O mundo da IA mudou para sempre  Dr. Karl J. Friston é o neurocientista mais citado no mundo, celebrado por seu trabalho em imagens cerebrais e teoria do cérebro inspirada na física. Ele também é o cientista-chefe da VERSES AI, trabalhando em um tipo totalmente novo de IA chamado Active Inference AI, baseado no Princípio da Energia Livre (FEP) - a teoria de Karl que acaba de ser comprovada por pesquisadores no Japão para explicar como o cérebro aprende.  Até agora, a maior parte da pesquisa de IA se concentrou em modelos de aprendizado de máquina, que são conhecidos por enfrentar muitos desafios. Desde a arquitetura insustentável de carregamento massivo de dados para treinamento até a falta de interpretabilidade e explicabilidade nas saídas, os algoritmos de aprendizado de máquina são vistos como ferramentas incognoscíveis, incontroláveis e, embora sejam bons em correspondência de padrões, não há um 'pensamento' real " tomando lugar.  O trabalho que Dr. Friston está fazendo com VERSES é radicalmente diferente, e estará nas mãos do público em questão de meses. A Active Inference AI e o FEP, juntamente com o novo Spatial Web Protocol, estão estabelecendo as bases para um sistema unificado de inteligência coletiva distribuída que imita a maneira como a inteligência biológica funciona em toda a natureza. Eles criaram uma arquitetura cognitiva inteiramente nova que é auto-organizada, auto-otimizada e auto-evolutiva. E, no entanto, é totalmente programável, conhecível e auditável, permitindo que seja dimensionado em conjunto com a governança humana.  Esta é a IA que mudará tudo o que você acha que sabe sobre inteligência artificial.  Como seu cérebro aprende  Você já se perguntou como seu cérebro dá sentido ao fluxo constante de imagens, sons, cheiros e outras sensações que você experimenta todos os dias? Como ele transforma essa entrada caótica em uma imagem coerente da realidade que permite que você perceba, entenda e navegue pelo mundo?  Os neurocientistas ponderaram essa questão por décadas. Agora, uma nova pesquisa empolgante fornece validação experimental de uma teoria inovadora chamada “Princípio da Energia Livre”, do Dr. Karl J. Friston, que explica os cálculos profundos por trás da percepção sem esforço.  O   , publicado em 7 de agosto de 2023 na Nature Communications por cientistas do instituto de pesquisa RIKEN no Japão, fornece provas de que redes de neurônios se auto-organizam com base nesse princípio. Suas descobertas confirmam que os cérebros constroem um modelo preditivo do mundo, atualizando constantemente as crenças para minimizar as surpresas e fazer melhores previsões no futuro. estudo   “  Nossos resultados sugerem que o princípio da energia livre é o princípio auto-organizado das redes neurais biológicas. Ele previu como o aprendizado ocorreu ao receber entradas sensoriais específicas e como foi interrompido por alterações na excitabilidade da rede induzida por drogas”. – Takuya Isomura, RIKEN  Desmistificando a Percepção  Para entender por que essa teoria é tão revolucionária, precisamos avaliar a enormidade do desafio que seu cérebro enfrenta. A cada momento, seus sentidos captam uma nevasca de diversos sinais – padrões de luz e sombra, ondas sonoras vibrando em seus tímpanos, substâncias químicas ativando receptores olfativos. De alguma forma, seu cérebro dá sentido a esse caos, percebendo objetos coerentes como um rosto, uma melodia ou o aroma do café.  O processo parece instantâneo e sem esforço. Mas sob o capô, seu cérebro está resolvendo um problema de inferência incrivelmente complexo, descobrindo as causas prováveis no mundo exterior que geram os padrões sensoriais. Esse quebra-cabeça inverso – trabalhar de trás para frente a partir dos efeitos para inferir causas ocultas – é profundamente difícil, especialmente porque a mesma causa (como o rosto de uma pessoa) pode criar diferentes padrões sensoriais dependendo do contexto.  O Princípio da Energia Livre, formulado pelo renomado neurocientista Karl Friston, propõe uma explicação elegante de como o cérebro lida com isso. Ele afirma que os neurônios estão constantemente gerando previsões de cima para baixo para explicar os dados sensoriais recebidos. Quaisquer incompatibilidades resultam em “erros de previsão” que atualizam as crenças para melhorar as previsões futuras. Seu cérebro é uma máquina de inferência, atualizando perpetuamente seu modelo interno do mundo para minimizar a surpresa e a incerteza.  Provando a teoria em redes neuronais  O Princípio da Energia Livre sintetiza muitas observações sobre percepção, aprendizado e atenção dentro de uma única estrutura unificadora. Mas falta validação experimental direta em redes neuronais biológicas.  Para fornecer essa prova, a equipe japonesa criou culturas neuronais em microescala cultivadas a partir de células cerebrais embrionárias de ratos. Eles entregaram padrões elétricos que imitam sensações auditivas, geradas pela mistura de sinais de dois “alto-falantes”.  Inicialmente, as redes reagiram aleatoriamente, mas gradualmente se auto-organizaram para responder seletivamente a um orador ou outro, como sintonizar uma única voz em um coquetel barulhento. Isso demonstrou a capacidade de separar sinais sensoriais mistos em causas ocultas específicas – um cálculo crítico para a percepção.  Verificando Previsões  Poderosamente, os pesquisadores mostraram que essa auto-organização correspondia a previsões quantitativas por modelos de computador baseados no Princípio da Energia Livre. Ao fazer engenharia reversa dos modelos computacionais implícitos empregados pelas redes neuronais vivas, eles poderiam prever suas trajetórias de aprendizado com base apenas nas medições iniciais. As incompatibilidades das previsões de cima para baixo levaram a mudanças sinápticas que melhoraram as previsões daqui para frente.   A equipe também demonstrou que a manipulação da excitabilidade dos neurônios, consistente com os efeitos farmacológicos, alterou o aprendizado conforme previsto ao interromper os modelos existentes das redes. No geral, o estudo fornece evidências convincentes de que o Princípio da Energia Livre descreve como as redes neuronais realizam a inferência bayesiana, estruturando conexões sinápticas para atualizar continuamente modelos generativos de cima para baixo que melhor explicam os dados sensoriais.  Em direção à IA inspirada no cérebro  Compreender as excelentes habilidades computacionais das redes neurais biológicas tem importantes implicações práticas. Tal como acontece com o trabalho que o Dr. Friston está fazendo como cientista-chefe com VERSES AI, Active Inference e o Free Energy Principle, juntamente com o Spatial Web Protocol, estão sendo implantados para alcançar um tipo totalmente novo de IA baseado em inteligência biomimética, em vez da retropropagação de força bruta do aprendizado de máquina, com a eficiência e capacidade de generalização da percepção humana.   Como sugerem os pesquisadores, a IA de inferência ativa e o princípio da energia livre por meio da inferência bayesiana permitem que uma rede neural se autootimize por meio da ingestão e atualização contínua de novos dados sensoriais em tempo real, ao mesmo tempo em que considera saídas e determinações previamente estabelecidas, gerando modelos preditivos permitindo a criação de inteligências artificiais (Agentes Inteligentes) inspiradas no cérebro que aprendem como redes neurais reais. Um conjunto desses Agentes Inteligentes, todos originários de seu próprio ponto de vista de inteligências especializadas únicas obtidas de seu próprio quadro de referência, dentro de uma rede global unificada de espaços gêmeos digitais aninhados ricos em contexto, oferece o modelo de mundo contextual que está faltando em aplicações práticas de IA. Esta é uma peça crítica do quebra-cabeça no avanço da pesquisa de IA e na obtenção de AGI (inteligência geral) ou ASI (super inteligência). O avanço desses sistemas de computação neuromórfica é um objetivo vital, pois buscamos emular a versatilidade e adaptabilidade da cognição biológica em máquinas.  Portanto, embora a compreensão de como seu próprio cérebro funciona possa parecer abstrata, essa pesquisa pioneira aproxima as aplicações práticas de inteligência artificial e confirma o trabalho verdadeiramente revolucionário que a VERSES AI introduziu e está liderando no mundo da IA. O Princípio da Energia Livre fornece uma teoria unificadora da computação cortical, e sua validação experimental em redes neuronais vivas marca um marco importante no caminho para a construção de inteligências artificiais verdadeiramente semelhantes ao cérebro.     Visite  VERSES AI e a   para saber mais sobre o trabalho revolucionário do Dr. Karl Friston com eles no campo de Active Inference AI e o Free Energy Principle. Spatial Web Foundation  Publicado também   . aqui

