O que so Redes Neurais?

POR PABLO DE ASSIS

EM PROGRAMAO
18 SET 2009 10H41

COMPARTILHAR

10
17 compartilhamentos

A humanidade sempre desenvolveu mquinas para nos auxiliar. Elas

aperfeioam nossa potncia ou velocidade, reduzindo o tempo de trabalho ou
aumentando nossa fora. So poucas as mquinas que fazem o que o ser
humano no faz, mas todas fazem o que fazemos de uma forma muito mais
eficaz.

Recentemente, principalmente a partir da Terceira Revoluo Industrial, com o

desenvolvimento de computadores e a implantao de sistemas
informatizamos no trabalho, muitos pesquisadores vm desenvolvendo
mquinas para nos ajudar a pensar melhor. Conseguimos at agora, com
bastante eficcia, melhorar nossa fora, nosso rendimento, nossa velocidade,
mas mal arranhamos a capacidade de melhorar nossa inteligncia. Isso
acontece principalmente porque mal conhecemos como ela funciona.

Muitas pessoas defendem que a

inteligncia fruto do pensamento lgico e desenvolveram vrios sistemas
lgicos diferentes, culminando na criao dos computadores. Outras pessoas
defendem que a inteligncia humana fruto de como nosso crebro
organizado. Esse grupo desenvolveu, na dcada de 1940 e 1950, a teoria das
Redes Neurais.

Essas redes eram to promissoras, que vrios pesquisadores acharam que

isso no daria certo ou esse modelo nunca alcanaria as previses feitas at
ento. Durante mais de 20 anos, as pesquisas sobre redes neurais caram em
descrdito e mais nfase foi dada computao lgica conhecida e utilizada
atualmente.

Porm, de um tempo para c, principalmente devido ao avano das

neurocincias, as pesquisas sobre redes neurais foram retomadas e muita
coisa foi desenvolvida. Existem pesquisas, por exemplo, para o
desenvolvimento de neurocomputadores. Para se entender melhor o que so
as Redes Neurais e como seria os computadores baseados nelas, vale pena

conhecer como funcionam os neurnios.

O Comportamento dos Neurnios

Os neurnios so as clulas que formam o nosso crebro. Elas so compostas

basicamente por trs partes: os dentritos, que captam informaes ou do
ambiente ou de outras clulas, o corpo celular ou Soma, responsvel pelo
processamento das informaes, e um axnio, para distribuir a informao
processada para outros neurnios ou clulas do corpo. S que uma clula
dificilmente trabalha sozinha. Quanto mais clulas trabalharem em conjunto,
mais elas podem processar e mais eficaz torna-se o trabalho. Logo, para o
melhor rendimento do sistema so necessrios muitos neurnios.

Dos Neurnios s Redes Neurais

Foi pensando em como os neurnios trabalham que pesquisadores

desenvolveram neurnios artificiais. Cada um tem dois ou mais receptores de
entrada, responsveis por perceberem um determinado tipo de sinal. Eles
tambm possuem um corpo de processadores, responsvel por um sistema de
feedback que modifica sua prpria programao dependendo dos dados de
entrada e sada. Finalmente, eles possuem uma sada binria para apresentar
a resposta Sim ou No, dependendo do resultado do processamento.

Um neurnio artificial capaz de um nico processamento. Cada entrada

recebe somente um tipo de sinal ou informao. Como um neurnio pode
possuir vrias entradas, ento ele pode perceber diferentes sinais. Porm, ligar
vrios neurnios similares em rede, faz com que o sistema consiga processar
mais informaes e oferecer mais resultados.

Por exemplo, possvel criar um sistema para identificao de bananas e

maas. Para tal, cria-se neurnios sensveis a cor e forma. Os de cor percebem
o amarelo e o vermelho. Os de forma percebem o redondo e o comprido. Cada
neurnio, ento, possui quatro entradas, uma para cada informao.

Para obter um melhor rendimento do sistema, cria-se uma rede em camadas:

uma primeira camada com quatro neurnios (um para cada sinal de entrada),
uma segunda camada oculta de processamento com trs neurnios e uma
camada de sada com dois neurnios, um para avisar quando uma maa e
outro para avisar quando uma banana.
O segredo no est na arquitetura dessa rede, mas na forma como ela
processa: Redes Neurais no rodam programas, elas aprendem!

O aprendizado das Redes Neurais

No existe uma programao pr-definida dos neurnios artificiais, como

existem nas portas lgicas utilizadas nos circuitos computacionais. Ao invs
disso, eles possuem um sistema de feedback que modifica sua programao.
Cada informao processada gera um peso, dependendo do resultado. Se for
um acerto, ela ganha um ponto, se for um erro, ela perde meio ponto.

Dessa forma, a rede neural do exemplo acima testa vrias vezes a percepo
do objeto. A cada acerto, os neurnios envolvidos no processamento ganham
um ponto e aquela rede reforada. A cada erro, esses neurnios perdem
meio ponto. Dessa forma, o sistema cria a rotina de seguir o caminho com mais
pontos sempre. Quanto mais tentativas, mais aprimorado fica o sistema,
chegando, ao final de um processo de aprendizado, a executar tarefas quase
sem erro algum.
 A grande vantagem disso que para
executar tarefas, uma rede neural no precisa guardar instrues de comando
e execut-las de forma lgica, como num computador tradicional. Ao invs
disso, a rede aprende o que preciso ser feito e executa a funo. Dessa
forma, uma mesma rede, se ela for capacitada com os neurnios necessrios
para tal, capaz de executar vrias funes diferentes, independente de
espao de memria.

