada por subidas. Da mesma forma, a rede faz seu caminho em direção à energia mais baixa e encontra o padrão salvo mais próximo.

Por Que Isso é Importante?

O trabalho desses dois cientistas deu um empurrão enorme nas redes neurais e no aprendizado de máquina, que hoje estão por trás de várias inovações em IA. Segundo Ellen Moons, presidente do Comitê Nobel, suas descobertas já estão sendo aplicadas em muitas áreas, como na criação de novos materiais com propriedades específicas.

Imagem 4: As redes neurais artificiais. Créditos: Johan Jarnestad/The Royal Swedish Academy of Sciences

Diferentes tipos de rede

REDE HOPFIELD

A memória associativa de John Hopfield é construída de modo que todos os nós estejam conectados uns aos outros. As informações são alimentadas e lidas de todos os nós.

MÁQUINA DE BOLTZMANN

A máquina de Boltzmann de Geoffrey Hinton é frequentemente construída em duas camadas, onde as informações são alimentadas e lidas usando uma camada de nós visíveis. Eles são conectados a nós ocultos, que afetam como a rede funciona em sua totalidade.

BOLTZMANN RESTRITO

Em uma máquina de Boltzmann restrita, não há conexões entre nós na mesma camada. As máquinas são frequentemente usadas em uma cadeia, uma após a outra. Após treinar a primeira máquina de Boltzmann restrita, o conteúdo dos nós ocultos é usado para treinar a próxima máquina, e assim por diante.

Vídeo do canal Depósito das Exatas resumindo a notícia: