Apesar de todo o progresso feito no campo da inteligência artificial, o processador de informações mais flexível e eficiente do mundo continua sendo o cérebro humano. Embora possamos tomar decisões rapidamente com base em informações incompletas e variáveis, muitos dos sistemas de inteligência artificial de hoje só funcionam depois de serem treinados em dados bem rotulados e, quando novas informações estão disponíveis, muitas vezes é necessário um retreinamento completo para incorporá-las.
Agora, a startup Nara Logics, co-fundada por um ex-aluno do MIT, está tentando levar a inteligência artificial para o próximo nível, imitando mais de perto o cérebro. O motor de IA da empresa usa descobertas recentes em neurociência para replicar a estrutura e a função do cérebro no nível do circuito.
O resultado é uma plataforma de IA que possui uma série de vantagens sobre os sistemas tradicionais baseados em rede neural. Enquanto outros sistemas usam algoritmos fixos meticulosamente ajustados, os usuários podem interagir com a plataforma da Nara Logics, alterando variáveis e objetivos para explorar ainda mais seus dados. A plataforma também pode começar a funcionar sem dados de treinamento rotulados e pode incorporar novos conjuntos de dados à medida que se tornam disponíveis. Talvez o mais importante, a plataforma da Nara Logics pode fornecer os motivos por trás de cada recomendação que faz – um fator-chave para a adoção em setores como saúde.
?Muitos de nossos clientes de assistência médica dizem que tiveram sistemas de IA que dão a probabilidade de alguém ser readmitido no hospital, por exemplo, mas nunca tiveram aqueles ‘mas por quê?’ razões para saber o que eles podem fazer a respeito “, disse Jana Eggers, CEO da Nara Logics, que lidera a empresa com o CTO e fundador Nathan Wilson, Ph.D.
A IA da Nara Logics está sendo usada atualmente por organizações de saúde, empresas de consumo, fabricantes e o governo federal para fazer coisas como reduzir custos e interagir melhor com os clientes.
“É para pessoas cujas decisões estão ficando complicadas porque há mais fatores [e dados] sendo adicionados, e para pessoas que estão olhando para decisões complexas de forma diferente porque há novas informações disponíveis”, diz Eggers.
A arquitetura da plataforma é o resultado da decisão de Wilson de abraçar as complexidades da neurociência, em vez de abstrair delas. Ele desenvolveu essa abordagem ao longo de mais de uma década trabalhando no Departamento de Cérebro e Ciências Cognitivas do MIT, que há muito mantém a missão de fazer engenharia reversa da mente humana.
“Na Nara Logics, achamos que a neurociência está em um caminho muito bom que vai nos levar a maneiras realmente emocionantes de tomar decisões que não vimos antes”, diz Wilson.
Seguindo uma paixão
Wilson freqüentou a Cornell University para seus diplomas de graduação e mestrado, mas assim que chegou ao MIT em 2000, ele permaneceu. Ao longo de um Ph.D. de cinco anos. e um pós-doutorado de sete anos, ele criou estruturas matemáticas para simular a função cerebral.
“A comunidade do MIT está realmente focada em criar novos modelos de computação que vão além do que a ciência da computação oferece”, diz Wilson. “O trabalho está conectado com a ciência da computação, mas também considera o que nosso cérebro está fazendo que pode nos ensinar como os computadores funcionam, ou como os computadores podem funcionar.”
Nas noites e fins de semana durante os anos finais de seu pós-doutorado, de 2010 a 2012, Wilson também estava começando a traduzir seus algoritmos em um sistema comercial em trabalho que seria a base da Nara Logics. Em 2014, seu trabalho chamou a atenção de Eggers, que havia liderado uma série de negócios de sucesso, mas estava cansado de tanto alarde em torno da inteligência artificial.
Eggers ficou convencido de que o mecanismo de IA da Nara Logics oferecia uma maneira superior de ajudar as empresas. Já naquela época, o motor, que a empresa chama de Nara Logics Synaptic Intelligence, tinha propriedades que o tornavam único na área.
No motor, os objetos nos dados dos clientes, como pacientes e tratamentos, se organizam em matrizes com base nas características que compartilham com outros objetos, em uma estrutura semelhante ao que foi observado em sistemas biológicos. Relacionamentos entre objetos também se formam por meio de uma série de funções locais que a empresa chama de regras de aprendizagem sináptica, adaptadas de estudos de neurociência baseados em células e circuitos.
“O que fazemos é catalogar todos os metadados e o que chamamos de nossos Conectomas entrar e minerar o banco de dados de dados não estruturados e construir links em todos eles que relacionem essas coisas”, explica Wilson. “Depois de ter esse histórico, você pode entrar e dizer:” Eu gosto disso, disso e disso “e deixar o mecanismo processar os dados e fornecer correspondências para esses parâmetros. O que você não precisava fazer é tem qualquer noção de qual seria a resposta certa para muitas pessoas semelhantes. Você pula toda essa etapa. ”
Cada objeto no Synaptic Intelligence da Nara Logics armazena suas propriedades e regras localmente, permitindo que a plataforma se ajuste a novos dados atualizando apenas um pequeno número de objetos associados. Acredita-se que a abordagem de baixo para cima seja usada pelo cérebro.
“Isso é totalmente diferente do aprendizado profundo ou outras abordagens que apenas dizem: ‘Vamos otimizar tudo globalmente, e cada célula faz o que o algoritmo global diz'”, explica Wilson. “Os neurocientistas estão nos dizendo que cada célula está tomando decisões por conta própria até certo ponto. ”
O design permite que os usuários explorem relacionamentos em dados “ativando” certos objetos ou recursos e vendo o que mais é ativado ou suprimido.
Para responder, o motor do Nara Logics ativa apenas um pequeno número de objetos em seu conjunto de dados. A empresa diz que isso é semelhante à “codificação esparsa” que se acredita ser usada em regiões superiores do cérebro, nas quais apenas um pequeno número de neurônios é ativado em um determinado momento. O princípio de codificação esparso permite que a empresa refaça o caminho de sua plataforma e forneça aos usuários as razões por trás de suas decisões.
Conforme a empresa amadureceu, Wilson permaneceu conectado à pesquisa da comunidade do MIT, e Nara Logics participou do acelerador de inicialização STEX25, executado pelo Programa de Ligação Industrial do MIT, onde Wilson diz que a empresa fez muitos contatos que se transformaram em clientes.
Aproveitando uma IA semelhante à da mente
Os fabricantes já estão usando a plataforma da Nara Logics para entender melhor os dados de dispositivos de internet das coisas, as empresas de consumo estão usando para se conectar melhor com os clientes e grupos de saúde estão usando para tomar melhores decisões de tratamento.
?Estamos focados em um algoritmo específico, que é a mecânica da tomada de decisão?, diz Wilson. “Acreditamos que é algo que você pode codificar e que será extremamente valioso se você conseguir fazer esse processo corretamente.”
À medida que o COVID-19 perturbava os setores e destacava a necessidade das organizações investirem em ferramentas de software adaptáveis, a Nara Logics quase dobrou sua base de clientes. Os fundadores estão entusiasmados por escalar uma solução que consideram mais colaborativa e responsiva aos humanos do que outros sistemas de IA.
“Achamos que a diferença mais importante para a qual estamos contribuindo é a construção de uma IA onde as pessoas participam e estão por dentro – elas estão cientes, entendem e sabem o que está fazendo”, diz Wilson. “Isso os ajuda a tomar decisões mais inteligentes todos os dias, e isso faz uma grande diferença.”
Publicado em 13/03/2021 16h59
Artigo original:
Estudo original: