AI vai para a ‘kindergarten’ para aprender tarefas mais complexas

Pesquisadores da Universidade de Nova York demonstraram que modelos de machine learning, especialmente as redes neurais recorrentes (RNNs), se beneficiam de um treinamento baseado em tarefas simples antes de enfrentar desafios mais complexos.

Contexto da pesquisa

O estudo, publicado na revista Nature Machine Intelligence, investiga como a aprendizagem em um formato de “currículo de jardim de infância” pode melhorar a capacidade das RNNs em tarefas complexas. Os autores argumentam que, assim como os humanos, as redes precisam dominar habilidades básicas antes de se aventurarem em desafios mais difíceis.

Método proposto

O modelo introduzido nesta pesquisa adota um processo incremental, onde as RNNs são inicialmente treinadas em tarefas cognitivas simples. Esse modelo é comparado ao desenvolvimento humano, em que habilidades básicas como equilíbrio e manipulação de objetos são fundamentais antes que tarefas mais complexas, como andar de bicicleta ou malabarismo, possam ser realizadas.

Para investigar essa teoria, os pesquisadores conduziram experimentos com ratos de laboratório, ensinando-os a buscar uma fonte de água associada a sinais auditivos e visuais. Eles aprenderam que “os sons precedem a entrega da água, e que deveriam esperar após os sinais” (

“os sons precedem a entrega da água, e que deveriam esperar após os sinais”
(“sounds precede water delivery, and that they should wait after the cues”)

— Cristina Savin, Professora Associada, Universidade de Nova York

).

Resultados e impacto

Os resultados mostraram que as RNNs treinadas sob esse novo método aprenderam mais rapidamente do que aquelas que usaram abordagens tradicionais. Estudos anteriores haviam encontrado dificuldades significativas nos métodos existentes para os RNNs lidarem com tarefas cognitivas complexas, muitas vezes falhando em replicar comportamentos humanos e animais.

“Agentes de IA precisam passar primeiro pelo jardim de infância para aprenderem melhor tarefas complexas” (

“AI agents first need to go through kindergarten to better learn complex tasks”
(“AI agents first need to go through kindergarten to better learn complex tasks”)

— Cristina Savin, Professora Associada, Universidade de Nova York

). Os autores enfatizam a importância de entender como experiências anteriores impactam a aprendizagem de novas habilidades.

As implicações dessa pesquisa podem levar a sistemas de IA mais eficientes, que simulem processos de aprendizagem humanos de maneira mais fiel. Futuras aplicações incluem melhorias em interfaces de reconhecimento de fala e tradução de linguagem, entre outras.

Fonte: (TechXplore – Machine Learning & AI)