Como funciona a rede neural artificial de um robô? Pense na rede do gol. Ela é um grafo. E os pontos onde os nós se formam chamam-se nós. Cada nó tem um nome determinado por um peso numérico. A rede vai se formando conforme o valor desse peso. Cada unidade tem uma entrada fictícia com um peso associado. E após uma soma ponderada dessas entradas, uma função de atuação dá sentido às respectivas saídas.
As unidades eram chamadas de Perceptrons. Todas elas funções logísticas. Mas quando algumas delas batiam de frente com funções não lineares, uma incrível propriedade aparecia. Elas representavam toda a rede de nós também de forma não linear! Em posse dessa estrutura em rede, Harvy podia escolher uma conexão neuronal com uma alimentação para frente. Isso formaria um GRAFO ACÍCLICO DIRIGIDO que encontraria a função certa naquele momento. Ou podia escolher uma rede recorrente onde suas entradas se alimentariam das respostas das próprias saídas. Isso formaria, nos níveis de atuação da rede, um sistema dinâmico que atenderia oscilações dos estados caóticos naquele instante.
O robô tinha progredido bastante. Ele escolhe o ponto mais alto em sua ilha deserta para iniciar uma meditação. Harvy avalia tudo que aprendeu e passa a eliminar hipóteses que anteriormente categorizava como consistentes, em um processo conhecido como RESTRIÇÕES DE CONSCIÊNCIA LÓGICA. Agora ele podia usar seus conhecimentos para identificar os atributos realmente relevantes, na busca por hipóteses mais reduzidas e deduções a partir de exemplos isolados.
E com o poder mágico de sua forma bayesiana de aprender, Harvy estava encontrando soluções gerais para as mais diversas teorias de mundo, qualificando seus processos de inferências através da probabilidade. Mas nem todos os problemas podiam ter seus dados totalmente disponíveis. Muitos dados reais tinham VARIÁVEIS OCULTAS que não podiam ser observadas. E a prova disso era a morte de um piloto. Para minimizar esse grave problema Harvy invoca MARKOV. Os processos de Decisão de Markov especificavam cada resultado probabilístico em um modelo de transição. Isso dava a Harvy recompensas numéricas que definiam a utilidade de um histórico de um ambiente caótico qualquer. Pseudorrecompensas ajudavam o processo. Por exemplo, se a recompensa principal fosse encontrada quando o robô fizesse um gol, pseudorrecompensas poderiam ser geradas quando ele tocasse na bola ou mesmo quando ele chutasse na direção certa.
Já era tarde e uma tempestade apontava no horizonte. Harvy deixa sua meditação e procura um lugar melhor para passar a noite. E encontra uma caverna com poucos obstáculos. Nosso amigo encosta em uma das paredes e sente um movimento. Harvy se abaixa. Milhares de morcegos incomodados com a invasão voam para fora do lugar. Após o susto artificial, o robô vasculha o local em busca de algum morcego ainda perdido quando percebe um padrão desenhado no teto. E pela intensidade das cores o desenho tinha milhares de anos.
O robô identifica o desenho e não acredita no que vê! Imediatamente ele entende que sua próxima evolução está chegando. Ele precisa entender rapidamente a linguagem natural de cada civilização que já existiu na Terra.
Nenhum comentário:
Postar um comentário