Redes Neuronais – o que são?
O tema da IA (Inteligência Artificial) cobre um conjunto de tópicos, nomeadamente aprendizagem automática
(Machine Learning - ML). Dentro do ML também se incluem vários tópicos, nomeadamente as redes
neuronais (neural networks) que são usadas em muitas áreas, desde os carros autónomos, até à internet das
coisas (IoT).
Modelos criados inicialmente por McCulloch e Pitts em 1943, baseados em algoritmos matemáticos
designados por lógica limite.
Embora existam vários tipos de redes neuronais, as redes neuronais profundas (Deep Neural Networks –
DNN) são as mais relevantes.
Estas redes consistem de várias camadas, incluindo de input e output, entre as quais existem camadas
“escondidas”. O número de nós depende da aplicação, tendo cada nó um peso associado.
Estas redes são normalmente “treinadas”, ou seja, cria-se/desenha-se uma DNN e depois treina-se.
O treino consiste na alimentação de dados do lado do “input” e fazer corresponder a estes dados, resultados,
de modo a que os “pesos” que existem em cada nó se ajustem de acordo com a informação.
Embora a arquitetura de uma DNN seja simples, o mesmo não se pode dizer do design e da implementação.
O sistema pode ser afetado por um conjunto de fatores como o formato, dimensão e qualidade do input e do
output desejado. O processo de treino assume que existirá uma convergência no tempo à medida que mais
exemplos vão sendo alimentados no sistema.
De um modo geral, depois do treino os pesos resultantes são usados como um sistema de inferência e o
sistema não será alterado a partir daí, a menos que seja novamente treinado para se actualizar.
Existem vários tipos de DNNs, a CNN (Convolutional Neural Network) que é mais usada em reconhecimento
de imagem e as RNN (Recurrent Neural Networks) desenhadas para responder a comportamentos temporais,
para resolver problemas ligados a reconhecimento de fala e escrita.
Spiking Neural Networks (SNN) tem nós que disparam quando um limite é atingido. Os outputs podem ser um
treino resultante de sinais do sistema, sendo uma aproximação de como o cérebro funciona, sendo
consideradas a próxima geração de inteligência artificial, permitindo no futuro, resolver problemas de IA com
uma fração dos recursos usados hoje em dia.
Nenhuma das soluções existente funciona idealmente para todas as solicitações, por isso o desafio é
conseguir conjugar as diversas opções quando isso é necessário.
Referências:
Sem comentários:
Enviar um comentário
Comente de forma construtiva...
Nota: só um membro deste blogue pode publicar um comentário.