Pesquisadores da Universidade Cornell desenvolveram um modelo de inteligência artificial inspirado no cérebro humano, capaz de processar dados sensoriais de maneira eficiente, revelando novas possibilidades para o campo do machine learning.
Contexto da pesquisa
Pesquisadores do Departamento de Psicologia da Universidade Cornell, especialmente do Laboratório de Fisiologia Computacional, conduziram um estudo para entender como o cérebro processa informações sensoriais, com foco em dados olfativos. Este trabalho visa criar sistemas de IA que funcionem de maneira semelhante ao cérebro humano, que é reconhecido por sua capacidade de lidar com uma grande quantidade de informações sensoriais de forma eficiente e de baixo consumo energético.
Método proposto
O modelo desenvolvido pelos pesquisadores, chamado de “design neuromórfico”, visa criar dispositivos de IA que podem operar de maneira autônoma e leve. O estudo se concentra nas camadas do bulbo olfatório, que organiza estímulos sensoriais antes de transmiti-los para áreas mais profundas do cérebro. Os pesquisadores descobriram que a epiderme olfatória e a camada externa do bulbo desempenham um papel crucial na filtragem e organização dos dados sensoriais.
Resultados e impacto
“Na prática, sistemas artificiais também precisam que a entrada sensorial do mundo seja embalada e organizada de forma que retenha todas as informações críticas.”
(“Artificial systems, too, need the complex sensory input from the world to be packaged and organized in a way that retains all critical information.”)— Thomas Cleland, Professor de Psicologia, Universidade Cornell
Os pesquisadores documentaram que técnicas de codificação de fase de pulso, comuns em sistemas neurais, podem ser aplicadas para melhorar a regularização e o aprendizado em cenários práticos, onde os dados podem ser ruidosos e escassos. O modelo demonstrou um desempenho superior ao estado atual da arte em vários benchmarks e datasets projetados para simular variabilidade sensorial e saturação.
A pesquisa não apenas avança o entendimento do processamento olfativo pelo cérebro, mas sugere um sistema de aprendizado mais robusto para IA, com potenciais aplicações em robótica e sistemas autônomos.
O próximo passo envolve a implementação do modelo em dispositivos com sensores químicos, possibilitando aplicações em detecção de materiais perigosos e outras soluções inteligentes que operem localmente e sem a necessidade de transmitir dados sensíveis pela rede.
Fonte: (TechXplore – Machine Learning & AI)
