Apesar de tudo o que a inteligência artificial de ponta e as redes neurais podem fazer, elas não podem criar mapas do nada.

"Há essa sensação de que mesmo os modelos de IA de última geração ainda não são verdadeiramente inteligentes", diz Matt Thomson, professor assistente de biologia computacional e pesquisador do Heritage Medical Research Institute. "Eles não resolvem problemas como nós; eles não conseguem provar resultados matemáticos não comprovados ou gerar novas ideias. Achamos que é porque eles não conseguem navegar no espaço conceitual; resolver problemas complexos é como se mover por um espaço de conceitos, como navegar. As IAs estão fazendo mais como memorização mecânica — você dá a ela uma entrada, e ela lhe dá uma resposta. Mas ela não é capaz de sintetizar ideias díspares."

Um novo artigo do laboratório Thomson descobre que redes neurais podem ser projetadas para construir mapas espaciais usando um tipo de algoritmo chamado codificação preditiva. O artigo aparece no periódico Nature Machine Intelligence em 18 de julho.

Liderados pelo aluno de pós-graduação James Gornet, os dois construíram ambientes dentro do jogo Minecraft, incorporando elementos complexos como árvores, rios e cavernas. Eles gravaram vídeos de um jogador atravessando a área aleatoriamente e usaram o vídeo para treinar uma rede neural equipada com um algoritmo de codificação preditiva. Eles descobriram que a rede neural é capaz de aprender como os objetos dentro do mundo Minecraft são organizados em relação uns aos outros e foi capaz de "prever" quais ambientes estavam surgindo enquanto se moviam pelo espaço. Além disso, a equipe "abriu" a rede neural (o equivalente de codificação de "checar sob o capô") e viu que as representações dos vários objetos foram armazenadas espacialmente em relação umas às outras — em outras palavras, eles viram um mapa do ambiente Minecraft armazenado dentro da rede neural.

Redes neurais podem navegar em mapas que lhes foram dados por designers humanos, como um carro autônomo usando GPS, mas esta é a primeira vez que uma rede neural demonstrou criar seu próprio mapa. Essa capacidade de armazenar e organizar informações espacialmente pode, em última análise, ajudar as redes neurais a se tornarem "mais inteligentes", permitindo que elas resolvam problemas realmente complexos como os humanos podem.

Gornet é aluno do Departamento de Sistemas Computacionais e Neurais (CNS) do Caltech, que abrange neurociência, aprendizado de máquina, matemática, estatística e biologia.

"O programa CNS realmente deu a James um lugar para fazer um trabalho único que não seria possível em nenhum outro lugar", diz Thomson. "Estamos adotando uma abordagem bioinspirada para o aprendizado de máquina que nos permite fazer engenharia reversa de propriedades do cérebro em redes neurais artificiais, e esperamos aprender sobre o cérebro em troca. Temos uma comunidade muito receptiva para esse tipo de trabalho aqui no Caltech."

O artigo é intitulado "Construção automatizada de mapas cognitivos com codificação preditiva visual". Gornet é o primeiro autor do artigo. O financiamento foi fornecido pela The David and Lucile Packard Foundation, o Tianqiao and Chrissy Chen Institute for Neuroscience no Caltech, o Heritage Medical Research Institute e a Chan Zuckerberg Initiative. Matt Thomson é um membro do corpo docente afiliado ao Tianqiao and Chrissy Chen Institute for Neuroscience no Caltech.