Isso porque em uma mesma rede possvel criar vrias regras diferentes. No
exemplo acima, podemos ainda ensinar a rede a detectar bolas amarelas ou
bastes vermelhos, utilizando os mesmos neurnios e as mesmas regras. A
diferena q precisaramos capacit-las com neurnios de sada extras para
cada nova informao que queremos dela e outros neurnios ocultos para
facilitar o processamento. Mas isso no implica em criarmos novas regras ou
novas programaes, somente em ensinar o sistema e executar novas funes
utilizando a mesma rede existente.

Em sistemas mais elaborados, uma rede neural consegue aprender qualquer

funo que uma pessoa possa saber e no h limites para a quantidade de
informao que ela possa processar.

Inteligncia Artificial (IA)

As redes neurais so principalmente utilizadas para criar sistemas de

inteligncia artificial. Os computadores tradicionais podem fazer isso de forma
simulada, mas sua principal funo seguir regras ou comandos oferecidos
pelo usurio. Assim, a inteligncia artificial gerada por computadores
tradicionais so simulaes de inteligncia real, ou seja, apresentam respostas
segundo regras e comandos de um programa pr-estabelecido.
 Acontece que a verdadeira inteligncia no a
capacidade de seguir regras, mas sim a capacidade de resolver problemas.
Mais inteligente o sistema que consegue resolver problemas diferentes de
forma eficaz. Baseado nisso, temos ento duas formas diferentes de
inteligncia artificial, ou IA, a simblica e a conexionista.

A IA simblica simula o comportamento inteligente. Ela baseada em uma

programao que indica quais respostas devem ser dadas diante de
determinados comandos. Essa IA a utilizada em programas inteligentes,
como corretores ortogrficos ou simuladores dos mais variados. A questo
que esses programas dificilmente aprendem coisas novas, somente se voc
incluir novas programaes. Essa a IA mais comum.

A IA conexionista simula a estrutura do crebro, pois acredita-se que a

inteligncia est na forma de processar informao e no na informao
processada. Como o sistema do crebro inteligente, usa-se tal modelo para
desenvolver IA. Assim, os sistemas de IA baseados em redes neurais
conseguem aprender com seus erros e executar diferentes processos,
independente de instrues.

As Redes Neurais e o Perceptron

No s pensando nisso, mas principalmente tentando desenvolver melhores

formas de inteligncia artificial, alguns pesquisadores comearam a estudar o
funcionamento dos neurnios. Em especial, Frank Rosenblatt pesquisou a
estrutura da retina humana. Ela composta por vrios neurnios sensoriais,
responsveis por perceber as cores e as formas. Cada um desses neurnios
transmite uma resposta em rede para vrios outros neurnios que ento
enviam suas informaes para o crebro para finalmente process-las e
transform-las em imagens. Essa a base de funcionamento dos neurnios
artificiais, que levaram ao desenvolvimento do Perceptron.
O Perceptron foi primeira mquina criada para processamento de informao
feita sobre o sistema de redes neurais. Ele foi o primeiro sistema de
processamento pequeno o suficiente para ser usado por uma pessoa, diferente
dos computadores da poca que ocupavam salas enormes com seus
processadores. Ele foi considerada por muitos como o pai do computador
pessoal.

Atualmente, o Perceptron conhecido como a forma de processamento de

informao baseado em redes neurais. Ele construdo com neurnios
artificiais, formando redes de processamento. Uma rede dessas chamada de
Perceptron.

Diferenas entre Computador e Perceptron

A melhor forma de compreender a singularidade desse sistema compar-lo

ao computador. Talvez a caracterstica mais marcante de um Perceptron seja
que ele no executa programas, mas os aprende. Em um computador, instala-
se instrues de comando que formam um programa. Em um perceptron,
treina-o para execut-los. As informaes no so gravadas, mas aprendidas.
Um computador funciona a partir da execuo de operaes lgicas, rodando
programas que podem

er reduzidos combinao de procedimentos de lgica booleana. Por sua

vez, um perceptron capaz de processos no-lgicos, comparaes e
transformaes, pois seus sistema no condicionado a um funcionamento
lgico e linear.
Ao mesmo tempo, um perceptron capaz de mltiplos processamentos e
testes de hipteses em paralelo, enquanto computadores funcionam com um
processamento em cada circuito de cada vez. Isso faz com que a velocidade de
processamento do perceptron seja muito maior do que a de um computador
tradicional.

Finalmente, um computador est preso sua programao. Ele s executa

aquilo que foi programado. Enquanto isso, um perceptron pode perceber novas
possibilidades, aprender com as tentativas e erros e apresentar novos
resultados.

Concluso

Sabe-se que nenhuma mquina capaz de superar a inteligncia humana.

Muitas so capazes de vrios processamentos por segundo, de calcular
inmeras possibilidades, mas nenhum computador capaz de aprender com
seus erros. J os perceptrons nos mostram que podemos construir mquinas
realmente inteligentes, capazes de aprender, de errar, de melhorar e
principalmente, que no so presos a programaes que podem falhar. O que
limita uma mquina dessas sua prpria experincia.

Aliado a isso e ao uso de nanotecnologia, podemos esperar grandes avanos

nos computadores e na forma como entendemos a mente humanao. O que vir
disso tudo, s o futuro pode dizer.

Ento, o que voc achou das redes neurais? J tinha ouvido falar delas?
E o perceptron? Que possibilidades voc v para ele? Comente aqui e
participe da discusso!