This story contains new, firsthand information uncovered by the writer.

Solving big problems using AI technology? Please reach out to me. I’d love to hear from you. 

Read My Stories

Karl Friston's AI Law is Proven: FEP Explains How Neurons Learn

Revolutionary Proposal Emerges for Effective AI Governance

The Era of AI and The Spatial Web: What It All Means - Part 1

Este áudio é produzido no idioma original da história!

Muito longo; Para ler

Boost your HackerNoon story @ $159.99! 🚀

A lei de IA de Karl Friston é comprovada: FEP explica como os neurônios aprendem

About Author

COMENTARIOS

Rótulos

ESTE ARTIGO FOI APRESENTADO EM

Related Stories

Quer ganhar um concurso de redação do HackerNoon? Aqui está o que os vencedores do concurso #crypto-api recomendam

Digital Nomads Ouçam: O que você precisa saber sobre o novo visto DTV da Tailândia

Como melhorar seu fluxo de trabalho em 10 vezes: 17 aplicativos essenciais

O guia completo para uma migração bem-sucedida para a nuvem: estratégias e práticas recomendadas

Quer ganhar um concurso de redação do HackerNoon? Aqui está o que os vencedores do concurso #crypto-api recomendam

Digital Nomads Ouçam: O que você precisa saber sobre o novo visto DTV da Tailândia

Como melhorar seu fluxo de trabalho em 10 vezes: 17 aplicativos essenciais

O guia completo para uma migração bem-sucedida para a nuvem: estratégias e práticas recomendadas

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps