Rede neural vai adivinhar palavra antes que você fale

Informática

Rede neural vai adivinhar palavra antes que você fale

Rede neural vai adivinhar palavra antes que você fale
As redes neurais com reservatório simplificam drasticamente o processo de treinamento, que pode levar meses nas redes convencionais. [Imagem: Chao Du et al. - 10.1038/s41467-017-02337-y]
Rede neural de memoristores
As redes neurais feita com memoristores - componentes eletrônicos que retêm uma memória do que lhes ocorreu anteriormente - prometem melhorar dramaticamente a eficiência do aprendizado de máquina, da inteligência artificial e dos computadores neuromórficos, que trabalham de forma mais parecida com o cérebro humano.
Uma demonstração de que isso está mais perto da realidade do que se imagina acaba de ser dada por Chao Du e seus colegas da Universidade de Michigan, nos EUA.
Eles construíram uma rede neural em hardware, chamada "sistema de computação de reservatórios", que consegue prever palavras e números que virão a seguir em um texto escrito - e o próximo passo será prever palavras antes que elas sejam ditas durante a conversação normal entre duas pessoas.
Sistemas de computação de reservatórios, que melhoram a capacidade de uma rede neural típica e reduzem o tempo de treinamento necessário, já foram criados no passado usando componentes ópticos grandes. Usar memoristores, componentes que podem ser fabricados em nanoescala, significa que o sistema pode ser facilmente integrado nos chips eletrônicos atuais com o mesmo nível de miniaturização.
Rede neural de reservatório
Inspiradas no cérebro, as redes neurais são compostas por neurônios, ou nós, e sinapses, as conexões entre os nós.
Para treinar uma rede neural para que ela execute uma tarefa, a rede é submetida a um grande número de questões e as respectivas respostas a essas questões. Uma vez treinada, uma rede neural pode então responder perguntas para as quais ela não sabe a resposta de antemão - por exemplo, identificar um rosto humano em uma imagem.
Os sistemas de computação de reservatórios construídos com memoristores, no entanto, podem dispensar a maior parte do processo de treinamento porque o componente mais crítico do sistema - o reservatório - não requer treinamento.
Quando um conjunto de dados é inserido no reservatório, o próprio reservatório identifica características relevantes nos dados e as entrega em um formato mais simples para uma segunda rede. Esta segunda rede só precisa de treinamento como as redes neuronais mais simples, alterando os pesos das características que a primeira rede lhe passou até atingir um nível aceitável de erro.
Rede neural vai adivinhar palavra antes que você fale
Protótipo do chip contendo uma rede neural com 88 sinapses feitas com memoristores. [Imagem: Chao Du et al. - 10.1038/s41467-017-02337-y]
Previsão de conversas
As vantagens desse aprendizado simplificado são tão mais significativas quanto mais complicada é a tarefa a ser executada. Por exemplo, identificar um rosto em uma imagem é uma tarefa relativamente fácil, enquanto aprender como uma pessoa entabula uma conversa real é muito mais complexo porque as variações são radicais e imensamente mais variadas.
Usando apenas 88 memoristores, a equipe conseguiu treinar a rede neural para que ela identificasse numerais escritos a mão com 91% de precisão.
O próximo passo será prever não palavras escritas, mas faladas. "Nós podemos fazer predições em linguagem falada natural, de forma que você não precisa falar a palavra toda. Nós podemos na verdade predizer o que você planeja dizer a seguir," garante o professor Wei Lu.
Enquanto construir um tradutor simultâneo é ainda um sonho para um futuro distante, os pesquisadores planejam usar sua rede neural para filtrar ruídos em sinais de telecomunicações, como a estática em transmissões de rádio, produzindo um fluxo mais limpo de dados. "Ela poderá também predizer e gerar um sinal de saída mesmo se o sinal de entrada for interrompido," prometeu Lu.
Bibliografia:

Reservoir computing using dynamic memristors for temporal information processing
Chao Du, Fuxi Cai, Mohammed A. Zidan, Wen Ma, Seung Hwan Lee, Wei D. Lu
Nature Communications
Vol.: 8, Article number: 2204
DOI: 10.1038/s41467-017-02337-y

Comentários

Postagens mais visitadas